1樓：飛水狗
傳統分割演算法無非是feature representation和feature space analysis，其中乙個問題說明一下分割基於什麼特徵是什麼就可以了。看你的描述，彩色圖就是color space，灰度圖是intensity。另外演算法最好找準應用場景和適用範圍，這樣解答起來清晰些
2樓：
這完全不算為難你，好吧！確實有一部分大學老師敗壞了大學老師這個集體的名聲，不能因而就認為凡是讓自己面對了困難的老師都是惡意為難自己。要知道到絕大多數學生不夠格讓老師為難的，凡是求諸於己才是好習慣。
首先你這個問題提的都讓人不明所以，「基於自動閾值的影象分割？」這就是乙個問題了？
第二老師提的這幾個個問題都很中肯。
「物體和背景然後提取了自己想要的目標物體」，「物體和背景」本來就是主觀的定義，「自己想要的」就是前景（物體），不想要的就是背景，你這話等於同義反覆，沒得意義。通常說分割城前景和背景只是一種表述，並不準確，需要結合上下文來說。分割影象只能將影象分割成子區域，「那是背景那是前景」跟影象分割是不同範疇的東西，根據後續任務的需要可以將符合某些特點的子區域當作前景。
「你怎麼知道你想要哪部分？」這是個很關鍵的問題，涉及到你研究影象分割的目的，將影象分割成子區域本身沒啥用處，另外目前所有的影象分割演算法離人類分割效果相去甚遠，必須結合具體後續應用才能定義影象分割演算法的相對好壞。如果僅僅研究影象分割，就不會有你想要的部分，而是要採用一種方式來定義分割的好壞（盡可能接近人工分割效果）。
「彩色圖怎麼辦？」彩色影象顯然提供了更多的資訊，如果轉成黑白的再用，等於算是生硬丟棄了一些重要資訊，需要有充足的理由才能說得過去。一般結合具體任務說明，比如說黑白圖足夠用了，但是要有資料。
你只研究了閾值分割，就是簡單得將影象分割成兩個子區域。這種分割演算法不應該用來處理普通影象，比如，用來分隔風景和人像是沒有意義的，也沒法評估好壞。閾值分割一般用來分隔指紋掃瞄圖、掌紋掃瞄圖、文件掃瞄圖、字元圖（從普通影象上扣出來的字元區域）、遙感領域的各種指數圖、CT掃瞄圖等等，這些影象都是單波段的或者轉成黑白就足夠了。
閾值分割非常簡單，你選了「閾值分割」的題目就必須結合具體應用才好說理，做成你這樣就有躲清閒的嫌疑了。
當前主流的影象分割研究方向都有哪些？
汪博士 FCN，SSD，Deeplib等以深度學習為基礎的演算法為主流。建議，如果是要做專有的影象分割，這類演算法使用前要稍微慎重些。主要原因就是這些演算法都需要大量標註樣本的支援。 已登出 DeepLab FCN CRF crf as rnn DeepMask Fully Convolutiona...
研一學生，準備做有關醫學影象分割的內容，想請教一下大家，創新點都有從哪些方面研究，謝謝大家了！
羽峰學程式設計 1 1 1 看到兩篇可以結合的文章，且兩篇文章合在一起的效果要好於兩篇中的任意一篇。閱讀他人文獻，看那些還有改進，是實驗方法上，還是演算法上，還是什麼可以改變，看其他文章的思想是否可以加入到這篇文章中，然後提公升效果。自己獨創一種方法，這種就很難了。但不管是哪一種，都需要你讀大量文獻...
未來自動駕駛是LiDAR還是RGB影象的天下？
預言下，未來自動駕駛百分百是影象的天下，影象的3d潛力遠遠沒有挖掘出來，transformer給video object detection multi view fusion 帶來了新的可能，目前3d感知的差距也在不斷縮小 鄒鎮洪 現在來看可能都算短見，可能會出現第三種主流感測器嗎？其次，往近了說...