# Адаптивный Порог Изображения

Применяет операцию адаптивного порога, которая вычисляет порог для малых областей, подходит для переменных условий освещения

> Каноническая страница: https://elysiatools.com/ru/tools/image-adaptive-threshold

- **Категория:** Design

- **Ключевые слова:** изображение, адаптивный, порог, локальный, бинарный, освещение, регион, бинаризация

## Обзор

Инструмент «Адаптивный порог изображения» позволяет эффективно бинаризировать фотографии с неравномерным освещением, вычисляя индивидуальные пороговые значения для локальных областей изображения.

## Входные данные

- **Файл Изображения** (file): Выберите файл изображения...
- **Размер Блока (нечетное число)** (number): Размер окрестности пикселей, используемой для вычисления порога для пикселя (должен быть нечетным)
- **Константа** (number): Константа, вычитаемая из среднего или взвешенного среднего. Обычно положительная.
- **Адаптивный Метод** (select): Используемый метод адаптивного порога

## Когда использовать

- При обработке документов с тенями или неравномерным светом, где обычная бинаризация теряет детали.
- Для подготовки изображений к распознаванию текста (OCR), чтобы повысить контрастность символов.
- При анализе медицинских или технических снимков, где важно выделить объекты на неоднородном фоне.

## Как это работает

- Загрузите исходное изображение в поддерживаемом формате.
- Выберите метод вычисления порога: среднее значение или Гауссово взвешенное среднее.
- Настройте размер блока окрестности и константу для точной адаптации под детали вашего изображения.
- Запустите процесс и скачайте готовое бинарное изображение.

## Сценарии использования

- Очистка сканированных документов от теней и пятен.
- Выделение контуров объектов на снимках с плохим освещением.
- Подготовка графических данных для алгоритмов компьютерного зрения.

## Частые вопросы

### Чем адаптивный порог отличается от обычного?

Обычный порог применяет одно значение ко всему изображению, а адаптивный вычисляет его для каждой локальной области, что идеально при неравномерном освещении.

### Что такое размер блока?

Это размер области вокруг пикселя, на основе которой рассчитывается пороговое значение. Он должен быть нечетным числом.

### Какой метод лучше выбрать?

Гауссов метод обычно дает более гладкие результаты и лучше справляется с шумами, чем простое среднее значение.

### Зачем нужна константа?

Константа вычитается из среднего значения. Она помогает убрать фоновый шум и сделать границы объектов более четкими.

### Какие форматы файлов поддерживаются?

Инструмент поддерживает популярные форматы, включая JPEG, PNG, WEBP, BMP и TIFF.

## Связанные инструменты

- [Прямоугольное Размытие Изображения](https://elysiatools.com/ru/tools/image-box-blur): Применяет прямоугольное размытие для простого равномерного усреднения и быстрого уменьшения шума
- [Булева Операция И Над Изображениями](https://elysiatools.com/ru/tools/image-boolean-and): Применяет побитовую операцию И между двумя изображениями для создания маски пересечения
- [Булева Операция НЕ Над Изображением](https://elysiatools.com/ru/tools/image-boolean-not): Применяет побитовую операцию НЕ для инвертирования всех значений пикселей в изображении
- [Булева Операция ИЛИ Над Изображениями](https://elysiatools.com/ru/tools/image-boolean-or): Применяет побитовую операцию ИЛИ между двумя изображениями для создания маски объединения
- [Булева Операция ИСКЛЮЧАЮЩЕЕ ИЛИ Над Изображениями](https://elysiatools.com/ru/tools/image-boolean-xor): Применяет побитовую операцию ИСКЛЮЧАЮЩЕЕ ИЛИ между двумя изображениями для создания маски разности
- [Снижение Шума Изображения](https://elysiatools.com/ru/tools/image-noise-reduction): Снизьте шум изображения, используя множественные алгоритмы, включая медианный, гауссовский и билатеральный фильтрацию
- [Билатеральный Фильтр](https://elysiatools.com/ru/tools/image-bilateral-filter): Примените билатеральный фильтр для кантерахивающего сглаживания, которое уменьшает шум и при этом сохраняет детали изображения
- [Эквализация Гистограммы CLAHE](https://elysiatools.com/ru/tools/image-clahe): Применение адаптивной эквализации гистограммы с ограничением контрастности для локального улучшения контрастности

## Примеры

- [Примеры Обработки Изображений Web Python](https://elysiatools.com/ru/samples/web-image-processing-python): Примеры обработки изображений Web Python используя PIL/Pillow включая чтение, сохранение, изменение размера и преобразование формата
- [Примеры Обработки Изображений Web TypeScript](https://elysiatools.com/ru/samples/web-image-processing-typescript): Примеры обработки изображений Web TypeScript включая чтение/сохранение, масштабирование и конвертацию форматов
- [Примеры Обработки Изображений Android Java](https://elysiatools.com/ru/samples/android-image-processing-java): Примеры обработки изображений Android Java включая чтение/сохранение, масштабирование и преобразование формата
- [Примеры Обработки Изображений Android Kotlin](https://elysiatools.com/ru/samples/android-image-processing-kotlin): Примеры обработки изображений Android Kotlin включая чтение/сохранение, масштабирование и преобразование формата

## Связанные материалы

- [Инструменты бинаризации, морфологии и масок изображений](https://elysiatools.com/ru/hubs/binary-image-thresholding-and-morphology): Создавайте бинарные маски, сравнивайте методы порога, исправляйте форму объектов и объединяйте маски морфологическими и логическими операциями.