使用两帧或三帧图像进行差分运算检测运动目标，假如固定的阈值T无法适应场景中光线变化，那如何修改判别条件？

在场景中光照变化的情况下，使用固定的阈值T进行差分运算的效果可能会受到影响，因为光照的变化可能会导致图像中的像素值变化。为了解决这个问题，我们可以使用自适应阈值方法，而不是使用固定的阈值T。

自适应阈值方法根据图像的局部特性来确定阈值，而不是使用固定的全局阈值。OpenCV中提供了adaptiveThreshold()函数可以实现自适应阈值方法。该函数的语法如下：

cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C[, dst])

其中，src表示输入的灰度图像，maxValue表示像素值大于阈值时的赋值值，adaptiveMethod表示自适应阈值算法（有两种可选：ADAPTIVE_THRESH_MEAN_C和ADAPTIVE_THRESH_GAUSSIAN_C），thresholdType表示二值化类型（有两种可选：THRESH_BINARY和THRESH_BINARY_INV），blockSize表示用于计算阈值的像素块大小，C表示从均值中减去的常量。函数的返回值是二值化后的图像。

使用自适应阈值方法进行运动目标检测的步骤如下：

1. 读入两帧或三帧图像，并将其转换为灰度图像。

2. 对每一帧图像应用自适应阈值方法，得到二值化图像。

3. 对二值化图像进行差分运算，得到差分图像。

4. 对差分图像进行形态学处理，如膨胀、腐蚀等。

5. 对处理后的图像进行目标检测，如轮廓提取、连通区域分析等。

使用自适应阈值方法可以使运动目标检测更加鲁棒，适应不同光照条件下的场景。