计算机视觉之图像分割

关于MRF方法：https://blog.csdn.net/weixin_41923961/article/details/80878036
图像分割定义：
为每个像素打标签，相同的标签用同一特征表现。
分割方法从宏观上说可以分为基于边缘的和基于区域的。
目前学到了基于k-meas、分水岭、GrabCut、基于MRF四种方法，简单谈谈对这四种方法的理解。无论是哪种方法，都是以像素点作为对象来分析。

k-means方法（基于区域）：
样本聚类的过程，相似的样本聚到一类中。
实现流程：给定k类，初始化k个中心点，计算每个样本到所有中心点的距离，取最小距离，将该样本分到对应的最小距离的类别中，直到遍历完所有的样本点，完成所有样本点的聚类，计算每个类的均值作为新的中心点。再次重复，直到新旧中心点的变化不大（小于设定的阈值）。
联系图像分割：
先对图像的像素值聚类得到k个类，再将每一个类中的point赋予相同的像素值。

mean-shift方法（基于区域）：
对每个像素点形成关于表征外形信息、空间信息的向量表示，选定合适的空间、外形尺度因子。
对所有的像素点做mean-shift聚类，对聚类结果进行合并。若两个类的中心距离小于设定的阈值，合并两个类。
mea