管锥篇
图像分割指的是将原图像按照灰度、纹理、颜⾊、形状等划分成不同的区域，因此，在同⼀个区域间，呈现出具备⼀些相同的特点，⽽在不同的区域间，分割出的各个图像会有⼀定的差别。 (1)基于阈值的分割⽅法
基于阈值的分割⽅法是按照原图像的灰度特征划分出⼀个或者⼏个灰度阈值，将原图像的每个像素的灰度值与灰度阈值进⾏⽐较，继⽽确定每个像素应该位于哪个区域。 ⽐如我们的研究对象是在⼀个较暗的背景下的⼀个亮图像，其中⽬标图像像素和背景像素组成了两种主导模式，我们可以选择⼀个灰度值阈值，使⽤这个灰度值阈值来分离这两个模式，如果像素的灰度值⼤于灰度值阈值的话，那么这个像素点就是图像点，反之如果像素点的灰度值⽐灰度值阈值⼩的话，那么这个像素点就是背景点。如果使⽤⼀个灰度值阈值就可以实现图像点与背景点的分离，这个过程称为全局阈值处理，如果灰度值阈值需要随着图像的不同部分⽽发⽣变化的话，这个过程称之为可变阈值处理。另外基于阈值的图像分割⽅法会受到图像噪声、图像反射是否均匀、光照是否均匀的影响。⽐如说如果图像的噪声很⼤，噪声⼤模式的宽度就会很⼤，⼤到⼀定程度的时候就会使这⼏个灰度值模式之间的界限不明显，继⽽⽆法分割。
(2)基于边缘的图像分割
现代主义音乐边缘是指⼀个区域的结束与另⼀个区域的开始，也就是说图像边缘代表的是两个不同的区域边界线上的⼀些像素的集合，它⼀般代表着图像的灰度、纹路、颜⾊发⽣了⼀些突变，是图像局部特征不连续的体现。基于边缘的图像分割⽅法⼀般是基于图像灰度值检测的分割⽅法，即图像边缘是图像灰度值发⽣突变的⼀个转折，图像边缘有两个要素：幅度与⽅向。沿着边缘的⽅向，灰度值的变化⽐较⼩，垂直于边缘的⽅向，灰度值的变化⽐较⼤。因此我们可以对像素的灰度值进⾏求导来判断图像的边缘。
(3)基于区域的分割⽅法
匀速直线运动基于区域的分割⽅法主要有区域⽣长、区域分离聚合、分⽔岭法等。大胆人本艺术
区域⽣长指的是根据同⼀区域内像素具有⼀些相似的性质 (灰度值、纹路、颜⾊) 来聚集像素点的⼀种⽅法。我们可以从⼀个像素或者是⼀块很⼩的区域开始，将周围具有相同性质的像素或者区域划⼊到⽬前的区域当中，直到没有其他的像素或者是区域能够划⼊到当前区域为⽌，以此来实现区域不断增长的过程。
区域分离与聚合将图像看成是⼀组不相交的区域。分割指的是将图像进⾏越来越细的划分，直到最后被划分出来的区域满⾜同⼀性质。也就是说对于不满⾜同⼀性质的某个图像区域来说，我们将它划分为四个⼦象限区域，如果⼦象限区域还不满⾜同⼀性质的话，我们继续进⾏划分，直到所有的区域都
满⾜同⼀性质。那么此时肯定具有满⾜同⼀个性质的邻接区域，我们使⽤图像聚合就可以充分的弥补这⼀个缺点。对于满⾜同⼀性质的邻接区域来说，我们聚合这些区域，直到不含有具有同⼀性质的邻接区域为⽌。
读反对本本主义有感
分⽔岭法是将图像看为⼀个⼭⾕地形图，图像中每⼀个像素的灰度值代表着地形的⾼度。如果把⽔滴放在任意的某点，⽔滴必然会流⼊的那个极⼩值点称之为汇⽔盆地或者为分⽔岭，⽔可以等概率的流向的多个汇⽔盆地的点构成的那条线也叫做分界线或者分⽔线。分⽔岭法的实现过程与洪⽔淹没地形的过程极其类似，我们假设在汇⽔盆地处钻了⼀个洞，让⽔从洞中以均匀的速度上升。⽔会先没过汇⽔盆地，然后随着⽔位的不断上升，⽔会逐渐没过⼭⾕。当⽔位上升到⼀定的程度时，⽔会发⽣溢出的现象，我们此时建造堤坝来防⽌⽔的溢出，⼀直重复这个过程直到⽔没过⼭⾕中的所有点，这时所建造的全部的堤坝就可以看成各个汇⽔盆地的分界线。堤坝就对应于分⽔线，这些分⽔线也就是我们所希望得到的不同区域之间的分界线。
(4)基于图论的图像分割魔法米路米路
图是由⼀定的顶点以及连接这些顶点的边组成，假如图G有顶点集V和边集E组成，则图有下列表⽰：
G=(V,E)
如果图中的边是没有⽅向的，那么就叫做这个图为⽆向图，反之，为有向图。也就是说对于⽆向图来说，若(Vi,Vj)属于图G，则必有(Vj,Vi)属于图G。有向图则不然。如果图中的边是有⼀定权值的话，那个这个图就被称为带权图。
基于图论的分割⽅法就是把要进⾏分割的图像看成是⼀个带权⽆向图。原图像中的各像素点就是带权⽆向图中的结点。边是在各结点之间形成的。边的权值W(i,j)可以反正出顶点i与顶点j之间的相似程度，其可以由空间关系(如顶点i到顶点j的距离)与灰度测试(如纹理、颜⾊、灰度值)形成。我们可以将原带权⽆向图按照每各个像素之间的相似程度切割成若⼲个⼦集区域。每个⼦集区域内的像素相似度⽐较⾼，不同的⼦集区域的像素相似性较低。切割的过程实际上就是去除相似度低的结点之间的边。
