~~看了一篇论文，不是十分理解，希望图象分割理论方面的高手指导~

[leonhome]

由于图象阈值分割方面的一般的书籍只介绍了迭带法等常用方法，昨天在网上偶然看到一篇明为《基于梯度调整的矩不变自动阈值图像分割算法》的文章，文章中提供一种基于统计学的车牌分割方法，我试着编写了程序实现这个算法，发现这个算法对一些图象的分割效果很接近利用高斯概率密度函数计算出来的最优值~所以，我非常希望能够深入的了解这个算法背后的原理。
文章中有一段大意是
“
对于一副图象，从统计学的观点来看，是二维随机过程中的一个样本，这个样本可以看作是理想图象的模糊视觉，其特征反映了总体的特征。分割从统计的角度来说也是由样本估计总体的过程，分割本身是对总体的一种描述和估计，可以用参数估计的方法进行目标图象的分割。
距不变的阀值分割就本质来说实际上是一种图象变换。它在通过保证在阀值分割前后，图象的距保持不变而保证总体距与样本距的一致性，使得图象从原始模糊状态变换为理想状态。
”
对于"分割从统计的角度来说也是由样本估计总体的过程"这句话我很难理解，希望现任大学老师或理论高手指导~~万分感谢
论文全文连接：
http://www.52angell.com/htmldata/84/90/2005_10/article_19054_1.html

[mujwaidk]

不懂,帮顶

[hell190109]

就是以边缘跳变点黑色一边统计一下作为阈值。

[DentistryDoctor]

不太懂。

[crazy_lazy_pig]

这里应用了统计学的"参数估计"理论。即把图像分割时选取阀值的过程看成是参数估计的过程。

什么是参数估计呢？就是利用样本数据的统计量去估计总体的统计量。这里的统计量可以是：均值、方差、距等。参数估计有两种：点估计和区间估计。数学上一般都是用区间估计，例如：我们知道了样本均值 _x_ ，但是我们并不能确信总体的均值就是 _x_　，　这也并不意味着我们就一点办法也没有了，我们至少可以说总体的均值不会离_x_太远，更精确的说法为：总体均值落在（_x_-d , x+d)区间内的概率为某某。区间估计太过严格，日常生活中，对于大样本来说我们就把样本看成总体了，所以一般就把样本的参数当做总体参数来看待，这就是点估计。

在图像处理中应用的统计思想就是参数估计的思想，而且是点估计。你看的文章所关心的统计量就是距。文章把整个图像看成是样本，图像的距就是样本的距，利用点估计，就把它看成是总体的距。不论我们对图像作什么处理，都不应该改变图像的距，因为这是图像的一个总体特征，这就是距不变的来历。

说到这里似乎感觉前面的参数估计根本没太大意义，只要你知道这个阀选取的依据是保持距不变就可以了。引入参数估计的概念完全是搞数学的人为了说明这种方法是合理的，搞工程的人完全可以不去考虑其具体含义，只要知道它可行就可以了。

[yingchaohai2007]

不懂呀~！
leonhome (腐烂生存) 你上线了加我QQ好吗 或者给我发信息：13591689701
有急事请你帮忙 十万火急~！

[yingchaohai2007]

QQ：183524478

[anikan_yu]

学过《应用数理统计学》吗？

[asdwwe2004]

不懂

帮顶

[asdwwe2004]

再



顶

[e_feeling]

分割后的图像相当于样本，分割前的图像相等于总体。
分割后的图像尽可能多体现出图像的原始信息。

[e_feeling]

分割后的图像相当于样本，分割前的图像相当于总体。
分割后的图像尽可能多的体现出或反映出图像的原始信息。

[yuxiaodong790909]

crazy_lazy_pig(疯狂懒猪) 说的比较详细了。