不同边缘检测器的阈值通常是不可比较的，因为不同的边缘检测算法可能有不同的阈值范围和含义。

然而，可以通过将边缘图像的阈值归一化到一个固定的范围来进行比较。下面是一个使用Python和OpenCV库的示例代码：

import cv2

# Load image
image = cv2.imread('image.jpg', 0)

# Apply different edge detection algorithms
canny_edges = cv2.Canny(image, 100, 200)
sobel_edges = cv2.Sobel(image, cv2.CV_64F, 1, 1, ksize=5)
laplacian_edges = cv2.Laplacian(image, cv2.CV_64F)

# Normalize edge images to a common range
canny_edges_normalized = cv2.normalize(canny_edges, None, 0, 255, cv2.NORM_MINMAX, cv2.CV_8U)
sobel_edges_normalized = cv2.normalize(sobel_edges, None, 0, 255, cv2.NORM_MINMAX, cv2.CV_8U)
laplacian_edges_normalized = cv2.normalize(laplacian_edges, None, 0, 255, cv2.NORM_MINMAX, cv2.CV_8U)

# Display edge images
cv2.imshow('Canny Edges', canny_edges_normalized)
cv2.imshow('Sobel Edges', sobel_edges_normalized)
cv2.imshow('Laplacian Edges', laplacian_edges_normalized)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们使用了Canny、Sobel和Laplacian边缘检测算法来生成不同的边缘图像。然后，我们使用cv2.normalize函数将这些边缘图像归一化到0到255的范围，并使用cv2.imshow函数显示它们。

请注意，这个示例只是演示了如何将不同的边缘图像归一化到相同的范围，以便进行可视化比较。实际上，对于不同的边缘检测算法，它们的阈值是有各自的物理含义和背后的算法原理的，因此不能直接进行比较。