图像分割

图像分割是指将图像分红若干互不重叠的子区域，使得同一个子区域内的特征具备必定类似性，不一样子区域的特征呈现较为明显的差别。

经常使用方法
1.基于阈值的分割方法
2.基于边缘检测的分割方法
3.基于区域的分割方法
4.基于深度学习的分割方法web

1.基于阈值的分割方法
基本思想：首先，肯定一个合适的阈值T（阈值选定的好坏是此方法成败的关键）；其次，将大于等于阈值的像素做为物体或背景，生成一个二值图像。
（基于图的灰度直方图）


2.基于边缘检测的分割方法
基本思想：计算局部微分算子算法

一阶导数：用梯度算子来计算
用途：用于检测图像中边的存在
二阶导数：经过拉普拉斯算子来计算
用途：
1）二阶导数的符号，用于肯定边上的像素是在亮的一边，仍是暗的一边。
2）二阶导数的零交叉点用于肯定边缘的中心。

三、区域生长
算法实现：
1）根据图像的不一样应用选择一个或一组种子，它或者是最亮或者是最暗，或者是位于点簇中间的点。
2）选择一个条件
3）从该种子开始往外扩张，首先把种子像素加入结果集合，而后不断将与集合中各像素连通，且知足条件的像素加入集合。
4）上一过程进行到再也不有知足条件的新节点加入集合为止。svg

3.1 、区域分裂与聚合
算法实现：
1）对图像中灰度级不一样的区域，均分红四个子区域
2）若是相邻的子区域全部像素的灰度级相同，则将其合并
3）反复进行上两步操做，直至再也不有新的分裂与合并为止学习

图像分割的目的
普通分割
将不一样分属不一样物体的像素区域分开。 如前景与后景分割开，狗的区域与猫的区域与背景分割开。
语义分割
在普通分割的基础上，分类出每一块区域的语义（即这块区域是什么物体）。 如把画面中的全部物体都指出它们各自的类别。
实例分割
在语义分割的基础上，给每一个物体编号。 如这个是该画面中的狗A，那个是画面中的狗B。xml