本文目录
分割法的原理？
阈值分割法可以说是图像分割中的经典方法，它利用图像中要提取的目标与背景在灰度上的差异，通过设置阈值来把像素级分成若干类，从而实现目标与背景的分离。一般流程：通过判断图像中每一个像素点的特征属性是否满足阈值的要求，来确定图像中的该像素点是属于目标区域还是背景区域，从而将一幅灰度图像转换成二值图像
什么叫图像分割？
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。
从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像素赋予相同的编号。
图像分割算法能对每个图像分割吗？
多数的图像分割算法均是基于灰度值的不连续和相似的性质。在前者中，算法以灰度突变为基础分割一幅图像，如图像边缘分割。假设图像不同区域的边界彼此完全不同，且与背景不同，从而允许基于灰度的局部不连续性来进行边界检测。后者是根据一组预定义的准则将一幅图像分割为相似区域，如阈值处理、区域生长、区域分裂和区域聚合都是基于这种方法形成的。下面将对每类算法进行详细说明。 图像边缘分割：边缘是图像中灰度突变像素的集合，一般用微分进行检测。基本的边缘检测算法有：Roberts算子、Prewitt算子、Sobel算子。稍高级的算法有：Marr-Hilderth边缘检测器、Canny边缘检测器。 图像阈值分割：由于阈值处理直观、实现简单且计算速度快，因此阈值处理在分割应用中处于核心地位。阈值处理可以分为单阈值处理与多阈值处理。在单阈值处理中最常用且分割效果也不错的算法是Otsu（最大类间方差算法）算法。多阈值处理：K类由K-1个阈值来分离，即计算图像的多个类间方差，多阈值处理的分割结果相较于单阈值的结果虽然会更好一些，但分类数量增加时它会开始失去意义，因为我们仅仅处理一个变量（灰度），此时可以通过增加变量如彩色来进行解决。 基于区域的分割：区域生长算法和区域分裂与聚合都是属于基于区域的分割算法。区域生长算法是根据预先定义的生长准则将像素或子区域组合为更大的区域的过程。基本方法是从一组“种子”点开始，将与种子预先定义的性质相似的那些邻域像素添加到每个种子上来形成这些生长区域（如特定范围的灰度或颜色）。区域分裂与聚合是首先将一幅图像细分为一组任意的不相交区域，然后按照一定规则聚合、分裂这些区域。 形态学分水岭算法：分水岭的概念是以三维形象化一幅图像为基础的。在图中，我们主要考虑三种类型的点：（1）属于一个区域最小值的点；（2）把一点看成是一个水滴，如果把这些点放在任意位置上，水滴一定会下落到一个单一的最小值点；（3）处在该点的水会等可能性地流向不止一个这样的最小值点。对于一个特定的区域最小值，满足条件（2）的点的集合称为该最小值的汇水盆地或分水岭。满足条件（3）的点形成地表面的峰线，称之为分割线或分水线。为了达到更好的分割效果，常常将分水岭算法应用到梯度图像上，而不是图像本身。 对图像分割算法的研究，目前大多都是对经典算法的改进或是针对不同特性的图像对已有算法进行组合使用。目前热度最高的当属卷积神经网络对图像进行分割。
图像分割的关键步骤？
图像分割是指将图像分成特性相似的区域并提取出其中感兴趣目标区域的技术和过程。
特性可以是灰度、颜色、纹理等视觉特性，也可以是其他本征特性或语义特性；
相似可以是数值相等或相近，也可以是其他规律的接近；
目标区域可以是连通的或不连通的。
图像分割的结果是要把目标定位和提取出来，是一般意义上的目标检测。
图像分割是图像识别和计算机视觉至关重要的预处理。
没有正确的分割就不可能有正确的识别。
但是，进行分割仅有的依据是图像中像素的亮度及颜色，由计算机自动处理分割时，将会遇到各种困难。
例如，光照不均匀、噪声的影响、图像中存在不清晰的部分，以及阴影等，常常发生分割错误。
因此图像分割是需要进一步研究的技术。
人们希望引入一些人为的知识导向和人工智能的方法，用于纠正某些分割中的错误，是很有前途的方法，但是这又增加了解决问题的复杂性。
图像分割判别分析法优点？
1、原理通常不同的区域之间的边缘上像素灰度值的变化往往比较剧烈， 这是边缘检测方法得以实现的主要假设之一。常用灰度的一阶或二阶微分算子进行边缘检测。2、优点搜索检测的速度快，对边缘检测好。3、适用范围低噪声干扰，区域之间的性质差别很大（或则说边缘变化大）。4、缺点不能得到较好的区域结构，边缘检测时抗噪性和检测精度之间的矛盾。精度提高，则会牺牲抗噪性，反之。我们可以设置一个熵，取一个折中的办法，求取熵最大的时候的精度和抗噪性。
图像分割由什么到什么？
图像分割是由图像处理到图像分析的关键步骤。
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像素赋予相同的编号。
图像分割的步骤？
图像分割是指将图像分成特性相似的区域并提取出其中感兴趣目标区域(常对应场景中有意义的景物)的技术和过程。
特性可以是灰度、颜色、纹理等视觉特性，也可以是其他本征特性或语义特性；
相似可以是数值相等或相近，也可以是其他规律的接近。