阅读导航:我们在本节要解决的核心问题是——如何让计算机像人眼一样,自动决定“哪里是前景、哪里是背景”? 这不是简单地“把亮的留下”。光照不均怎么办?物体和背景颜色混在一起怎么办?用户只想框一个矩形,计算机能不能自己把框里的东西抠出来?别急,我们从最粗暴的“一刀切”开始,一步步走到 Otsu 的智能判决、自适应阈值的局部感知、分水岭的地形模拟,最后到 GrabCut 的迭代图割精修。
2.7 整体概览:从“一刀切”到“智能抠图”的进化树
如果把分割算法看作一个进化树,树根是全局阈值,树叶是交互式分割:
- 全局阈值:一个数字定生死,快但脆弱。
- Otsu 自动阈值:看直方图说话,自动找最优分割点。
- 自适应阈值:把图像切成小窗,每扇窗有自己的标准。
- 分水岭:把图像当成地形图,让水从种子漫灌,堤坝就是边界。
- GrabCut:用户画个框,算法用高斯混合模型 + 图割迭代精修。
现在我们已经了解了整体版图,接下来看看最基础的“硬判决”:全局阈值。但在继续之前,我想先问你一个问题——如果你面对一张白纸黑字的扫描件,你会怎么把它变成纯黑白? 找个中间灰度值,比它亮的变白,比它暗的变黑,对吧?这就是全局阈值。听起来简单,但魔鬼藏在细节里。
2.7.1 全局阈值策略:一个数字定生死
2.7.1.1 THRESH_BINARY/INV 的硬判决与掩码生成
我们先从 toy example 开始。 假设有一行 8 个像素,灰度值是:
[20, 45, 120, 200, 210, 80, 30, 255]
我们选阈值 T = 100。THRESH_BINARY 的规则是:
- 像素 > T → 输出 maxval(通常是 255)
- 像素 ≤ T → 输出 0
结果变成:
[0, 0, 255, 255, 255, 0, 0, 255]
听起来抽象对吧?这本质上是一个硬判决(Hard Decision):没有任何过渡带,非黑即白。THRESH_BINARY_INV 只是把条件翻转——大于 T 变 0,小于等于 T 变 255,生成的是反色掩码。
在 OpenCV 中,cv2.threshold 的返回值有两个: retval(实际使用的阈值)和 dst(输出图)。如果你手动传入 T,retval 就等于 T;如果用 Otsu,retval 是自动算出的最优值。
2.7.1.2 THRESH_TRUNC/TOZERO 的截断与零化模式
我们继续之前的问题。 如果我不想二值化,只想“把太亮的部分压下去”或者“把太暗的部分清零”,怎么办?
THRESH_TRUNC:截断天花板
规则:像素 > T → 输出 T;像素 ≤ T → 输出原值。
上面的例子 [20, 45, 120, 200…] 用 T=100 截断后变成:
[20, 45, 100, 100, 100, 80, 30, 100]
想象它是一个“音量限制器”:超过 100 的都被压到 100,不超过的保持原样。这在 HDR 图像压缩、防止过曝区域完全丢失细节时很有用。
THRESH_TOZERO:暗部清零
规则:像素 > T → 输出原值;像素 ≤ T → 输出 0。
结果:
[0, 0, 120, 200, 210, 80, 0, 255]
这像是一个“噪声门”:低于阈值的全部静音(归零),高于阈值的保留原样。适合提取高亮目标,同时完全抑制暗部噪声。
THRESH_TOZERO_INV:亮部清零
反过来:像素 > T → 输出 0;像素 ≤ T → 输出原值。提取暗部细节时使用。
2.7.1.3 手动阈值的经验设定与双峰直方图观察法
现在我们已经了解了阈值模式。 但 T 到底该设多少?
双峰直方图:理想情况
打开图像的灰度直方图,如果看到两个明显的“山峰”——一个对应暗背景,一个对应亮前景——那么两峰之间的“谷底”就是最佳阈值。citeweb_search:6#8web_search:6#6
经验法则
- 文档扫描(白底黑字):T 通常在 150~200 之间。
- 显微镜图像(暗场亮细胞):T 通常在 30~80 之间。
- 自然图像:几乎没有双峰,手动阈值基本靠猜。
关键洞察:手动阈值只在“受控环境”下有效——光照固定、相机固定、物体颜色固定。一旦光照变化,昨天设的 T 今天就废了。这就是为什么我们需要自动阈值。
2.7.2 Otsu 自动阈值:让直方图自己说话
在继续之前,我们先停一下。 手动阈值的核心困境是:人眼能看出来直方图有两个峰,但计算机怎么量化“谷底在哪”?Otsu 的回答是:找一个阈值,让分成的两类像素“差异最大”。
2.7.2.1 类间方差最大化的推导与遍历搜索
直觉:好的分割,两类应该“很不一样”
想象你有一堆苹果和橘子混在一起,按重量排序。如果你一刀切在某个重量值,把轻的归一类、重的归一类,怎么判断这一刀切得好不好?看两类内部的“纯度”——如果一类全是苹果、一类全是橘子,那就是好分割。
Otsu 用**类间方差(Between-Class Variance)**来量化这个“纯度”:
σB2(T) = ω1(T)·ω2(T)·[μ1(T) - μ2(T)]2
其中:
- ω1, ω2:两类像素的概率(占比)
- μ1, μ2:两类的平均灰度
这个公式有一个美妙的性质:当两类均值差异越大、且两类大小越均衡时,类间方差越大。citeweb_search:6#2web_search:6#6web_search:6#8
推导的巧妙之处
原始定义是 σB2 = ω1(μ1-μ)2 + ω2(μ2-μ)2,其中 μ 是全图均值。但通过代数变换(利用 ω1+ω2=1 和 μ = ω1μ1 + ω2μ2),可以化简为上面的乘积形式。这个形式计算更快,因为 μ1-μ2 的差比 μ1-μ 更直接。citeweb_search:6#6
遍历搜索的实现优化
naive 实现是对每个 T 重新计算 ω 和 μ,O(L2),L=256。但用累积直方图和累积均值,可以降到 O(L):
- P1(k) = Σi=0k pi(累积概率,0阶矩)
- m(k) = Σi=0k i·pi(累积均值,1阶矩)
然后 μ1(k) = m(k)/P1(k),μ2(k) = (μG - m(k))/(1 - P1(k))。所有值通过查表在 O(1) 内获得。citeweb_search:6#1web_search:6#6
结构化伪代码:Otsu 最优阈值搜索
Algorithm OtsuThreshold
Input: 灰度图 I[0..H-1][0..W-1], L 个灰度级 (通常 L=256)
Output: 最优阈值 T*
// 第一步:计算归一化直方图
for i ← 0 to L-1 do
H[i] ← 0
end
for each pixel p in I do
H[p] ← H[p] + 1
end
for i ← 0 to L-1 do
p[i] ← H[i] / (H × W) // 概率
end
// 第二步:预计算累积量
P[0] ← p[0] // 累积概率 ω<sub>1</sub>
m[0] ← 0 · p[0] // 累积均值
for k ← 1 to L-1 do
P[k] ← P[k-1] + p[k]
m[k] ← m[k-1] + k · p[k]
end
μ<sub>G</sub> ← m[L-1] // 全局均值
// 第三步:遍历搜索最大类间方差
maxVar ← -1
T* ← 0
for k ← 0 to L-1 do
if P[k] > 0 && P[k] < 1 then // 避免空类
μ<sub>1</sub> ← m[k] / P[k]
μ<sub>2</sub> ← (μ<sub>G</sub> - m[k]) / (1 - P[k])
σ<sub>B</sub><sup>2</sup> ← P[k] · (1 - P[k]) · (μ<sub>1</sub> - μ<sub>2</sub>)<sup>2</sup>
if σ<sub>B</sub><sup>2</sup> > maxVar then
maxVar ← σ<sub>B</sub><sup>2</sup>
T* ← k
end
end
end
return T*
2.7.2.2 双峰直方图的适用前提与单峰失效分析
现在我们已经了解了 Otsu 的推导。 但它有没有盲区?有,而且很大。
失效场景一:单峰直方图
如果图像的直方图只有一个峰(比如一张均匀的灰墙,或者前景背景灰度高度重叠),Otsu 会强行把它切成两半。结果通常是:把墙切成两半,或者把物体和背景各切掉一半。因为类间方差公式在单峰情况下,最大值往往出现在直方图的极端位置(0 或 255),导致灾难性分割。citeweb_search:6#8
失效场景二:类别不平衡
如果前景只占图像的 5%,背景占 95%,Otsu 的类间方差会偏向“把大类别保护好”,导致小目标被吞并。因为 ω1·ω2 在极端比例下会变得很小,抑制了均值差的作用。
失效场景三:噪声干扰
直方图上的小毛刺会被 Otsu 误读为“第三个峰”,导致阈值跳变到错误位置。预处理去噪(如高斯平滑或 NLM)是必要的。
诊断方法:在调用 Otsu 前,先画直方图。如果没有明显的双峰,不要迷信 Otsu,转用自适应阈值或 GrabCut。
2.7.2.3 多阈值 Otsu 的扩展与计算复杂度
我们继续之前的问题。 如果图像里有三类物体(比如细胞核、细胞质、背景),单阈值只能分成两类,怎么办?
多阈值扩展
Otsu 可以推广到 K 个阈值,把图像分成 K+1 类。类间方差变成:
σB2(T1, T2, …, TK) = Σi=1K+1 ωi(μi - μG)2
但搜索空间从 O(L) 爆炸到 O(LK)。对于 256 灰度级:
- K=1(单阈值):256 次计算,瞬间完成。
- K=2(双阈值):2562 = 65,536 次,可接受。
- K=3(三阈值):2563 ≈ 1677 万次,明显变慢。
- K=4:109 量级,不可行。citeweb_search:6#0web_search:6#1
加速策略
- 递归分解:先找最优 T1 把图分成两类,再在每类内部找子阈值。不是全局最优,但快。
- 启发式优化:用粒子群(PSO)、遗传算法(GA)或 Jaya 算法在阈值空间中搜索,避免暴力遍历。citeweb_search:6#0
- 查找表(LUT):把累积概率和累积均值预存,每次评估只需查表和简单算术。citeweb_search:6#1
OpenCV 的 cv2.threshold 只支持单阈值 Otsu(THRESH_OTSU)。多阈值需要自己实现或使用 Scikit-image 的 threshold_multiotsu。
2.7.3 自适应阈值:每扇窗有自己的标准
在继续之前,让我们面对现实。 全局阈值(包括 Otsu)的最大敌人是光照不均。想象一张从左上角打光的文档:左上角亮、右下角暗。一个全局 T 无法同时满足两边。怎么办?把图像切成小窗口,每个窗口用自己的阈值。
2.7.3.1 ADAPTIVE_THRESH_MEAN 的局部均值与邻域尺寸
直觉:用邻居的平均亮度做基准
对于每个像素,我们看它周围 blockSize×blockSize 的邻居,计算它们的平均灰度 μ,然后:
T(x,y) = μ(x,y) - C
C 是一个常数偏移量,用来微调敏感度。如果 C=5,意味着“比局部均值暗 5 个灰度级的才算背景”。citeweb_search:6#3web_search:6#4
blockSize 的选择
- 太小(如 3×3):局部均值被噪声主导,结果斑驳。
- 太大(如 101×101):局部均值趋于全局均值,失去“自适应”意义。
- 推荐:根据目标尺寸选。如果文字笔画宽约 10 像素,blockSize 选 2×笔画宽 + 1 = 21,确保窗口覆盖足够的背景统计量。
2.7.3.2 ADAPTIVE_THRESH_GAUSSIAN 的加权局部与 σ 影响
我们继续之前的问题。 均值阈值把邻域内所有像素一视同仁,但离中心远的像素应该权重更低,对吧?
高斯加权局部阈值
ADAPTIVE_THRESH_GAUSSIAN 用高斯核给邻域像素加权,再计算加权均值:
T(x,y) = WM(x,y) - C
其中 WM 是高斯加权均值。中心像素权重最高,边缘像素权重按高斯钟形衰减。citeweb_search:6#3web_search:6#4
为什么高斯更好?
- 边缘保留:均值阈值在跨越强边缘时,窗口内同时包含前景和背景,均值被拉偏,导致边缘附近出现“伪影”。高斯加权降低了远处像素的干扰,边缘定位更准。
- 噪声抑制:高斯加权天然抑制高频噪声(相当于内置了轻度平滑)。
在 OpenCV 中,高斯版本的 σ 由 blockSize 自动推导(σ = 0.3 × ((blockSize-1)/2 - 1) + 0.8),不需要手动设置。但如果你自己实现,可以调整 σ 来控制钟形的宽窄。
2.7.3.3 块尺寸与 C 值对光照不均的补偿效果
现在我们已经了解了两种自适应阈值。 但 blockSize 和 C 到底怎么配合?
C 值:敏感度旋钮
- C 太大:阈值偏低,暗噪声被误判为前景,出现“胡椒盐”假阳性。
- C 太小(甚至负值):阈值偏高,前景的暗部被误判为背景,出现“腐蚀”效果。
- 经验:从 C=2 开始调,每次增减 2,观察结果。
光照不均的补偿原理
想象一个从左到右渐变暗的背景。全局阈值会在左侧漏掉背景、在右侧吞掉前景。自适应阈值把图像切成很多小窗,每扇窗内部的背景灰度近似均匀,局部均值就能自适应地跟踪这个渐变。
关键洞察:自适应阈值不是魔法。如果光照变化频率高于 blockSize 的空间分辨率(比如一个窗口内同时有强光和阴影),它也会失效。这时需要更大的 blockSize,或者先做一次光照归一化(如顶帽变换)。
2.7.4 分水岭算法:把图像当成地形图
在继续之前,让我们跳出阈值的思维。 阈值分割假设“前景亮、背景暗”,但如果物体内部有孔洞、物体之间粘连,阈值只能给我们一块块粘连的“饼”。分水岭算法的思路是:把图像看作地形海拔图,水从种子点漫灌,相遇处筑坝,堤坝就是边界。
2.7.4.1 梯度幅值作为地形表面与汇水盆地
直觉:边缘是山脊,内部是盆地
我们先计算图像的梯度幅值(如 Sobel 或形态学梯度)。梯度小的地方(平坦区域)是“盆地”,梯度大的地方(边缘)是“山脊”。然后我们把梯度图取反(或用负梯度),让山脊变成高峰、盆地变成低谷。
汇水盆地(Catchment Basin)
每个局部极小值(盆地最低点)是一个“水源”。水从该点开始上涨,逐渐淹没周围像素。当两个不同水源的水即将汇合时,算法在它们之间筑起一道“分水岭线”(Watershed Line)。这些线构成了分割边界。citeweb_search:6#11
关键问题:如果直接用原始图像的局部极小值做水源,噪声会导致成千上万个极小值——过度分割(Over-segmentation)。这就是为什么需要“标记控制”。
2.7.4.2 标记控制(marker)的交互式分割与背景标记
标记:人工指定的“合法水源”
标记控制分水岭(Marker-Controlled Watershed)的核心是:不把所有局部极小值当水源,只把用户或算法指定的标记点当水源。citeweb_search:6#9web_search:6#11
标记通常分三类:
- 前景标记(Foreground Markers):物体内部的种子点,通常由距离变换的局部极大值或形态学操作生成。
- 背景标记(Background Markers):物体外部的点,通常是图像边框或膨胀后的前景补集。
- 未知区域(Unknown):剩下的像素,由分水岭算法判决归属。
OpenCV 的实现细节
cv2.watershed 的输入是一个 32 位有符号整数标记图:
- 标记 > 0:已知的种子区域(不同整数代表不同物体)。
- 标记 = 0:未知区域,待分割。
- 标记 = -1:通常由算法在输出中填充,表示“分水岭边界”。
背景标记通常设为 1,前景标记从 2 开始编号。算法执行后,边界像素被标记为 -1,可以用蓝色等高线可视化。citeweb_search:6#11
2.7.4.3 过度分割问题与区域合并后处理策略
现在我们已经了解了标记控制。 但即使有了标记,有时还是过度分割(一个物体被切成几块)或分割不足(两个物体粘在一起)。怎么办?
过度分割的成因
- 标记过多:距离变换的局部极大值检测太敏感,一个物体内有多个峰值。
- 梯度噪声:梯度图不平滑,山脊上有小凹陷,导致水提前汇合。
对策一:H-minima 变换
在距离变换图上,抑制深度小于 h 的局部极小值。浅盆地被填平,多个邻近峰值合并成一个。citeweb_search:6#11
对策二:区域合并(Region Merging)
分水岭后,如果两个相邻区域的平均颜色/纹理差异很小,就把它们合并。常用准则:
- 颜色相似度:区域平均灰度差 < 阈值。
- 边界强度:它们之间的分水岭线梯度幅值 < 阈值(弱边界 = 假边界)。
对策三:形态学后处理
- 开运算:去除过度分割产生的小碎片。
- 面积过滤:删除像素数 < N 的区域,视为噪声。
2.7.5 GrabCut 交互分割:从矩形框到像素级精修
在继续之前,让我们再升一级。 前面所有方法都假设“前景和背景可区分”,但如果前景是只花斑猫,背景是花地毯,颜色高度重叠,怎么办?GrabCut 的回答是:让用户画个框,算法用概率模型 + 图割迭代地“猜”出精确边界。
2.7.5.1 高斯混合模型(GMM)的前景/背景颜色建模
直觉:颜色不是单一值,是一个分布
传统阈值说“像素灰度 > T 就是前景”。但花斑猫的毛色有黑、白、橙三种。用一个阈值 impossible。GrabCut 用 高斯混合模型(GMM) 来描述前景和背景的颜色分布:每个颜色簇用一个高斯分布近似,多个高斯叠加成“混合模型”。citeweb_search:6#7web_search:6#10web_search:6#12
GMM 的数学表达
前景 GMM:
P(c | FG) = Σi=1K πi · N(c | μi, Σi)
其中 K 通常取 5(OpenCV 默认值),πi 是混合权重。每个高斯有完整的协方差矩阵 Σ,能捕捉颜色各通道间的相关性。
关键步骤:
- 用 K-means 把已标记的前景像素聚成 K 簇。
- 每簇初始化一个高斯分布。
- 通过 EM 算法迭代优化 π, μ, Σ,直到收敛。citeweb_search:6#10
2.7.5.2 矩形初始化与掩码精修(GC_INIT_WITH_RECT/MASK)
两种初始化模式
OpenCV 的 cv2.grabCut 支持两种初始化:
GC_INIT_WITH_RECT:用户画一个矩形,矩形内部全部标记为“可能前景(PR_FGD)”,外部全部标记为“确定背景(BGD)”。这是最快的启动方式,适合物体大致在画面中央的场景。citeweb_search:6#10web_search:6#12
GC_INIT_WITH_MASK:用户提供一个详细掩码,可以标记:
cv2.GC_BGD(0):确定背景cv2.GC_FGD(1):确定前景cv2.GC_PR_BGD(2):可能背景cv2.GC_PR_FGD(3):可能前景
这适合迭代精修:第一次用矩形初始化,得到粗略分割;用户在错误区域涂抹修正,生成新掩码,再用 GC_INIT_WITH_MASK 继续优化。
2.7.5.3 迭代图割(Graph Cut)能量最小化与收敛判定
现在我们已经了解了 GMM 建模和初始化。 但 GrabCut 的核心引擎是图割(Graph Cut)。它把图像分割转化为一个能量最小化问题,用 Min-Cut/Max-Flow 算法求解。
能量函数:数据项 + 平滑项
总能量:
E(α, k, θ, z) = U(α, k, θ, z) + V(α, z)
-
数据项 U:像素属于前景/背景的“代价”。如果像素颜色在前景 GMM 下概率高、在背景 GMM 下概率低,则标为前景的代价小。
U = Σn [-log P(zn | αn, kn, θ)]
-
平滑项 V:相邻像素标不同标签的“惩罚”。如果两个相邻像素颜色很像,它们被标为不同类别的代价高(鼓励边界沿颜色突变处走)。
V = Σ(m,n) γ · [αn ≠ αm] · exp(-β||zm-zn||2)
其中 β 由图像对比度自动计算,γ 控制平滑强度。citeweb_search:6#7web_search:6#10
迭代流程
GrabCut 不是一次到位的,而是迭代精修:
- 初始化:用矩形或掩码标记已知像素,训练初始 GMM。
- Step 1 - 分配:每个未知像素根据当前 GMM,被分配到最可能的高斯分量。
- Step 2 - 学习:根据新的分配,重新估计 GMM 参数(EM 算法的 M 步)。
- Step 3 - 分割:用更新后的 GMM 构建图,运行 Min-Cut,得到新的分割。
- 收敛判定:如果本次分割与上次相比变化像素数 < 阈值(或达到最大迭代次数),停止。citeweb_search:6#10
结构化伪代码:GrabCut 迭代分割
Algorithm GrabCut
Input: 彩色图像 Z, 初始掩码/矩形, 迭代次数 iterCount
Output: 前景掩码 α ∈ {0, 1}
// 初始化
if 使用矩形 then
矩形外 α ← BGD, 矩形内 α ← PR_FGD
else if 使用掩码 then
按掩码初始化 α
end
// 用已知前景/背景像素训练初始 GMM
θ<sub>FG</sub> ← InitializeGMM(Z, {n | α<sub>n</sub> = FGD})
θ<sub>BG</sub> ← InitializeGMM(Z, {n | α<sub>n</sub> = BGD})
for iter ← 1 to iterCount do
// Step 1: 分配高斯分量
for each n with α<sub>n</sub> ∈ {PR_FGD, PR_BGD} do
k<sub>n</sub> ← argmin<sub>k</sub> D(α<sub>n</sub>, k<sub>n</sub>, θ, z<sub>n</sub>)
// D = -log P + log π<sub>k</sub>
end
// Step 2: 更新 GMM 参数
θ<sub>FG</sub> ← LearnGMM(Z, {n | α<sub>n</sub> = FGD or (α<sub>n</sub> = PR_FGD and k<sub>n</sub> assigned)})
θ<sub>BG</sub> ← LearnGMM(Z, {n | α<sub>n</sub> = BGD or (α<sub>n</sub> = PR_BGD and k<sub>n</sub> assigned)})
// Step 3: 构建图并分割
建图 G = (V, E)
对每个像素 n:
添加 t-link 到源 S 和汇 T,权重由 -log P(z<sub>n</sub>|FG/BG) 决定
对每对邻域像素 (m,n):
添加 n-link,权重由平滑项 V 决定
α<sub>new</sub> ← MinCut(G) // 返回每个像素属于 S(前景) 或 T(背景)
// 收敛判定
if |α<sub>new</sub> ⊕ α| < ε then
break
end
α ← α<sub>new</sub>
end
return α
闭环总结:这一切在训练 / 实际使用中意味着什么?
好了,我们已经走完了从全局阈值到 GrabCut 迭代精修的完整分割旅程。 让我们把散落的珠子串起来:
-
全局阈值是“应急方案”,不是“通用方案”:THRESH_BINARY 在受控环境下(扫描文档、工业视觉)极快极稳,但一旦光照变化就崩溃。永远先检查直方图是不是双峰,再决定用不用手动阈值。
-
Otsu 是“免费午餐”,但只在特定餐厅供应:它在双峰直方图上表现完美,计算开销极小(O(256)),是自动化流程的首选。但遇到单峰、类别不平衡或光照不均时,它会自信地给出错误答案。学会识别 Otsu 的失效模式,比学会调用它更重要。
-
自适应阈值是 Otsu 的“局部补丁”:blockSize 决定了它跟踪光照变化的空间分辨率,C 决定了它对局部对比度的敏感度。高斯加权版本在边缘定位上明显优于均值版本,值得默认使用。
-
分水岭是“粘连物体”的克星,但标记质量决定生死:距离变换生成的前景标记 + 膨胀生成的背景标记,是标准流水线。H-minima 变换和区域合并是抑制过度分割的必备后处理。不要裸跑分水岭。
-
GrabCut 是“交互式分割”的工业标准:矩形初始化 → GMM 建模 → 图割优化 → 掩码精修,这个循环在 Photoshop 的魔棒工具、医学影像的 ROI 提取、电商的自动抠图中无处不在。它的收敛速度很快(通常 5~10 次迭代),因为 EM + Min-Cut 的组合具有指数级收敛特性。
延伸阅读:
- N. Otsu, “A Threshold Selection Method from Gray-Level Histograms,” IEEE TSMC, 1979.(Otsu 原始论文,类间方差最大化)
- F. Meyer and S. Beucher, “Morphological Segmentation,” Journal of Visual Communication and Image Representation, 1990.(分水岭算法原始定义)
- C. Rother, V. Kolmogorov, and A. Blake, “GrabCut: Interactive Foreground Extraction using Iterated Graph Cuts,” ACM TOG, 2004.(GrabCut 原始论文,SIGGRAPH)
- Y. Boykov and G. Funka-Lea, “Graph Cuts and Efficient N-D Image Segmentation,” IJCV, 2006.(图割在视觉中的全面综述)
- R. C. Gonzalez and R. E. Woods, “Digital Image Processing,” 4th Ed., Pearson, 2018.(阈值与分割章节,教材标准)
写在最后:分割是计算机视觉的“原罪”——没有完美的自动分割,只有对场景假设最匹配的分割。全局阈值假设光照均匀,Otsu 假设双峰直方图,自适应阈值假设局部平稳,分水岭假设梯度有意义,GrabCut 假设用户愿意画个框。理解这些假设的边界,你就能在面对任何图像时,选出那个“最不错误”的工具。我们下次见。
1218



被折叠的 条评论
为什么被折叠?



