在初始分割（基于阈值）后，通常使用哪种方法来评估剩余的“边界”像素？
我考虑过基于与阈值的标准偏差的分类，但我不知道这是否是图像分析中的常见做法。这将是一个区域增长方法，但基于这个问题的答案（http://www.mathworks.com/matlabcentral/answers/53351-how-can-i-segment-a-color-image-with-region-growing），使用区域增长算法是不明智的。有人建议imdilate。该方法似乎是任意的，在增强图像以用于美学目的或增强可视性时是有用的。对于我的问题，像素的分配必须是正确的，因为我必须对这些提取的对象/特征进行测量，并且一些像素产生巨大的差异。
我在寻找：
我真的很感谢在这方面有更多经验的人的意见和建议，指出了正确的方向（功能，教程等......）
谢谢！
答案 0 :(得分：0)
对您有用的内容在很大程度上取决于您拥有的图像。这不是一刀切的算法。
首先，您需要回答这个问题：如果像素接近分段特征，那么您认为该像素属于该特征会是什么？另外：＆＃34;关闭＆＃34;？
第二个问题的答案决定了您的搜索区域。在这里，imdilate可用于识别候选像素（即，您扩展您的特征，减去特征，并在每个特征周围留下一圈候选像素）。如果你对所有像素进行测试，那么风险并不是很大，可能需要永远，但对于某些图像，你的区域增长机制会扩展到整个图像。
第一个问题的答案决定了您将使用的算法。你是否寻找一个渐变，即＆＃34;如果像素p的强度比邻近的特征更接近于大多数邻居，那么我就把它当作＃34;？你在找质地吗？您是否寻找局部阈值（滞后阈值）？同样，答案在很大程度上取决于您要分割的图像。确保您对大量图像进行测试，因为在一个图像上看起来不错的图像可能在另一个图像上完全失败。