halcon 语义分割网络选择 halcon分割图像

文章目录

• • • 7.1 阈值分割
    • 7.2 边缘检测
    • 7.3 区域分割
    • 7.4 Hough变换
    • 7.5 动态聚类分割
    • 7.6 分水岭算法

图像分割在科学研究和工程领域中都有着广泛的应用。在工业上， 应用于对产品质量的检测；在医学上，应用于计算机断层成像（CT）、X光透视、 细胞的检测等；另外，在交通、机器人视觉等各个领域都有着广泛的应用。

7.1 阈值分割

阈值分割是一种按图像像素灰度幅度进行分割的方法，它是把图像的灰度分成不同的等级，然后用设置灰度门限（阈值）的方法确定有意义的区域或要分割物体的边界。
一般来说，阔值分割可以分成以下三步：

1. 确定阔值；
2. 将阔值与像素灰度值进行比较；
3. 把像素分类。

7.1.1 实验法

实验法通过人眼的观察，对已知某些特征的图像试验不同的阁值，观察是否满足要求。 实验法的缺点是适用’范围窄，使用前必须事先知道图像的某些特征，如平均灰度等，而且分割后的图像质量的好坏受主观局限性的影响很大。

7.1. 2 根据直方图谷底确定阈值法

如果图像的前景物体内部和背景区域的灰度值分布都比较均匀，那么这个图像的灰度
直方图具有明显双峰，此时可以选择两峰之间的谷底对应的灰度值T作为阔值进行图像分
割。

7.1.3 迭代选择阈值法

7.1.4 最小均方误差法

7.1. 5 最大类间方差法

7.2 边缘检测

7.3 区域分割

7.4 Hough变换

7.5 动态聚类分割

7.6 分水岭算法