dijkstra

之前在项目中遇到了图像分割问题，涉及到了动态规划算法dijkstra，简单做个小结：

我的应用场景是在复杂噪声的图像中分割出前景（Epoxy），也可以算是图像分割中的前景背景分割问题，之前的做法是基于图像灰度做阈值分割，阈值分割最大的弱点是图像不同区域的灰度渐变，很难用一个阈值完美的将感兴趣区域提取出来，即使加上了run-time和retry机制仍然达不到理想的分割效果；

改进的算法是提取前景背景之间的轮廓线，这里的做法是：

1  Edge detect

首先提取特征点，这里的特征点可以覆盖很广，设定的阈值要求可以较低，让更多的初始特征点都能够提取出来，可选用的方法如Harris等；

2 Edge linking

linking的目的是为了给初始特征点去噪，这是一种比阈值去噪更为有效的空间去噪方法，具体做法是定义一些方向模板，遍历所有噪声点及其领域来进行linking，孤立的edge在这个过程中即被去除，剩下的能够很好的表征图像的轮廓信息，当然，linking之后仍然有一些小的线条或者块状edges，这需要更好的噪声去除逻辑；

3 dijkstra

Dijkstra算法解决的是带权重的有向图上单源最短路劲问题，在我们的案例中，我们分别定义：

1）权重：edge在待求contour中的置信值