均值偏移滤波
均值偏移滤波(Mean Shift Filtering)，有时也称为均值偏移聚类(Mean Shift Clustering)，是计算机视觉和图像处理中常用的一种数据聚类算法。
对于图像的每个像素(具有物理空间位置信息和颜色信息)，计算一组相邻像素(在定义的空间半径和颜色距离内)的均值。 物理空间上2个坐标—x、y，加上色彩空间上3个坐标—R、G、B(或任何3维颜色空间)，构成一个5维的空间球体。对于这组相邻像素，将计算新的空间中心点(空间平均值)和新的颜色平均值。这些计算出的平均值将用作下一次迭代的新中心点。所描述的过程将重复进行，直到空间和颜色(或灰度)平均值停止变化为止。在迭代结束时，最终的平均颜色将分配给该迭代的开始位置。
以下动画解释均值偏移的步骤，这里以2维的圆代表5维的空间球体。
参考自：https://waltpeter.github.io/o...
大津二值化法
大津二值化法(Otsu's method)，是大津展之(Nobuyuki Otsu)提出的全局最优阈值处理算法，将一个灰度图像退化为二值图像。使用聚类思想，将图像分为“前景”和“背景”两类，并使得两类的类内方差最小，即类间方差最大。
$$ \sigma^2_w(t)=\omega_0(t)\sigma^2_0(t)+\omega_1(t)\sigma^2_1(t) $$
其中，\( t\) 是将图像分为“前景”和“背景”两类的阈值(threshold)，\( \omega_0\)和 \( \omega_1\)分别是这两个类的加权数，而\( \sigma^2_0\)和\( \sigma^2_1\)分别是这两个类的方差。
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。