自用笔记

冈萨雷斯第四版

分割算法都基于图像灰度值的两个基本性质之一：不连续性和相似性

不连续性：根据灰度突变（如边缘）分割区域

相似性：根据一组预定义的准则分割区域。例阈值处理、区域生长、区域分离和聚合等

所谓图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域，并使这些特征在同一区域内呈现出相似性，而在不同区域间呈现出明显的差异性。

自动估计全局阈值：

解决方法：

正确分块：

 关键：连通性

首先在每个像素位置计算相同的属性集，然后在生长过程中使用这些属性集将像素分配给不同的区域。这些计算的结果显示了一簇值时，就将属性靠近这簇值的中心的像素为种子。

相似性准则的选取不仅取决于所考虑的问题，而且取决于可用图像数据的类型。

如果在区域生长过程中不考虑连通性，那么单独使用描述子会产生错误的结果。

区域生长的另一个问题是停止规则的制定。不再有像素满足加人某个区域的准则时，这个区域生长就应停止。

例子：

使用导数检测灰度局部突变

双边效应：二阶导数产生双边效应，对于一条一个像素宽度的细线纵向在图像中显示，对于这个细线求二阶导数，则细线部分细线左右部分的二阶导数异号，然后在图像中就显示为左右部分为两条细线，形成双线               一正一负？

 保持系数相加为0 

注意45°的方向 

图中：一阶导数可看出是粗边缘？二阶导数可看出是双线效应？

梯度向量与边缘方向垂直

梯度算子：

与Sobel 核相比，Prewitt 核实现起来更简单，但它们在计算上的差别并不大。Sobel核能够更好地抑制(平滑)噪声，因此用途更为广泛

原图，gx，gy,gx+gy 

先（平滑）去噪，再处理：

 p和s核应该看0的方向是啥就是啥吧应该

 计算过零点是Marr-Hildreth 边缘检测方法的关键特征

（考了好几年）