图像分割《python图像处理篇》

引言：图像分割是目前图像处理领域中的一大热点问题，该领域随着处理技术的不断发展，分为两大类，一类是传统分割方法，一类是基于深度学习的分割方法。随着深度学习的火热，传统的提携分割算法也遮住了其光芒所在，今天和大家一起看一下关于传统分割的方法。

开始：

1.基于阈值的分割方法：
        该方法的思想较为简单，就是在图像像素灰度值的基础上进行，利用像素的灰度值进行二值划分，也就是我们常说的图像二值化，不同的算法有不同的分割方法基于所求的阈值，但是都是求取该图像的最佳合理分割像素阈值作为图像分割的界限值。

        例如最平凡的指定阈值分割方法，就是根据所给定的阈值将灰度图像划分为两类，低于此像素的灰度值为一类和高于此灰度值的像素为一类，此时设定的分割阈值可以任意。

       再如：大津阈值分割法，该方法主要的核心思想就是求取一幅图像的某个值，使一幅图像分割为两类（背景和目标两类），且这两类的方差值是最大的，该值就是大津阈值所找的最佳阈值。

效果如图所示

2.基于区域的分割法

1》区域生长法：

          首先进行种子初始化，在图像的任意位置随机产生种子，（该种子代表这一区域，也就是负责这一块区域的合并）然后利用随机产生的种子的领域内进行区域合并（符合区域像素合并的条件）将合并的像素作为新的种子进行进行区域条件合并，如法炮制，直到没有符合这一合并条件为止，但是该方法的缺点在于随机种子的选取，一个良好的开始是成功的一半。

2》分水岭：

        该方法的重要点在于将一幅图像看作为一个地理环境，更像是一个个山丘、高山、湖泊。图像的像素值看作是山川的海拔高度，有高有低，没有规律，但是采用水淹法，即给山川灌入水，水往低处流的道理，水会不断地一层一层的往高涨，（在此处不同于现实生活中的是，该方法将每一座高山的最低处刺穿一个小孔，相当于是每一个高山所围成的坑是相互连通），当水一层一层往上涨的时候，哪个高山所围成的坑淹没时，就给该坑的周围建设一座堤坝，该堤坝时刻与水平面一个高度，最后当所有高山被淹没时，此时的堤坝就是所要求的图像分割线。

#

待续。。。

3.结束

GAME OVER

如果理解错误，欢迎大家批评，及时纠正小琼的错误哦，真心感谢你的纠正！！！

如果小伙伴梦有疑问欢迎在评论区留言哦！！！

如果感觉不错的话！点个赞呗，不用客气！（O(∩_∩)O哈哈~）

欢迎和小伙伴梦一起学习，共同努力，加油！！！