图像分割是指将图像分成若干互不重叠的子区域，使得同一个子区域内的特征具有一定相似性，不同子区域的特征呈现较为明显的差异。 常用方法 1.基于阈值的分割方法 2.基于边缘检测的分割方法 3.基于区域的分割方法 4.基于深度学习的分割方法
1.基于阈值的分割方法 基本思想：首先，确定一个合适的阈值T（阈值选定的好坏是此方法成败的关键）；其次，将大于等于阈值的像素作为物体或背景，生成一个二值图像。 （基于图的灰度直方图） 2.基于边缘检测的分割方法 基本思想：计算局部微分算子
一阶导数：用梯度算子来计算 用途：用于检测图像中边的存在 二阶导数：通过拉普拉斯算子来计算 用途： 1）二阶导数的符号，用于确定边上的像素是在亮的一边，还是暗的一边。 2）二阶导数的零交叉点用于确定边缘的中心。 3、区域生长 算法实现： 1）根据图像的不同应用选择一个或一组种子，它或者是最亮或者是最暗，或者是位于点簇中间的点。 2）选择一个条件 3）从该种子开始往外扩张，首先把种子像素加入结果集合，然后不断将与集合中各像素连通，且满足条件的像素加入集合。 4）上一过程进行到不再有满足条件的新节点加入集合为止。
3.1 、区域分裂与聚合 算法实现： 1）对图像中灰度级不同的区域，均分成四个子区域 2）如果相邻的子区域所有像素的灰度级相同，则将其合并 3）反复进行上两步操作，直至不再有新的分裂与合并为止
图像分割的目的 普通分割 将不同分属不同物体的像素区域分开。 如前景与后景分割开，狗的区域与猫的区域与背景分割开。 语义分割 在普通分割的基础上，分类出每一块区域的语义（即这块区域是什么物体）。 如把画面中的所有物体都指出它们各自的类别。 实例分割 在语义分割的基础上，给每个物体编号。 如这个是该画面中的狗A，那个是画面中的狗B。
</div><div><div></div></div> <link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-e0530931f4.css" rel="stylesheet"> </div>