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