第3章 传统方法先跑通
第 3 章 · 传统方法先跑通
章节摘要：深度学习不是分割的第一站。阈值、区域生长、分水岭、边缘连接、K-Means 能在几分钟内给出基线掩码，用来检验「这张图的目标到底能不能切开」。切不开，先回去改光照、染色或标注，而不是加网络层。本章每节都给出能跑的最小实验，把传统方法当脚手架，不是当考古。
你能学到什么
阅读完本章，你应当能够：
- 对灰度直方图判断该用固定阈值、Otsu 还是自适应阈值，并解释双峰假设何时失效
- 选种子做区域生长，或用距离变换加分水岭切开粘连目标
- 跑通 Canny 四步，并理解活动轮廓为何需要好的初始位置
- 把像素当成特征点做 K-Means 或 Mean Shift，知道簇数和带宽怎么影响碎块
- 把传统方法的输出当成弱标签或后处理，而不是和深度模型对立
核心概念速览
金句：传统方法是便宜的探针。探针说这图切不动，换骨干也救不了。
子章节导航
3.1 阈值分割三板斧
全局阈值、自适应阈值、Otsu 最大类间方差。原文示例里固定阈值 127、自适应窗口 11 与常数 2、Otsu 自动选 T，本节把它们接到你的数据上，并讲清失败模式。
3.2 区域生长与分水岭
从种子向外吞相似像素，或把灰度当成地形让水往低处流。粘连细胞、粘连零件优先走这条。
3.3 边缘检测与活动轮廓
Sobel 给梯度，Canny 给细边缘，Snake 把轮廓往能量低处收。边缘不闭合时不要急着训练，先看能不能连成圈。
3.4 聚类分割动手
K-Means 把像素颜色聚成 K 类，Mean Shift 按密度爬峰。适合遥感地物、皮肤区域这类「颜色成团」的问题。
子章节之间的逻辑关系
阈值最快，区域方法处理连通与粘连，边缘给形状，聚类给无监督初值。四条路可以串：Otsu 出粗掩码，形态学修，分水岭切粘连。
3.1 阈值 ──► 3.2 区域/分水岭 ──► 得到封闭区域 ▲ 3.3 边缘轮廓 ──┘ 3.4 聚类提供颜色团
本章怎么练
四节都要在同一批试标图上留下数字：Otsu 的 T、自适应窗口、分水岭切开的实例数、Canny 膨胀填充后的 Dice、K-Means 映射语义后的 mIoU。没有数字的「看起来还行」不能当基线。深度模型必须显式打败这些数字，才算第 5 章有贡献。
练习顺序建议：先直方图，再阈值，粘连再分水岭，边缘只当辅助，聚类用来看颜色团。不要四套方法各跑一遍却不对比。工位若背景均匀、目标对比强，本章就可能是产线方案，第 5 章可以不启。
| 探针 | 你应记下的数 | 失败后去哪 |
|---|---|---|
| 阈值 | T 或窗口、基线 Dice | 换颜色轴或改光源 |
| 分水岭 | 切开实例数 vs 真值 | 调距离峰比例 |
| Canny | 封闭后重叠 | 缺口太多则放弃纯边缘 |
| 聚类 | 映射后 mIoU | 簇号勿直接当类 |
⚠️ 把 Canny 细线直接当掩码交卷，面积类指标会冤枉算法。
💡 探针说切不动，加层数通常也切不动，先改成像。
把四条探针当成同一张体检表的四列，而不是四门选修课。同一批试标图，同一套形态学核，数字并排。深度模型的任何一次宣称提升，必须指出打败的是哪一列。工位若第一列已经达到合同，停止加模型是专业，不是保守。传统方法的参数（T、窗口、K、带宽、距离峰比例）全部进契约文件，和深度学习的学习率享受同等待遇。
体检表四列数字进实验日志首页。首页没有这四列，第 5 章的曲线没有参照物。参数与核进契约，换人也能复现那次「还不错」。若第一列已达合同，把「不上深度」写成决策，避免组织惯性继续堆结构。
体检表首页打印贴在工位。换班同事应能指出今天用的是哪一行参数。行被改动必须换行号，不得原地覆盖，否则深度实验引用的基线会漂。若合同已被第一列满足，把不上深度的决策写进纪要并签名，这是专业交付不是偷懒。
行号被引用后锁定只读。要改参数就开新行。工位贴的纸与仓库表格每周对一次，对不上以仓库为准并换纸。合同已满足时纪要签名存档，训练队列不再接受「再试一个分割网」的任务除非合同变更。
前置知识与后续延伸
- 前置：第 2 章的灰度图、滤波、形态学；没有这些，阈值会把噪声当成目标。直方图不会看，先回去打印 unique 和像素分布。
- 后续：第 4 章用传统掩码当监督或当课程学习的起点；第 6 章推理后处理会再次用到开闭运算和分水岭。把本章配置（T、核、K）写进同一份契约文件。
- 时间：一个周末足够打出四条基线。若数据还在改规范，先别把分水岭参数当最终产品。纸表与仓库每周核对一次。
传统方法写进教程，不是为了怀旧。产线上仍有大量「背景均匀、目标对比强」的工位，一张阈值加闭运算就比小样本深度学习稳。即便你最终上 U-Net，也建议把本章的基线 IoU 记在实验日志第一行，后面所有改进都跟它比。