5、计算机视觉与物联网入门

计算机视觉与物联网入门

计算机视觉中的图像分割方法

图像分割是计算机视觉中分析图像或场景隐藏信息的基础步骤，受图像相似性、连续性等多种因素影响。以下介绍几种基于相似性的图像分割方法：
1. 阈值分割 ：这是一种简单的分割技术。选择一个阈值，将像素值大于阈值的像素归为一个区域，小于阈值的像素归为另一个区域。
2. 区域生长 ：该方法根据预定义的相似性准则对像素进行分组，将图像分割成不同区域。除了相似性准则，还会考虑像素间的邻接空间关系。从一个随机像素开始，若邻域像素在强度、颜色等属性上满足相似性准则，则将其添加到生长区域中。相似性准则包括：
- 候选像素与邻域像素的强度值差异应在指定范围内。
- 候选像素与生长区域的当前平均强度值差异应在特定范围内。
3. 区域分裂与合并 ：通过分裂和合并操作对图像进行分割。将图像迭代分割成具有相似特征的区域称为分裂，合并相邻的相似区域称为合并。

基于聚类的分割 - K 均值聚类

K 均值聚类算法用于从图像背景中分割出感兴趣的区域。该算法基于质心工作，将数据划分为 K 个不同的聚类。算法步骤如下：
|步骤|操作|
| ---- | ---- |
|步骤 1|确定聚类的数量 K|
|步骤 2|随机选择 K 个质心点|
|步骤 3|将每个点分配到最近的质心，形成 K 个聚类|
|步骤 4|计算每个聚类的新质心并放置|
|步骤 5|若有数据点，将其分配到最近的新计算质心|

需要注意的是，K 值不能从数