计算机视觉:传统图像处理方法

1、图像分割

经典的数字图像分割算法一般是基于灰度值的两个基本特征之一：不连续性和相似性。

（1）基于阈值：

基于图像的灰度特征来计算一个或多个灰度阈值，并将图像中每个像素的灰度值与阈值相比较，最后将像素根据比较结果分到合适的类别中。
算法的关键：确定阈值。

（2）基于边缘：

所谓边缘是指图片中两个不同区域的边界线上连续的像素点的集合，是图像局部特征不连续性的反映，体现了灰度、颜色、纹理等图像特性突变。
先确定图像中的边缘像素，把这些像素连接在一起就构成了所需的区域边界。

（3）基于区域

将图像按照相似性分成不同的区域，主要包括种子区域生成法，区域分裂合并法和分水岭算法等。
区域生长法：
根据一种事先定义的准则将像素或者子区域聚合成更大区域的过程 ，并且要充分保证分割后的区域满足以下条件：内部连通、互斥，且各子集的并集能够构成全集。
区域生长的条件实际上就是根据像素灰度间的连续性而定义的一些相似性准则，而区域生长停止的条件是一个终止规则。
当待加入像素点的灰度值和已经分隔好的区域所有像素点的平均灰度值的差的绝对值不大于最大像素灰度值距离时，该像素点加入到已经分割到的区域。相反，该区域生长算法停止。
分水岭算法：
一种图像区域分割算