微信公衆號：小白算法
關注可瞭解更多算法，並能領取免費資料。問題或建議，請公衆號留言;
文末有資料領取
上一期算法回顧--貪婪法：https://mp.weixin.qq.com/s/978Tdplj3IaSG2dc-5F-aw
目錄
引言：
圖像是人們認知世界的主要來源。在日常生活中，針對一幅圖像，因爲工作研究的需要，人們可能是只對其中的一部分感興趣，這就需要進行相關處理，使得目標圖像被分割出來，用到的技術既是圖像分割技術。
所謂的圖像分割，就是將圖像裏面相異的部分之間進行區分，同時，相互之間不能存在交集，而且，每一個區域都需要滿足特定區域的一致性。簡言之，就是將一幅圖像分割爲不同區域，在某一個區域，在一定準則情況下，認爲是相同性質；若是不同區域，則具有明顯的特徵差別，只有這樣纔可以將圖像劃分爲很多個有意義的區域。其實質上，是一個按照像素屬性（灰度，紋理，顏色）等聚類的過程。
圖 ：圖像分割在圖像工程中的位置
圖像分割的目的：不但要把一張圖像分解成爲具有特色的部分，並且要提取需要分割的目標對象區域，也就是要全部提取那些人們需要的目標區域。這些區域的特徵可以是圖像的原始特徵，比如圖像佔有區的像素的灰度值，也可以是圖像物體輪廓的紋理特徵，亦或是曲線等，還可以是空間的頻譜或是直方圖的特徵等。
令R表示一幅圖像佔據的整個空間區域，我們可以按某一種規則將圖像分割看作是將R分爲n個子區域，分別爲R1,R2,…Rn的過程，且滿足：
1 在一幅圖像的分割結果中，所有的子區域Ri(i=1,2,3….n)的像素的並集爲該幅圖像的像素；
2 在分割結果中，所有的子區域Ri(i=1,2,3….n)，任意兩兩之間不能有相互重疊的部分；
3 在分割結果中，同一個區域裏面的像素都有着共同點；
4 在分割結果中，子區域不同，則特徵是有差異的；
5 在分割結果中，相同的子區域裏，像素之間是相互連通的。
圖像分割方法
圖像分割方法根據分割原則的不同，整體上可以分爲：
基於閾值的分割方法
基於邊緣的分割方法
基於數學形態學的分割方法
基於聚類分析的圖像分割方法
1.基於閾值的分割方法
閾值分割方法是一種常見的區域並行技術，就是用一個或幾個閾值，將圖像的灰度直方圖分成兩個或多個類別，從而達到分割的目的，認爲圖像中灰度值在同一類中的像素屬於同一物體。
技術關鍵點和難點：如何取得一個合適的閾值。
優點：直接利用圖像的灰度特徵，因此計算方便簡明，運算效率較高、速度快。
缺點：實際應用中，閾值設定易受噪聲和光亮度影響。
代表的分割方法有：
1 全局閾值（固定閾值） ：取gmin和gmax的中間區域像素，僅在物體的灰度值和背景的灰度值不變時效果很好。
2 OTSU的最佳全局閾值（大津法）
3 自適應閾值法 ：基於圖像的灰度直方圖，在每幅圖像的直方圖都存在兩個峯（最大值），灰度值小一些的峯對應着背景，灰度值答些的峯對應着目標，一個好的閾值應該對應着直方圖的兩個峯之間的最小值。
4 動態閾值分割法：設計平滑濾波器，能被用來將圖像與圖像的局部背景進行對比，可用於檢測物體上的缺陷
特點：全局閾值對於灰度相差很大的不同目標和背景能進行有效的分割。當圖像的灰度差異不明顯或不同目標的灰度值範圍有重疊時，應採用局部閾值或動態閾值分割法。另一方面，這種方法只考慮像素本身的灰度值，一般不考慮空間特徵，因而對噪聲很敏感。在實際應用中，閾值法通常與其他方法結合使用。
2.基於邊緣的分割方法
基於邊緣檢測的分割方法試圖通過檢測包含不同區域的邊緣來解決分割問題，是最常用的方法之一。通常不同的區域之間的邊緣上像素灰度值的變化往往比較劇烈，這是邊緣檢測得以實現的主要假設之一。首先圖像中的邊緣點被檢測出來，接着依據一定的方法將邊緣連接成輪廓，例如先邊緣檢測，後Hough變換檢測直線，圓，橢圓等(有時候就添加上形態學的處理，例如開閉等運算)。
難點：在於邊緣檢測時抗噪性和檢測精度之間的矛盾。若提高檢測精度，則噪聲產生的僞邊緣會導致不合理的輪廓；若提高抗噪性，則會產生輪廓漏檢和位置偏差。爲此，人們提出各種多尺度邊緣檢測方法，根據實際問題設計多尺度邊緣信息的結合方案，以較好的兼顧抗噪性和檢測精度。
代表的邊緣檢測方法有：
一階微分算法：Sobel算子，Robert算子；
二階微分算法：拉普拉斯算子；
模板操作：Prewit算子。
基於邊緣的分割方法有：
1 邊緣圖像的閾值化
2 霍夫變換法
3.基於數學形態學的分割方法
數學形態學是一種非線性濾波方法，可以用於抑制噪聲、特性提取、邊緣檢測、圖像分割等圖像處理問題。它的基本思想是利用一個稱爲結構元素的探針來收集圖像的信息，當探針在圖像中不斷的移動時，不僅可根據圖像各個部分間的相互關係來了解圖像的結構特徵，而且利用數學形態學基本運算還可以構造出許多非常有效的圖像處理與分析方法。
數學形態學的特點：是能將複雜的形狀進行分解，並將有意義的形狀分量從無用的信息中提取出來。
作用：連接鄰近物體和平滑邊界的作用。
基本的形態運算：是腐蝕與膨脹，開運算（先腐蝕，後膨脹）和閉運算（先膨脹，後腐蝕）。
數學形態學應用於圖像分割的優點：具有定位效果好、分割精度高、抗噪聲性能好。
缺點：由於在圖像處理的前期工作中，採用數學形態學的開(閉)運算，進行圖像處理後，依然存在大量與目標不符的短線和孤立點；由於預處理工作的不徹底，還需要進行一系列的基於點的開(閉)運算，因此運算速度明顯下降。
4.基於聚類分析的圖像分割方法
特徵空間聚類法進行圖像分割是將圖像空間中的像素用對應的特徵空間點表示，根據它們在特徵空間的聚集對特徵空間進行分割，然後將它們映射回原圖像空間，得到分割結果。
方法：
K均值
模糊C均值聚類(FCM)算法
聚類方法應注意幾個問題：
(1) 聚類的類數如何確定;
(2) 怎樣確定聚類的有效性準則;
(3) 聚類中心的位置和特性事先不清楚時，如何設置初始值;
(4) 運算的開銷。
小白帶你刷面試的內容理解到了嗎？該系列持續更新中，想get更多有趣的算法知識，或者提出寶貴意見，請關注微信公衆號“小白算法”並聯系我們，謝謝！！！
