共计 615 个字符，预计需要花费 2 分钟才能阅读完成。
均值偏移滤波
均值偏移滤波 (Mean Shift Filtering)，有时也称为均值偏移聚类(Mean Shift Clustering)，是计算机视觉和图像处理中罕用的一种 数据聚类算法。
对于图像的每个像素 (具备物理空间地位信息和色彩信息)，计算一组相邻像素(在定义的空间半径和色彩间隔内) 的均值。物理空间上 2 个坐标—x、y，加上色调空间上 3 个坐标—R、G、B(或任何 3 维色彩空间)，形成一个 5 维的空间球体。对于这组相邻像素，将计算新的空间中心点 (空间平均值) 和新的色彩平均值。这些计算出的平均值将用作下一次迭代的新中心点。所形容的过程将反复进行，直到空间和色彩 (或灰度) 平均值进行变动为止。在迭代完结时，最终的均匀色彩将调配给该迭代的开始地位。
以下动画解释均值偏移的步骤，这里以 2 维的圆代表 5 维的空间球体。
参考自：https://waltpeter.github.io/o…
大津二值化法
大津二值化法 (Otsu’s method)，是大津展之(Nobuyuki Otsu) 提出的全局最优阈值解决算法，将一个灰度图像进化为二值图像。应用聚类思维，将图像分为“前景”和“背景”两类，并使得两类的类内方差最小，即类间方差最大。
$$
\sigma^2_w(t)=\omega_0(t)\sigma^2_0(t)+\omega_1(t)\sigma^2_1(t)
$$
$x=1$$
参考自：https://www.cnblogs.com/zdfff…