图像分割（一）—图像分割概述

图像分割

1.什么是图像分割

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。
图像分割将图像细分为一个个子区域或物体，细分的程度取决于要解决的的问题，当我们得到感兴趣区域时，分割就停止。
PS 图像分类 图像识别 是什么
计算机看图像是一堆数字矩阵，不像我们人眼这么高级 能分辨出里面比如有小狗 兔子这些东西。所以为了让计算机理解图像的内容，我们需要应用图像分类，使用计算机视觉和机器学习算法处理图像，这个操作可以简单的为一张图像分配一个标签，如猫还是狗，或者也可以高级到解释图像的 内容并且返回一个可读的句子。总的来说图像分类一般是涉及计算机视觉和机器学习，相对来说更高级 比图像分割涉及范围更广
图像识别 包括四个过程： 图像预处理→ 图像分割 → 图像特征提取 → 分类器分类
小结：图像分割是获得想要的区域或者物体 往往是实现最终目的过程中的一部分 图像分类是对图像中的内容进行理解和解释 图像分割是图像识别的一部分 一个过程

2.现有图像分割方法的分类

多数分割方法是基于灰度值的两个基本性质 不连续性和相似性

（1）基于阈值的方法

包括全局阈值、自适应阈值等等
①全局阈值是指整幅图像使用同一个阈值做分割处理，适用于背景和前景有明显对比的图像。根据整幅图像确定，但是这种方法只考虑像素本身的灰度值，一般不考虑空间特征，因而对噪声很敏感。常用的全局阈值选取方法有利用图像灰度直方图的峰谷法、最小误差法、最大类间方差法、最大熵自动阈值法以及其它一些方法。
②自适应阈值
在图像中比较复杂的情况下，全局阈值很难准确地将物体与背景分开。这时可以根据需要实际按照将图像分成若干子区域分别计算阈值，进行图像分割，这时的阈值为自适应阈值。
自适应阈值算法的核心是将图像分割位不同的区域，每个区域都计算阈值。这样可以更好的处理复杂的图像。

介绍俩常用的api：
cv2.threshold（src，thresh，maxval，type）
cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C, dst=None)
自适应的阈值方法处理较为复杂的图 可以去除这个背景

（效果图来自：https://blog.csdn.net/weixin_42272768/article/details/110817275 ）

（2）基于区域

基于区域的方法是以直接寻找区域为基础的分割技术
①区域生长
②区域分裂与聚合
https://segmentfault.com/a/1190000043462365

（3）基于边缘

基于边缘的分割方法 是以灰度局部剧烈变化检测为基础 其中 线和边缘 是主要研究对象
边缘或者说边缘线段是连接边缘像素的集合 线两侧的灰度要么远亮于该线上的灰度 要么远暗于该线上的灰度
边缘检测 （很多算子）
https://segmentfault.com/a/1190000043595395

（4）基于特定理论

特定理论大概有：
聚类分析、模糊集理论
小波变换等。
基于图论的方法
超像素

学习自：https://blog.csdn.net/Java_college/article/details/120911701