px90
在⼈⼯智能学习的过程中，看到了关于机器视觉的相关资料，知乎⾥⼈⼯智能学习专栏中有同学详细介绍了机器视觉的历史、原理、处理过程、应⽤。图像的处理吸引到了我，我进⼀步去了解了图像，发现图像在⼈⼯智能领域有许多的⽤处，漫画素描⽣成准确的艺术阴影、图像识别、医学影像分析等，在众多领域的应⽤中，或多或少运⽤到了分割的技术。在猫狗识别的项⽬中，分割确定对象之后才能分类整合，可见图像分割的重要之处。
⼀、图像分割的概念
图像分割是图像分析的第⼀步，是计算机视觉的基础，是图像理解的重要组成部分，也会图像处理中的困难之⼀。什么是图像分割，顾名思义就是将图像⼀个个分割成具有特定性质的区域的过程称为图像分割。更完整的定义是指根据灰度、彩⾊、空间纹理、⼏何形状等特征把图像划分为若⼲个互不相交的区域，是的这些特征在同⼀区域内表现出⼀致性或相似性，⽽在不同区域内表现出明显的不同，简⾔之就是在⼀幅图像中把⽬标从背景中分离出来对于灰度图像来说，区域内部的像素⼀般具有灰度相似性，⽽在区域的边界上⼀般具有灰度不连续性。
、传统图像分割
⼆、传统图像分割
阈值分割法基本原理是通过设定不容的特征阈值，把图像像素点分为不同灰度级的⽬标区域和背景区域的若⼲类。阈值分割法可分单阈值分割法和多阈值分割法。阈值分割法实际上就是输⼊图像f到输出图像g的如下变：
表达式中T为阈值，对于⽬标物体的图像元素g（i，j）=1，对于背景的图像元素g（i，j）=0.阈值分割
法的关键是确定阈值，确定阈值后与像素点的灰度值进⾏⽐较对图像进⾏分割
边缘检测法即检测灰度级或者结构具有突变的地⽅，表明⼀个区域的终结，也是另⼀个区域开始的地⽅。检测的⽅法⼀般是⽤⼀阶导数的最⼤值或⼆阶导数的过零点信息来提供判断边缘的依据。
边缘检测的技术通常可以按照处理的技术分为串⾏边缘检测和并⾏边缘检测。串⾏边缘检测是想要确定当前像素点是否属于检测边缘上的⼀点，取决于之前先前像素的验证结果。并⾏边缘检测，是⼀个像素点是否属于检测边缘上的⼀点取决于当前正在检测的像素点以及与该像素点的⼀些相邻像素点。
3、区域分割法
婆梅氏比重计广告的种类区域分割法分为区域⽣长法和区域分裂⽣长法。两者的区别是⼀个是从单个像素出发逐渐形成所需分割的区域；另⼀种是从整体出发逐渐分割成所需的分割区域。党内法规清理的处理方式包括
区域⽣长法：选定图像中要分割的⽬标物体内的⼀⼩块区域，再在此区域内的基础上不断将周围的像素以⼀定的规则加⼊达到所以该物体所有像素构成的区域⽬标。区域分裂⽣长法则是区域⽣长法的逆过程，先将图像分割成许多⼀致性较强的区域，在按照⼀定的规则将⼩区域融合成⼤区域，达到分割的⽬的镁合金熔炉
四叉树分割后的图像
杭州空气质量指数
脑部图像和区域⽣长法分割的结果
4、直⽅图法
直⽅图法只需要通过⼀个像素，直⽅图是从图像中的像素的计算，并在直⽅图的波峰和波⾕是⽤于定位图像中的簇。颜⾊和强度可以作为衡量
