问：image segmentation摘要翻译=.=
- 答：颜色的目标图像分割是仍然把图像分成均匀的地区。目标提取、目标识别的统整与分裂是典型的应用程序,使用压缩分割为低层仍然图像处理。摘要提出了一种新的方法,色彩分割。该算法把图像分成均匀的地区被当地阈值。他们的数量自适应阈值,导出了一个自动过程,是考虑到当地的信息。首先,分水岭算法的应用。其结果是作为一个初始化的下一步,是融合过程中迭代。在迭代过程中,区域合并和当地的阈值。一个接一个的阈值确定不同时期的历史过程。每个阈值进行局部信息和其周围地区。任何统计信息输入图像是无法得到。该算法是可靠的,具有较强的鲁棒性,发现不同类型的图像。
图像分割的图像重叠区域的划分成…一个地区被定义为一种一元化的连接与尊重,选定一个像素财产有几种方法可以确定的一个区域,是基于一种特定的目标分割过程例如,它可以用色,灰色层次,纹理、运动、深度的层次,等之间的重叠
地区是不被允许的,因此,每个像素只属于一个地区两个相邻区域应该融合的新组合区是均匀的. 因此,每一个地区预计在尽可能大在它的某些特性然后,总数量的地区就减少了。
问：图像分割最好方法
- 答：1.基于阈值的分割方法
阈值法的基本思想是基于图像的灰度特征来计算一个或多个灰度阈值，并将图像中每个像素的灰度值与阈值作比较，最后将像素根据比较结果分到合适的类别中。因此，该方法最为关键的一步就是按照某个准则函数来求解最佳灰度阈值。
阈值法特别适用于目标和背景占据不同灰度级范围的图。图像若只有目标和背景两大类，那么只需要选取一个阈值进行分割，此方法成为单阈值分割；但是如果图像中有多个目标需要提取，单一阈值的分割就会出现作物，在这种情况下就需要选取多个阈值将每个目标分隔开，这种分割方法相应的成为多阈值分割。
2.基于区域的图像分割方法
基于区域的分割方法是以直接寻找区域为基础的分割技术，基于区域提取方法有两种基本形式：一种是区域生长，从单个像素出发，逐步合并以形成所需要的分割区域；另一种是从全局出发，逐步切割至所需的分割区域。
分水岭算法
分水岭算法是一个非常好理解的算法，它根据分水岭的构成来考虑图像的分割，现实中我们可以想象成有山和湖的景象，那么一定是水绕山山围水的景象。
分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。
问：图像分割的介绍
- 答：图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。1998年以来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。图像分割后提取出的目标可以用于图像语义识别，图像搜索等等领域。
