图像分割学习笔记

（1）A Survey on Traditional and Graph Theoretical Techniques for Image Segmentation（综述）

①图像分割的经典方法

（1）阈值法：该方法用于将灰度图像转换为二值图像。该技术的基本目标是选择阈值。。通过选择合适的阈值T，可以将灰度图像转换为二值图像。二值图像应该包含关于感兴趣对象的位置和形状的所有重要信息具体方法转是选择一个阈值T，然后每个灰度值低于这个T将被划分为黑色，高于T的划分为白色。
（2）基于聚类的方法：该方法利用图像的像素与聚类中心之间的距离进行聚类。这种方法很大程度上取决于某些属性，如颜色、强度、纹理和一个像素的位置，或这些因素的加权分组。直接用K-means算法对这些像素进行分割就是一种办法。
（3）基于直方图的方法：在此方法中，计算了图像中所有像素的直方图。这个直方图用于选择灰度级别，以便将图像分组到各个区域中。对于一般图像，有两个属性：待识别对象及其背景。图像的对象是一个灰度水平，这是直方图中较小的峰值。图像的背景是另一个灰度水平，代表直方图中的大峰值。直方图的峰谷和谷被用来跟踪图像的簇。颜色或强度可以用作一种度量方法。
（4）基于Split-and-merge的方法：这种分割方法是基于图像的四分树分割。在该方法中，一个图像被表示为一个树，这个树是一个没有循环的连通图。这项技术从树根开始。如果从非均匀（非齐次）开始，则拆分和合并算法有两个阶段；拆分和合并。在分割阶段，我们递归地将区域划分为四个子区域（从整个图像作为一个区域开始），以预期我们的同质性准则在所有子区域中都得到满足。相反地，如果四个子方块是相同的），那么它们可以合并为一些连通的分量。这个过程被称为合并过程。
（5）基于水域分割的方法：水域分割又称Watershed变换，是模仿地图浸没过程的一种形态学分割算法。水域分割的基本思想是基于局部极小值和积水盆的概念。积水盆是地形中局部极小点的影响区，水平面从这些局部极小值处上涨，在水平面浸没地形的过程中，每一个积水盆被筑起的“坝”所包围，这些坝用来防止不同积水盆里的水混合到一起。在地形完全浸没到水中后，这些筑起的坝就构成了分水岭

②基于图的方法