关于图像识别:计算机视觉相关知识点整理

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...