计算机视觉之基于聚类的分割方法（2）

相似性度量

1.基于距离的相似性：一旦距离超过某一个阈值，相似性应该随距离增加急剧下降。

2.基于亮度的相似性：当亮度值接近时相似性大，如果亮度值之差变大，则相似性减小。

3.基于颜色的相似性：需要一个均衡的颜色度量来构造有意义的颜色相似性函数。使用一个均匀分布的颜色空间是个很好的办法，但是使用RGB空间并不好

4.使用纹理的相似性：对于相似的纹理，相似性应该大；随着差别的增加，相似性变小。我们采用一些滤波器f1,....fn,通uy过这些滤波器的输出来描述纹理，这些输出将分布于不同的尺度和方向等级上。

RANSAC：随机采样一致算法。搜索一个随机采样，对其进行拟合，可以得到许多数据点支持。