水平集分割图像算法中的（c,h）=contour (u,[0,0],‘r‘)的含义

u是z轴数据所满足的条件，即z轴的数据；[0,0]表示画一条高度为0的等高线，如果想画高度为i 的等高线，改为[i，i]，‘r’表示线条用红色显示。

其中的c表示等高线矩阵，包含定义的等到的数据。

h为等高线的句柄。
来自：转载
图像分割技术研究及仿真：
2.4 基于水平集的分割方法
水平集方法是由Sethian和Osher于1988提出，是一种处理曲线演化的新颖的方法。该方法的中心思想就是把变化的界面曲线方程用高一维的零水平集函数来表示。以这样一种间接的方式来表达闭合曲线，可以把跟踪复杂的曲线演化过程转化成偏微分方程的数值求解问题，这样一来无论曲线是分裂还是合并，都可以在数学上有着准确的表示，这种方法极大的简化了曲线演化的过程，有利于我们研究拓扑结构复杂的空间几何体。从提出至今，人们对水平集方法的研究日臻完善，研究领域也不断拓宽，从最初的跟踪曲线到如今用来解决图像处理方面的问题，都彰显它该方法的强大之处。在这里本节只对水平集方法做一个大致的轮廓性的介绍，更多方法原理及思路在下文里做具体的介绍。

水平集方法广泛应用在医学和航空领域，有着很好的发展前景。这其中最主要的原因在于它对处理空间结构复杂的图像有着无可比拟的优越性和不可替代性，可以肯定的是，在以后的几年里这种方法会发展得更加完善，应用面更广泛。

2.5 分割算法对比表格
上一章我们已经介绍过了四种比较热门的图像分割技术，这些技术的实现原理都不相同，比如阈值分割主要基于图像各处灰度值差异不同来完成分割；边缘分割的技术支撑点来源于边缘区域灰度值会发生突变；区域分割技术则是依照某种相似性把图像中的点归为不同的类别；水平集分割也是一种新颖的方法。这一节我们以表格的形式来对比以上几种技术，讨论它们的优缺点和适应方向

根据以上图表的对比结合分析：我们可以看出，根据所分割图像的属性不同我们可以选用不用的图像分割方法：

在一个图像中有不同类别的物体时，可以用阈值分割法来分割出不同种类的物体，然而此方法要求图像灰度直方图有明显波峰和波谷，否则分割效果差；

当图像分割算法具有高精度，快速性的要求时，可以选用边缘分割法。具体选择何种边缘微分算子应视情况而定， 例如CANNY微分算子就可以有效的改善噪声对边缘分割算法的影响，大部分的边缘分割算法需要预先做去噪处理；

在目标图像较小时，使用区域生长法能够获得较好的效果；

当待分割图像拓扑结构变化，外形复杂时使用水平集算法分割较好。

上诉几点已经比较明确的告诉我们各项技术的优缺点和使用范围，个人认为水平集方法的分割手段适用面广，发展前景比较好，而且它还能适应高维空间的分割，这是其他技术所不能企及的，所以下一章我们具体研究水平集分割技术。

三、基于水平集的图像分割
3.1 水平集方法简介
通常情况下，我们所认知的图像都可以看作是前景和背景内容的数据结合，图像分割的目的就是把前景提取出来，然而使用传统的方法不能处理图像轮廓线拓扑变化等等问题，因而水平集方法应运而生，该方法由Osher 和 Sethian 提出，对处理拓扑结构变化的图像有着较好的效果。其核心思想是：把变化的界面曲线方程用高一维的零水平集函数来表示。以这样一种间接的方式来表达闭合曲线，可以把跟踪复杂的曲线演化过程转化成偏微分方程的数值求解问题。当水平集理论用于图像处理领域时都使用零水平集，因此我们可以做如下定义：用Ф表示n+1维（即高维函数），而零水平集可以看作是轮廓线C，C(Ф)=﹛(x,y)︱Ф(x,y)=0﹜,即轮廓线是图像上像素的集合,该集合中满足高维函数的值为 0。[[4]]所以,我们所要做的就是使高维函数的零水平集逼近实际的轮廓线,通过改变高维函数,我们获得了不同的零水平集和不同的轮廓线。
当我们了解了轮廓线的定义以后我们就很容易理解这样一个事实：任何一个复杂的物体，我们都可以通过分析它的无数个零水平集来还原它的物理形状及拓扑结构。所以水平集方法的优势之处就在于它对复杂物体图像的分割效果好于传统方法。转载
——————————————
版权声明：本文为CSDN博主「sunny_chenxi」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/sunny_chenxi/article/details/120014817