图像分割

边缘的分类：阶跃状 和 屋顶状 
 

 

                                                                 边缘检测就是图像锐化的过程

    空间域锐化：    通过 微分过程                 增强图像边缘或轮廓
    一阶梯度：      一阶差分近似                    prewwit算子 sobel算子     sobel就是带权的prewwit
    二阶梯度 ：     用二阶差分近似                laplace算子      
    算子的像素值就是用邻域像素的差分表示梯度时的系数，因此算子卷积就是求梯度的过程

梯度算子：

 

 

 

 

 

 

 

霍夫变换：线检测。

                       直角坐标系上的一条直线  ——对应——  极坐标中的一个点（扩展后可以检测任何形状的线，任意曲线）
                               ：

 

 

 

区域分割：
    1、简单的图像（二值化：关键是确定阈值）
            1.1、双峰性灰度直方图，可以用峰谷确定

            1.2、判断分析法

            1.3 、最小误差分割 ——概率密度

 

    2、复杂的图像
            第一步：自动平滑直方图（图像灰度直方图一般不平滑，对自动找峰与下一步确定阈值带来困难。一般可以采用空间滤波器与直方图做卷积来进行平滑。

            第二步：确定区域类数
                                                特征空间聚类：如K均值聚类

             第三步：自动搜索多个阈值

 

 

区域合并：
                     1、区域增长法：先分割成若干小区域，设定阈值，比较像素。
                     2、分裂合并法