1 图像分割
定义
图像分割是指将图像分成若干具有相似性质的区域的过程，主要有基于阈值、基于区域、基于边缘、基
于聚类、基于图论和基于深度学习的图像分割方法等。
分类
语义分割和实例分割。
分割原则
使划分后的子图在内部保持相似度最大，而子图之间的相似度保持最小
2 固定阈值图像分割
基本思想：
假设图像中有明显的目标和背景，则其灰度直方图呈双峰分布，当灰度级直方图具有双峰特性时，选取两峰之间的谷对应的灰度级作为阈值。
函数：cv2.threshold(src, thresh, maxval, type)
参数说明：
参数1：原图像
参数2：对像素值进行分类的阈值
参数3：当像素值高于(小于)阈值时，应该被赋予的新的像素值，
参数4：第四个参数是阈值方法。
返回值：函数有两个返回值，一个为retVal(阈值大小),一个阈值化处理之后的图像。
3 自动阈值图像分割
3.1 自适应阈值法
自适应阈值会每次取图片的一小部分计算阈值，这样图片不同区域的阈值就不尽相同，适用于明暗分布不均的图片。
函数：cv2.adaptiveThreshold()
•参数说明：
参数1：要处理的原图
参数2：最大阈值，一般为255
参数3：小区域阈值的计算方式
ADAPTIVE_THRESH_MEAN_C：小区域内取均值
ADAPTIVE_THRESH_GAUSSIAN_C：小区域内加权求和，权重是个高斯核
参数4：阈值方式（跟前面讲的那5种相同）
参数5：小区域的面积，如11就是11*11的小块
参数6：最终阈值等于小区域计算出的阈值再减去此值
3.2 迭代法阈值分割
步骤：
1．求出图象的最大灰度值和最小灰度值，分别记为ZMAX和ZMIN，令初始阈值T0=(ZMAX+ZMIN)/2；
2．根据阈值TK将图象分割为前景和背景，分别求出两者的平均灰度值ZO和ZB ；
3．求出新阈值TK+1=(ZO+ZB)/2；
4．若TK==TK+1，则所得即为阈值；否则转2，迭代计算；
5 ．使用计算后的阈值进行固定阈值分割。
3.2 Ostu大津法
最大类间方差法，1979年日本学者大津提出，是一种基于全局阈值的自适应方法。
灰度特性：图像分为前景和背景。当取最佳阈值时，两部分之间的差别应该是最大的，衡量差别的标准为最大类间方差。
直方图有两个峰值的图像，大津法求得的Ｔ近似等于两个峰值之间的低谷。
证明：
符号说明：
T：图像I(x,y)前景和背景的分割阈值；
ω1：属于前景的像素点数占整幅图像的比例记,其平均灰度μ1;
ω2：背景像素点数占整幅图像的比例为,其平均灰度为μ2；
μ：图像的总平均灰度；
g：类间方差;
N1：设图像的大小为M×N,图像中像素的灰度值小于阈值T的像素个数；
N2：像素灰度大于阈值T的像素个数。
