图像分割
边缘检测
1.简单边缘检测算子（有方向）：梯度算子（差分代替微分）
罗伯特梯度：对角方向相邻像素的灰度差值
sobel梯度：先加权平均再微分
2.拉普拉斯算子（旋转不变，是标量）：
marr边缘检测
梯度与拉普拉斯算子随噪声敏感。
可以：先做平滑
或者先线性拟合
哈弗变换
将原有平面的曲线/形状变为空间中的点。
本质：已知曲线方程，在参数空间累加寻找最大值点。在最大值点处读出对应参数。
确定参数-代入-累加-求极值
参数个数由待检测轮廓方程决定。
图像阈值分割
量化为二值图像
1.双峰阈值分割：谷底为界
2.最佳阈值分割：类似于有信噪比情况下的通信系统抽样最佳判决门限
3.类间方差阈值分割：类间方差最大，类内方差最小。
4.灰度熵阈值分割：使两部分（目标区域与背景区域）的熵（信息量之和最大）
二维最大熵阈值分割（略）
区域增长法
分开-合并法
四叉树的概念：
形态学-腐蚀与膨胀
利用其抽取区域形态特征。
常用运算：并交补减等
膨胀：
腐蚀：
本质：选定中心点与原图形比较
应用：形态学滤波，腐蚀突出细节，膨胀减少细节
边界提取：A-(A被B腐蚀后的图形）
开闭运算
开运算：先腐蚀后膨胀。断开细缝
闭运算：先膨胀后腐蚀。填补狭缝
形态学用于灰度：对灰度直方图进行操作
灰度开/闭：消除亮细节/暗细节
同样可以检测边缘
图像的描述
1.拓扑特性：邻接与联通。（四邻接、八邻接）。背景与孔、包围与边界、
2.几何特性：面积、周长、位置、方向（最小惯量轴的方向）。距离（欧氏距离、四（八）邻距离）
3.欧拉数：连通分量的个数-孔的个数
4.矩不变量：图像线性变换时具有不变性。
5.中轴
6.边界描述：链码。
7.纹理描述（不介绍）
图像识别
这部分不做介绍。
统计模式识别：
1.线性决策函数（根据代入决策函数后的值的大小、正负判决）
2.距离函数模式分类。
多采用集群分析。（无监督分类）划分原则：相似性
3.似然函数模式：一贝叶斯定理为基础
两个条件：先验概率已知、监督分类，样本已知
最大似然判决（最小错误率）：后验概率最大原则（已知A，求A|Bi最大时的Bi）
基于最小风险的bayes：给与权重
粘贴了部分PPT。
许愿海康威视实习过。去成都看妹子。