第4章 · 图像分割

第 4 章 · 图像分割

章节摘要：分割把像素分成有意义区域。本章动手全局/ Otsu / 自适应阈值、Sobel/Canny 边缘、区域生长——SOURCE 第 4 章分割技术。

先说结论

1. Otsu 自动阈值与手动阈值对比
2. Canny 四步调参 low/high
3. 实现简单区域生长

核心概念速览

本章学习建议

第 4 章解决"把目标从背景里分离出来"的问题，是工业视觉里出现频率最高的需求之一。本章给出三条路线：阈值分割（基于灰度统计，适合目标与背景灰度差异明显的场景）、边缘检测（基于灰度不连续，适合提取轮廓线）、区域分割（基于像素相似性，适合边界不清但内部均匀的物体）。学习时建议对同一个实验对象（比如一张明暗分明的工件图）分别跑三条路线，对比各自的输出和参数敏感性，这样你对"什么场景该用哪种方法"会有真实的体感，而不是只记住结论。

本章阅读节奏

4.1 阈值分割是最快的分割手段，重点理解 Otsu 的"双峰直方图假设"以及自适应阈值为什么能处理光照渐变；4.2 边缘检测建议精读 Canny 四步，每一步都对应一类工程陷阱（不平滑会碎边、不 NMS 会边粗、双阈值不当会断边或漏边）；4.3 区域分割理解种子点加相似度准则的框架，知道分水岭是处理粘连目标的进阶手段。三节各配实验，合计约半天。

分割的结果几乎总是再接一步后处理才可用：阈值和区域生长的输出要做形态学开闭运算清噪点，边缘输出要接轮廓提取或霍夫变换变成几何参数。学习分割时别忘了把第 3 章和本节串联起来——先滤波再分割，是工业流水线的标准顺序。此外，分割质量要有量化评价意识：有真值就用 IoU 或 Dice，没有真值也要用连通域数量、目标面积等统计量做客观判断，而不是只靠眼睛，这是从"跑通实验"走向"做产品"的关键一步。

分割章节还有一个隐藏的价值：它是从"处理像素"走向"理解图像"的第一步。阈值、边缘、区域三种思路对应人类判断"目标在哪"的三种线索（灰度差异、边界、内部一致）。带着这个视角学习，你会发现第 5 章的特征提取其实也是分割思想的延伸——把图像分割成"可匹配的点"和"背景"。