opencv9-形态学与分割

为了简单起见，通过定义形态学作为形状和边界界定，图像分割的目标是定义具有内部相似性的区域，例如纹理或统计相似性。

形态学用于识别多边形形状的区域特征，区域特征可以用形状度量进行描述。根据每个区域的策略或处理目标不同，图像被分割成多个区域，以便可以独立处理和分析。

方法

说明

形态学分割：

分割区域由阈值化和形态学算子来确定

基于纹理的分割：

采用区域纹理将相似的纹理分成连接的区域

基于变换的分割：

利用基空间特征来分割图像

边界分割：

单独利用梯度或边缘来定义区域边界，在有些情况下需要将区域的边缘连接起来以形成边界

颜色分割：

使用颜色信息来定义区域

超像素分割：

通过核和距离变换将像素分组，然后将它们的像素值修改为一个共同的值

灰度级/亮度分割：

使用灰度阈值或带（band）来确定分割区域

深度分割：

根据深度图和观察者距离将图像分割成前景、背景或其他场景间特征的等级

先画条分界线之后再慢慢补充-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------