乖兔子的专栏

本科的时候，马马虎虎学过一些图像处理的基本知识，很基本的那种。做本科毕业设计好死不死的选了图像特征相关的方面，在VC下实现对图像像素级的处理，由于导师比较严格，实验和写论文的阶段是相当的痛苦加纠结，直接造成了现在看到图像就莫名其妙产生恐惧的心理。     没想到，唉，真的是没想到，实验室接到了图像的活儿，所有人全转到这个活上，悲剧了……不光平时工作要研究图像，毕业论文又是图像，而且还要有两篇图像

为什么要进行图像分割？因为现在基于区域的图像处理比较多，那么如何划分区域呢，就是图像分割解决的问题，怎样把图像的前景和背景、相同特征的区域分割出来。     ① 基于阈值的图像分割。     阈值的设定是很重要的，直接影响着分割的效果。通常，阈值有上下文相关和上下文无关之分，也可以分为全局与之和局部阈值两种。目前主要的阈值法有：P-分位数，最频值法，Otsu方法，最小误差方法。（详情我木有研究

边缘检测最关键的为题是如何找到边缘精确度和抗噪性之间的平衡点。传统的方法通常采用一些算子，例如Roberts、Sobel等，在此基础上更优化的方法是局部最大值和LOG算法，利用二阶求到我，但是这种方法抗噪性比较差，目前较好的算法是Canny，先用平滑滤波减少噪声。另外还有小波与分形、数学形态、模糊学、模式识别等方法、     通常在边缘检测之前要先进行边缘增强（3中方法Local、Regiona