图像分割技术（1）

分割是将图像细分为子区域，这些子区域互不重叠，并集为初始图像，每个子区域内的像素分布符合预定规则。用数学描述可表示为：

一般有4种分割思路：基于点线、边缘的分割；基于阈值的分割（二值化）；基于区域的分割；基于分水岭的分割

1. 基于点线、边缘的分割

这种分割的目的是把图像中灰度变化剧烈的区域找出来，这也是大部分机器视觉应用的必要步骤。

无论是点、线还是边缘的分割，都是基于图像微分（《图像局部不变性特征与描述》阅读笔记（3）-- 点与边缘检测）

由(LOG)Laplacian of Guassian & (DOH)Determinant of Hessian 斑点检测对高斯一阶和二阶微分的讨论，可以知道：

1）一阶导数得到的边缘比二阶要粗

2）二阶导数对细线、噪声更敏感

3）二阶导数在灰度过渡处会产生双边缘，此外通过二阶导数的符号可以推断边缘的过渡是从暗到亮还是相反

基于以上讨论，孤立点的检测一般用二阶导数（laplace），如Harris角点检测，除此之外还有很多别的角点检测算法，如SUSAN，SIFT，SURF

线的检测主要针对空间上连续的线段，一般使用对方向敏感的模板对线做方向筛选

图1-1. 各向互异的Laplace线检测算子

边缘检测比点线检测要复杂，因为边缘一般是弯曲的，因此需要首先检测点或小线段，然后做拟合，其