第8章 图像分割

一、图像分割基础（Fundamentals of Image Segmentation）

1.1 什么是图像分割

图像分割是将图像细分为其组成区域或目标的过程。设 \(R\) 表示整个图像区域，分割将 \(R\) 划分为 \(n\) 个子区域 \(R_1, R_2, \ldots, R_n\)，满足：

\[ \bigcup_{i=1}^{n} R_i = R \]

\[ R_i \cap R_j = \varnothing, \quad i \neq j \]

分割主要依赖灰度值的两种基本性质：

性质	原理	典型方法
不连续性（Discontinuity）	基于灰度的突变进行分割	点/线/边缘检测、角点检测
相似性（Similarity）	基于灰度的相似性进行分割	阈值法、区域生长/分裂/合并

1.2 图像分割的发展现状

现代图像分割已从传统方法发展到深度学习方法：

方法	特点
传统方法	基于灰度不连续性和相似性，无需训练数据
CNN	自动学习层次化特征
U-Net	编码器-解码器 + Skip Connection，医学图像分割的标准架构
nnU-Net	自适应配置的U-Net，无需人工调参
SAM / MedSAM	通用分割基础模型，MedSAM 专用于医学图像

---

二、灰度不连续性的检测（Detection of Gray Level Discontinuities）

2.1 导数基础

利用卷积检测灰度的不连续性：\(g(x,y) = \sum_{s=-a}^{a}\sum_{t=-b}^{b} w(s,t) \cdot f(x+s, y+t)\)

其中掩膜系数之和为 \(0\)：在灰度相似的区域（低频），滤波结果接近 \(0\)；在灰度突变的区域，输出显著偏离 \(0\)，从而增强边缘和不连续性。

一阶导数与二阶导数的对比：

特性	一阶导数	二阶导数
边缘响应	产生较粗的边缘	产生双边缘响应（在斜坡和阶梯处）
灰度阶梯响应	较强	较弱
细线/点/噪声响应	较弱	较强
方向信息	可提供	不能直接提供
符号意义	—	可用于判断过渡方向（亮→暗 或 暗→亮）

一阶导数公式： $$ \frac{\partial f}{\partial x} = f(x+1) - f(x) $$

二阶导数公式： $$ \frac{\partial^2 f}{\partial x^2} = f(x+1) + f(x-1) - 2f(x) $$

2.2 点检测（Point Detection）

使用 Laplacian 算子检测孤立点：

\[ \nabla^2 f(x,y) = f(x+1,y) + f(x-1,y) + f(x,y+1) + f(x,y-1) - 4f(x,y) \]

对应的 \(3 \times 3\) 掩膜：

\[ \begin{bmatrix} 0 & -1 & 0 \\ -1 & 4 & -1 \\ 0 & -1 & 0 \\ \end{bmatrix} \]

在均匀灰度区域响应为 \(0\)，在孤立点处产生强响应。

2.3 线检测（Line Detection）

不同方向的线检测掩膜：

方向	掩膜
水平	\(\begin{bmatrix} -1 & -1 & -1 \\ 2 & 2 & 2 \\ -1 & -1 & -1 \end{bmatrix}\)
+45°	\(\begin{bmatrix} -1 & -1 & 2 \\ -1 & 2 & -1 \\ 2 & -1 & -1 \end{bmatrix}\)
垂直	\(\begin{bmatrix} -1 & 2 & -1 \\ -1 & 2 & -1 \\ -1 & 2 & -1 \end{bmatrix}\)
−45°	\(\begin{bmatrix} 2 & -1 & -1 \\ -1 & 2 & -1 \\ -1 & -1 & 2 \end{bmatrix}\)

这些掩膜对指定方向上一个像素宽的线条响应最强。Laplacian 检测线时会产生双边缘——可通过取绝对值或只取正/负响应来处理。

---

三、边缘检测（Edge Detection）

3.1 什么是边缘

边缘是位于两个区域之间边界上的一组连通像素，是一个局部概念。三种基本边缘类型：

类型	描述
理想/阶梯边缘（Step Edge）	灰度在两个灰度级之间瞬时跳变
斜坡边缘（Ramp Edge）	灰度在有限距离内逐渐过渡（实际图像中最常见）
屋顶边缘（Roof Edge）	灰度先上升再下降，形成脊状（如细线的剖面）

3.2 噪声对导数的影响

导数运算对噪声极为敏感——即使是微小的随机噪声也会被放大。解决方法：在求导之前先进行平滑（如高斯平滑），这正是 LoG 和 Canny 算子的核心思想。

3.3 梯度算子（一阶导数）

图像 \(f(x,y)\) 在 \((x,y)\) 处的梯度定义为：

\[ \nabla f = \begin{bmatrix} G_x \\ G_y \end{bmatrix} = \begin{bmatrix} \frac{\partial f}{\partial x} \\ \frac{\partial f}{\partial y} \end{bmatrix} \]

梯度幅值：

\[ |\nabla f| = \sqrt{G_x^2 + G_y^2} \approx |G_x| + |G_y| \]

梯度方向：

\[ \alpha(x,y) = \tan^{-1}\left( \frac{G_y}{G_x} \right) \]

各种梯度算子

算子	\(G_x\)	\(G_y\)	特点
Roberts	\(\begin{bmatrix} -1 & 0 \\ 0 & 1 \end{bmatrix}\)	\(\begin{bmatrix} 0 & -1 \\ 1 & 0 \end{bmatrix}\)	\(2 \times 2\)，最简单，但对噪声敏感
Prewitt	\(\begin{bmatrix} -1 & 0 & 1 \\ -1 & 0 & 1 \\ -1 & 0 & 1 \end{bmatrix}\)	\(\begin{bmatrix} -1 & -1 & -1 \\ 0 & 0 & 0 \\ 1 & 1 & 1 \end{bmatrix}\)	\(3 \times 3\)，中心权重与邻域相同
Sobel	\(\begin{bmatrix} -1 & 0 & 1 \\ -2 & 0 & 2 \\ -1 & 0 & 1 \end{bmatrix}\)	\(\begin{bmatrix} -1 & -2 & -1 \\ 0 & 0 & 0 \\ 1 & 2 & 1 \end{bmatrix}\)	\(3 \times 3\)，中心行/列权重加倍→内置平滑
Kirsch	8个方向的罗盘核	—	取8个方向响应的最大值作为输出

Sobel vs Prewitt vs Roberts

• Roberts：\(2 \times 2\) 核，无平滑，对噪声最敏感
• Prewitt：\(3 \times 3\)，有平滑但中心无特殊权重
• Sobel：\(3 \times 3\)，中心权重加倍（\(\times 2\)），平滑效果更好，实际应用中最常用

3.4 二阶导数：Laplacian 算子

\[ \nabla^2 f = \frac{\partial^2 f}{\partial x^2} + \frac{\partial^2 f}{\partial y^2} \]

Laplacian 是各向同性的（旋转不变）。常用离散掩膜：

邻域	掩膜
4-邻域	\(\begin{bmatrix} 0 & -1 & 0 \\ -1 & 4 & -1 \\ 0 & -1 & 0 \end{bmatrix}\)
8-邻域	\(\begin{bmatrix} -1 & -1 & -1 \\ -1 & 8 & -1 \\ -1 & -1 & -1 \end{bmatrix}\)

Laplacian 的问题：

1. 对噪声极其敏感
2. 产生双边缘而非单边缘
3. 不提供梯度方向信息

Laplacian 的优势：利用零交叉（Zero-Crossing）特性可以精确定位边缘，且符号可用于判断像素在边缘的暗侧还是亮侧。

3.5 LoG（Laplacian of Gaussian）

先高斯平滑再 Laplacian，等价于直接使用 LoG 核进行卷积：

高斯函数： $$ h(r) = e^{-\frac{r^2}{2\sigma^2}}, \quad r^2 = x^2 + y^2 $$

Laplacian of Gaussian： $$ \nabla^2 h = \frac{r^2 - 2\sigma^2}{\sigma^4} e^{-\frac{r^2}{2\sigma^2}} $$

因其形状被称为"墨西哥帽"函数：

• \(\sigma\) 较小时：检测精细边缘，对噪声敏感
• \(\sigma\) 较大时：检测粗边缘，抗噪能力强

LoG 与 Gausssian + Laplacian 的等价性

由于卷积的结合性：\(\nabla^2[f * h] = f * \nabla^2 h\)​，因此 LoG 只需一次卷积即可完成"平滑 + 求导"两步操作。

3.6 Canny 边缘检测算子（Canny Edge Detector）

先高斯平滑再计算一阶方向导数，被业界公认为边缘检测的最优标准：

高斯函数：

\[ G(x,y) = e^{-\frac{x^2 + y^2}{2\sigma^2}} \]

高斯函数的一阶偏导（Derivative of Gaussian）：

\[ \nabla G = \begin{bmatrix} \frac{\partial G}{\partial x} \\ \frac{\partial G}{\partial y} \end{bmatrix} = -\frac{1}{\sigma^2} \begin{bmatrix} x \\ y \end{bmatrix} e^{-\frac{x^2 + y^2}{2\sigma^2}} \]

因其算法设计，满足低错误率、高定位精度和单峰响应三大准则。Canny 算子之所以超越普通一阶导数算子（如 Sobel），核心在于其利用求导结果进行的后续三大步骤：

步骤一：梯度方向离散化

计算出每个像素的梯度幅值和连续方向角度 \(\alpha(x,y)\) 后，需要将其归类：

• 找到与连续角度 \(\alpha(x,y)\) 最接近的离散方向 \(d_k\)。
• 根据 \(360^\circ\) 扇区划分（如右侧扇形图），将其映射到 3x3 邻域的 4 个基本方向之一：水平方向、垂直方向、\(+45^\circ\) 方向、\(-45^\circ\) 方向。

步骤二：非极大值抑制 (Non-Maximum Suppression, NMS)

算法会沿着上一步找到的梯度方向 \(d_k\)（即边缘的法线方向，Edge normal），比较中心像素与两侧相邻像素的梯度强度：

• 设当前像素 \((x,y)\) 的梯度强度为 \(K\)。

• 设沿方向 \(d_k\) 的两侧相邻像素的梯度强度为 \(fs\)。

• 判断逻辑：

• 如果 \(K\) 小于其中一个或两个邻居的值（即没在最高点），则该点被抑制 (Suppression)，输出值为 0，\(g_N(x,y) = 0\)

• 否则（即该点是局部极大值），保留原强度：\(g_N(x,y) = K\)

步骤三：滞后双阈值 (Hysteresis Threshold)

使用高、低两个阈值（\(T_{high}, T_{low}\)）处理 NMS 后的图像：

• 高于 \(T_{high}\) 的点确认为强边缘。
• 低于 \(T_{low}\) 的点确认为噪点并抛弃。
• 介于两者之间的弱边缘点，仅当其在 8-邻域内与强边缘相连时才予以保留，从而保证了物理轮廓的连续性。

3.7 高级边缘检测：Active Contour（Snakes）

Active Contour 将目标检测转化为能量最小化问题：

轮廓定义为参数曲线 \(v(s) = (x(s), y(s))\)，其能量为：

\[ E = \int \left( \alpha |v'(s)|^2 + \beta |v''(s)|^2 + E_{ext}(v(s)) \right) ds \]

其中：

• \(\alpha |v'(s)|^2\)：弹性项（控制轮廓的拉伸）
• \(\beta |v''(s)|^2\)：刚性项（控制轮廓的弯曲）
• \(E_{ext}\)：外部能量（来自图像梯度，如 \(E_{ext} = -|\nabla f|^2\)，驱动轮廓向边缘移动）

---

四、阈值分割（Thresholding）

4.1 基本阈值分割

阈值分割是最简单的分割方法：

\[ g(x,y) = \begin{cases} 1, & f(x,y) > T \\ 0, & f(x,y) \leq T \end{cases} \]

根据 \(T\) 的依赖关系分类：

类型	\(T\) 的依赖	说明
全局阈值	\(T = T(f(x,y))\)	只依赖灰度值
局部阈值	\(T = T(f(x,y), p(x,y))\)	依赖灰度和局部邻域属性
动态/自适应阈值	\(T = T(x,y, f(x,y))\)	依赖空间坐标和灰度

噪声的影响：噪声使直方图中的峰值变宽、谷变浅，严重时两个峰合并为一个→无法通过单一阈值分割。

光照的影响：不均匀光照 → 全局阈值失效 → 需要补偿（先拍摄均匀白表面获得 \(g(x,y) = k \cdot i(x,y)\)，对实际图像 \(f(x,y) = i(x,y) \cdot r(x,y)\) 做归一化：\(h(x,y) = f(x,y)/g(x,y) = r(x,y)/k\)）。

4.2 基本全局阈值法（迭代阈值）

算法步骤：

1. 选择初始阈值 \(T\)（可取图像平均灰度，或最大值和最小值的中间值）
2. 用 \(T\) 分割图像生成两个区域 \(G_1\)（\(>T\)）和 \(G_2\)（\(\leq T\)）
3. 分别计算 \(G_1\) 和 \(G_2\) 的平均灰度值 \(\mu_1\) 和 \(\mu_2\)
4. 更新阈值：\(T_{new} = \frac{\mu_1 + \mu_2}{2}\)
5. 重复步骤 2–4，直到 \(|T - T_{new}| < \Delta\)（收敛）

该算法通常 2–3 次迭代即可收敛，对初始值不敏感。

4.3 Otsu 方法（大津法）

Otsu 方法通过最大化类间方差来自动寻找最优全局阈值。

设直方图概率 \(p_i = n_i / N\)，图像均值 \(m_G = \sum_{i=0}^{L-1} i \cdot p_i\)。

阈值 \(k\) 将像素分为两类 \(C_0\)（\(\leq k\)）和 \(C_1\)（\(>k\)）：

• \(\omega(k) = \sum_{i=0}^{k} p_i\)（\(C_0\) 的概率），\(\mu(k)=1-\omega(k)\)（\(C_1\) 的概率）
• \(m(k) = \sum_{i=0}^{k} i \cdot p_i\)（\(C_0\) 的累积均值）

类间方差：

\[ \sigma_B^2(k) = \frac{(m_G \cdot \omega(k) - m(k))^2}{\omega(k)\mu(k)} \]

遍历所有 \(k = 0, 1, \ldots, L-1\)，选择使 \(\sigma_B^2(k)\) 最大的 \(k\) 作为最优阈值。

Otsu 方法的优点与局限

优点：全自动，无需设置初值；数学上基于类间方差最大化，具有最优性。

局限：当目标与背景面积比极度悬殊时，阈值会向面积大的一方偏移；对于单峰直方图效果差。

4.4 利用平滑改善全局阈值

先对图像进行平滑处理，再使用 Otsu 方法，可以：

• 使直方图的峰更尖锐、谷更深
• 抑制噪声导致的虚假峰
• 显著改善分割质量

4.5 利用边缘特征改善阈值选择

如果只依赖灰度信息，结果容易受目标和背景相对大小的干扰。改进策略：

1. 计算梯度幅值图像
2. 对梯度幅值取高分位数阈值（如 99.7%）→ 获得边缘掩膜
3. 将原图与边缘掩膜相乘 → 仅保留靠近边缘的像素
4. 对这些像素计算直方图 → 峰更分离、谷更深
5. 基于新直方图应用 Otsu

原理：靠近边缘的像素更均匀地来自目标和背景两类，避免了面积不平衡导致的直方图偏斜。

4.6 多阈值分割

对具有多个目标类别的图像使用多个阈值：

双阈值（Dual Threshold）：

\[ g(x,y) = \begin{cases} 0, & f(x,y) \leq T_1 \\ 1, & T_1 < f(x,y) \leq T_2 \\ 0, & f(x,y) > T_2 \end{cases} \]

4.7 自适应阈值分割

当光照不均匀时，全局阈值失效。自适应方法：

1. 分块处理：将图像划分为子图像，为每个子图像独立确定阈值

2. 分类处理：灰度方差 \(< T_1\) 的子图像：不包含目标边界 → 合并后统一处理；灰度方差 \(> T_2\) 的子图像：包含目标边界 → 独立阈值处理

3. 基于局部图像属性：\(T = T(x,y, p(x,y))\)，利用局部标准差和均值动态确定阈值

---

五、区域分割（Region-Based Segmentation）

5.1 区域生长（Region Growing）

将像素或子区域基于预定义准则合并为更大的区域：

基本步骤：

1. 选择一组种子点
2. 将与种子点灰度相似的邻近像素附加到种子区域
3. 迭代扩张直到满足停止条件

关键要素：

要素	说明
种子点的选择	手动交互 / 自动检测
相似性准则	灰度差 \(\lvert f(P) - \mu_R\rvert \leq T\) / 纹理 / 矩
连通性	4-邻域 / 8-邻域
停止规则	无新像素加入 / 达到尺寸上限

区域生长的缺陷

对种子点敏感；当目标边界模糊时容易发生泄漏（Leakage）——区域通过弱边界扩张到相邻结构中，产生过分割。

5.2 区域分裂与合并（Region Splitting & Merging）

使用四叉树（Quadtree）结构：

分裂：

• 从整个区域开始
• 如果 \(Q(R) = \text{FALSE}\)（不均匀），将区域分为四个象限
• 对每个象限递归应用此规则
• 直到达到最小子区域尺寸

合并：

• 如果仅分裂，相邻且属性相同的区域不会被合并
• 检查相邻区域，如果 \(Q(R_i \cup R_j) = \text{TRUE}\)，则合并

算法：

1. 若 \(Q(R) = \text{FALSE}\)，分裂为 4 个不相交象限
2. 对满足 \(Q\) 的相邻区域进行合并
3. 无可合并和可分裂时停止

5.3 分水岭算法（Watershed Segmentation）

将灰度图像视为 3D 地形（\(x\) 坐标、\(y\) 坐标、灰度值为高度）：

地形概念	图像对应
区域极小值	图像中灰度最低的均匀区域
集水盆地（Catchment Basin）	水滴会落入同一个极小值的区域
分水岭线（Watershed Line）	水滴等概率落入多个极小值的点——即分割边界

原理：

1. 在每个区域极小值处钻孔

2. 让水以均匀速率从孔中上升，淹没整个地形

3. 当来自不同集水盆地的水即将汇合时，建坝阻止合并

4. 坝的边界即为分水岭线

算法步骤（按灰度级迭代）：

1. 从最低灰度值开始

2. 对于每个灰度级 \(k\)：

3. 若像素仅邻接一个已有区域→加入该区域

4. 若像素邻接多个已有区域→标记为边界

5. 若像素无邻接区域→创建新区域

分水岭的过度分割问题

由于噪声和梯度的局部不规则性，标准分水岭极易产生过度分割（Over-segmentation）。解决方案：

1. 在梯度图像而非原始图像上运行（梯度图直接反映边缘位置）

2. 使用标记控制（Marker-Controlled）分水岭——通过手动标记前景和背景种子强制控制注水起点

六、聚类分割方法（Clustering-based Segmentation Methods）

边缘检测和区域分割之外，聚类是另一类重要的分割手段——将像素按特征空间（灰度、颜色、空间位置等）的相似性自动分组，无需手动标注训练数据。

6.1 聚类分割的核心思想

将 \(N\) 个像素映射到 \(d\) 维特征空间中的点 \(\mathbf{x}_i \in \mathbb{R}^d\)，聚类将数据集划分为 \(K\) 个互不相交的子集 \(C_1, C_2, \ldots, C_K\)。核心目标是最小化类内平方误差（Within-cluster Squared Error）：

\[ D = \sum_{k=1}^{K} \sum_{\mathbf{x}_i \in C_k} \|\mathbf{x}_i - \mathbf{m}_k\|^2 \]

其中 \(\mathbf{m}_k\) 是第 \(k\) 个聚类 \(C_k\) 的均值向量（聚类中心）。

聚类分割与阈值分割

阈值分割仅在一维灰度直方图上寻找最优分界点，只利用灰度信息；聚类分割可在多维特征空间（RGB 三通道、灰度 + 空间坐标、灰度 + 纹理特征等）中同时运作，能利用更丰富的信息实现更精细的分割。

---

6.2 K-means聚类（K-Means Clustering）

6.2.1 基本原理

K-means 是最经典的无监督聚类算法。将 \(N\) 个 \(d\) 维特征向量划分为 \(K\) 个聚类，通过迭代优化使类内距离最小、类间距离最大。

核心假设：各聚类在特征空间中为紧致的球形分布。

6.2.2 算法步骤

设迭代计数为 \(ic\)，初始值 \(ic = 1\)：

步骤	操作	说明
1. 初始化	随机选择 \(K\) 个初始聚类中心 \(\mathbf{m}_1^{(1)}, \ldots, \mathbf{m}_K^{(1)}\)	上标表示迭代次数
2. 分配样本	\(\mathbf{x}_q \to C_i\)，若 \(\|\mathbf{x}_q - \mathbf{m}_i\|^2 < \|\mathbf{x}_q - \mathbf{m}_j\|^2\)，对所有 \(j \neq i\)	每个样本分配到距离最近的聚类中心
3. 更新中心	\(\mathbf{m}_k^{(ic+1)} = \frac{1}{\lvert C_k \rvert} \sum_{\mathbf{x} \in C_k} \mathbf{x}\)	新中心 = 当前聚类所有样本的均值
4. 检查收敛	计算残差 \(E = \sum_{i=1}^{K} \|\mathbf{m}_i^{(ic+1)} - \mathbf{m}_i^{(ic)}\|\)	若 \(E < T\)（预设阈值），停止；否则 \(ic \leftarrow ic+1\)，返回步骤 2

收敛性：目标函数 \(D\) 在每次迭代中单调递减且有下界（\(\geq 0\)），因此 K-means 保证收敛到局部最优解。但由于 \(D\) 是非凸函数，最终结果依赖初始化。

6.2.3 K 值的选择

K-means 必须事先指定 \(K\)，而最优 \(K\) 往往未知。常用两种方法：

（1）L 曲线法（Elbow Method / L-Curve）

绘制类内平方误差和 \(D\) 随 \(K\) 的变化曲线：

• \(D\) 随 \(K\) 增大单调递减（聚类越多，每个聚类越小，类内误差自然越小）
• 寻找曲线的"肘部"（Elbow Point）——下降速率由快变慢的转折点
• 肘部对应的 \(K\) 被认为是最优聚类数
• 若曲线平滑无明显肘部，则 L 曲线法不适用

（2）轮廓分析（Silhouette Analysis）

对每个样本 \(\mathbf{x}_i\) 定义轮廓系数（Silhouette Coefficient）：

\[ s_i = \frac{b_i - a_i}{\max(a_i, b_i)} \]

其中：

参数	全称	含义
\(a_i\)	凝聚度（Cohesion）	样本 \(\mathbf{x}_i\) 与同聚类内所有其他样本的平均距离
\(b_i\)	分离度（Separation）	样本 \(\mathbf{x}_i\) 与最近邻聚类中所有样本的平均距离

轮廓系数的解读：

\[ s_i \begin{cases} \text{接近 } +1 & \text{聚类良好，样本远离其他聚类} \\ \text{接近 } 0 & \text{样本位于两个聚类的边界上，归属模糊} \\ \text{接近 } -1 & \text{样本可能被错误分配到了不该属于的聚类} \end{cases} \]

使用方式：对不同 \(K\) 分别运行 K-means，选择使平均轮廓系数最大化的 \(K\)；同时可绘制各 \(K\) 下的轮廓图，直观检查每个聚类的凝聚质量。

6.2.4 在医学图像中的应用

• 多器官 CT 分割：将腹部 CT 像素按灰度聚类为空气、脂肪、软组织、肝脏、骨骼
• 脑组织粗分类：将 MRI 脑图像分为白质、灰质、脑脊液
• 肿瘤区域初步检测：在增强 CT/MRI 中通过聚类分离高增强区域
• 与精细分割方法级联：K-means 的粗分割结果作为活动轮廓、图割等方法的初始化
• 模糊 C 均值（FCM）变体：允许像素以隶属度（membership）属于多个聚类，更好地处理部分体积效应（Partial Volume Effect）

---

6.3 SLIC 超像素分割（Simple Linear Iterative Clustering）

6.3.1 什么是超像素

超像素（Superpixel） 是由像素组成的、具有感知意义的原子区域内部，像素在颜色、纹理和空间位置上具有高度一致性。超像素将百万级像素压缩为数百至数千个超像素，大幅降低后续处理的计算复杂度。

SLIC 是 K-means 聚类在五维特征空间中的高效变体，也是目前应用最广泛的超像素生成算法。

6.3.2 基本原理——五维特征空间

每个像素被表示为一个五维特征向量（在 CIELAB 颜色空间中）：

\[ \mathbf{z} = [l, a, b, x, y]^T \]

其中 \((l, a, b)\) 是 CIELAB 颜色分量（感知均匀的颜色空间），\((x, y)\) 是像素的空间坐标。

6.3.3 复合距离度量

SLIC 的复合距离同时考虑颜色相似性和空间邻近性：

颜色距离（CIELAB 空间）： $$ d_c = \sqrt{(l_j - l_i)^2 + (a_j - a_i)^2 + (b_j - b_i)^2} $$

空间距离： $$ d_s = \sqrt{(x_j - x_i)^2 + (y_j - y_i)^2} $$

归一化复合距离： $$ D' = \sqrt{\left(\frac{d_c}{m}\right)^2 + \left(\frac{d_s}{S}\right)^2} $$

参数	含义	说明
\(S\)	网格间距	\(S = \sqrt{N/K}\)，相邻超像素中心的期望距离
\(m\)	紧凑度参数	控制颜色 vs 空间的相对权重
\(N\)	总像素数	图像总像素数目
\(K\)	期望超像素数	用户唯一需要指定的参数

• \(m\) 越大 → 空间权重越大 → 超像素越紧凑（但边界贴合度下降）
• \(m\) 越小 → 颜色权重越大 → 超像素越贴合图像真实边缘（但形状可能不规则）

6.3.4 SLIC vs 标准 K-means 的关键区别

方面	标准 K-means	SLIC
特征空间	仅颜色/灰度（1D~3D）	颜色 + 空间坐标（5D）
搜索范围	整幅图像的所有像素	仅聚类中心周围 \(2S \times 2S\) 局部邻域
距离度量	纯颜色/灰度欧氏距离	颜色距离 + 空间距离的加权组合
计算复杂度	\(O(NKt)\)	\(O(N)\)（每像素仅比较邻域内几个中心）
输出	不规则像素聚类（空间可能碎片化）	紧凑且规则的空间连续超像素

6.3.5 算法步骤

步骤 1：网格初始化

在图像上以间距 \(S = \sqrt{N/K}\) 均匀采样 \(K\) 个聚类中心。将每个中心移动到其 \(3 \times 3\) 邻域内梯度最小的位置，避免中心落在强边缘上。

步骤 2：局部搜索分配

对于每个聚类中心，仅在其 \(2S \times 2S\) 局部邻域内搜索像素。每个像素计算到覆盖其位置的所有聚类中心的 \(D'\)，分配给 \(D'\) 最小的中心。

步骤 3：更新聚类中心

\[ \mathbf{m}_i = \frac{1}{|C_i|} \sum_{\mathbf{z} \in C_i} \mathbf{z} \]

新的中心 = 属于该聚类的所有像素的五维均值。

步骤 4：收敛检查

计算聚类中心在两次迭代间的平均位移。若位移小于阈值（或达到最大迭代次数，通常 10 次即收敛），停止；否则返回步骤 2。

步骤 5：后处理

将面积过小的孤立超像素（通常 < 期望大小的 1/4）合并到最近邻超像素中，确保各超像素具有合理的规模。

7.3.6 典型参数设置

参数	典型值	说明
\(K\)	100 ~ 4000	根据应用选择，超像素越多→尺寸越小→细节保留越好
迭代次数	10	由于网格初始化提供了良好起点，收敛极快
紧凑度 \(m\)	10 ~ 40	CIELAB 空间中的典型设置

7.3.7 应用场景

• 预处理降维：将像素级操作（百万级）降为超像素级操作（数百~数千），加速图割（Graph Cut）、条件随机场（CRF）等
• 交互式分割：用户点击或涂画几个超像素即可快速完成分割
• 目标识别与检测：以超像素为基本处理单元提取特征和分类
• 语义分割前端：超像素作为图模型（Graph Model）的节点
• 医学图像：病理图像细胞区域分割、皮肤镜病灶分割、器官边界预提取

---

七、本章所有分割方法的优缺点详细总结

7.1 不连续性检测方法

7.1.1 点检测（Point Detection）

优点：

1. 实现极为简单：仅需一个 \(3 \times 3\) Laplacian 核卷积和阈值判断，几行代码即可完成
2. 计算速度极快：单次卷积操作，时间复杂度 \(O(N)\)（\(N\) 为像素总数）
3. 对孤立点响应强：在均匀背景上的孤立亮点或暗点处产生高响应
4. 无需先验知识：不需要训练数据、模板或参数模型
5. 可检测任意方向的孤立点：Laplacian 核具有旋转不变性（各向同性）
6. 阈值可控：通过调整检测阈值可以灵活控制敏感度（低阈值→更多候选点；高阈值→仅最强点）

缺点：

1. 对噪声极度敏感：单一噪声像素与孤立点在 Laplacian 响应上无法区分，噪声稍大即产生大量虚警
2. 无法区分点的类型：亮点、暗点、噪声点在 Lapacian 响应幅值上完全相同（仅靠符号区分亮/暗）
3. 无法确定点的尺度：\(3 \times 3\) 核仅响应单像素尺度的点，对稍大的斑点（blob）响应衰减
4. 无方向选择性：无法判断点的方向性特征（点本身无方向，但无法区分点与短线）
5. 对线结构产生弱响应：Laplacian 核在线上也产生非零响应（虽然比在点上弱），可能造成混淆
6. 仅适用于极简单场景：在自然图像或医学图像中，纹理、噪声、细小结构使点检测几乎不可用

7.1.2 线检测（Line Detection）

优点：

1. 能够检测特定方向的细线：四个方向的掩膜分别对水平、垂直、+45°、-45° 方向的一个像素宽线条产生最大响应
2. 方向信息明确：通过比较四个方向掩膜的响应大小，可以确定线的局部方向
3. 实现简单、计算高效：四个 \(3 \times 3\) 卷积，均可并行计算
4. 掩膜系数和为零：在均匀灰度区域响应为零，天然抑制平坦区域
5. 可检测血管、神经纤维等线性结构：在医学图像中有直接的应用价值
6. 阈值可控：通过调整检测阈值灵活控制灵敏度

缺点：

1. 仅对恰好一个像素宽的线响应最强：线的宽度偏离 1 像素时响应迅速衰减
2. 仅能检测四个固定方向：45° 间隔的方向量化较粗糙，实际线的方向是连续的
3. 对线的曲率不敏感：弯曲的线在一个局部窗口内可能不匹配任何一个方向掩膜
4. 对噪声敏感：噪声产生的随机灰度突变可能被误检为线
5. 无法区分线与阶梯边缘：某些方向掩膜对台阶边缘也有非零响应
6. 灰度对比度依赖：低对比度的细线（如微血管）响应弱，可能被漏检
7. 多尺度问题：不同宽度的线需要不同尺寸的掩膜

---

8.2 边缘检测算子

7.2.1 一阶梯度算子（Sobel / Prewitt / Roberts）

优点：

1. 计算简单高效：\(3 \times 3\) 卷积（Roberts 为 \(2 \times 2\)），时间复杂度 \(O(N)\)，适合实时处理
2. 能同时提供梯度幅值和方向：幅值 \(\sqrt{G_x^2 + G_y^2}\) 指示边缘强度，方向 \(\arctan(G_y/G_x)\) 指示边缘法向
3. Sobel 带有平滑效果：中心权值 \(2\) 相当于在垂直于导数方向上的平滑，对噪声有一定抑制
4. Prewitt 各向权重均匀：在三个方向上完全对称，计算上比 Sobel 稍简单
5. Roberts 核极小：\(2 \times 2\) 核对极细边缘的定位偏差最小
6. 实现极为广泛：几乎所有图像处理库均提供开箱即用的实现
7. 无参数（除阈值外）：直接应用即可，无需训练或调参
8. 可用于计算梯度幅值图：作为 Canny 等高层算法的前级输入

缺点：

1. 对噪声敏感：仅靠 \(3 \times 3\) 窗口内的平滑不足以抑制较强噪声，噪声像素被放大为伪边缘
2. 产生较粗的边缘响应：在斜坡边缘（灰度渐变）上响应跨越多个像素，边缘定位不够精确
3. Sobel 对方向有轻微偏向：\(3 \times 3\) 核在 0°、45°、90°、135° 四个方向上的响应强度不完全相等
4. Prewitt 无中心权值加重：对中心像素和邻域像素一视同仁，边缘定位精度不如 Sobel
5. Roberts 极易受噪声干扰：\(2 \times 2\) 核太小，没有任何平滑能力，噪声环境几乎不可用
6. 缺少后处理机制：仅输出梯度幅值图，需额外步骤（如阈值化、非极大值抑制）才能获得单像素宽边缘
7. 对尺度不敏感：固定 \(3 \times 3\) 窗口只能检测特定尺度的边缘，大尺度模糊边缘响应弱
8. 无法处理纹理边缘：纹理区域产生密集的高梯度响应，无法区分纹理和真正目标边界

7.2.2 二阶导数算子（Laplacian / LoG）

Laplacian 优点：

1. 各向同性：旋转不变，对任意方向的边缘响应一致
2. 零交叉（Zero-Crossing）可精确定位边缘：理论上零交叉位置对应于边缘的精确位置（在无噪声的理想阶梯边缘处）
3. 能提供边缘过渡方向信息：零交叉的符号变化方向指示从亮到暗还是从暗到亮
4. 对孤立点和细线的检测能力强：Laplacian 在点和细线上产生强烈的双极响应
5. 无需求梯度方向：一个核即可得到全方向的边缘信息

Laplacian 缺点：

1. 对噪声极度敏感：二阶导数对噪声的放大远强于一阶导数（噪声的二阶导比一阶导更不稳定）
2. 产生双边缘响应：在阶梯边缘处产生正-负双峰，增加了边缘解释的难度
3. 无法提供边缘方向信息：各向同性的性质意味着丧失了所有方向信息
4. 双边缘在斜坡边缘处间距较大：对于灰度渐变的斜坡边缘，正负峰间距随斜坡宽度增大而增大，定位模糊
5. 对细线和点的响应可能与边缘混淆：细线/点的双极响应与边缘的双峰响应在形态上不易区分
6. 单独使用几乎不可行：必须与高斯平滑结合（即 LoG）才有实用价值

LoG 优点：

1. 先平滑后求导：高斯平滑抑制噪声，二阶导提供精确边缘定位，两者集成在一个卷积核中
2. 零交叉定位精度高：理论分析和实践均表明 LoG 的零交叉定位精度优于一阶梯度的极值定位
3. 高斯尺度 \(\sigma\) 可选：通过调整 \(\sigma\) 可以检测不同尺度的边缘（大 \(\sigma\) 检测粗边缘，小 \(\sigma\) 检测细边缘）
4. 墨西哥草帽形状可解释：核的形状直观对应"中心兴奋-周围抑制"的感受野模型
5. 闭合边缘：LoG 的零交叉倾向于形成闭合曲线，有利于分割出完整的目标边界

LoG 缺点：

1. 计算量较大：LoG 核的尺寸通常需要 \(\sim 6\sigma \times 6\sigma\)，远大于 \(3 \times 3\) 的一阶核
2. 大 \(\sigma\) 导致边缘位置偏移：过强的高斯平滑会使边缘位置向灰度较低的一侧漂移
3. 检测不到低对比度边缘：高斯平滑在抑制噪声的同时也削弱了低对比度边缘的信号
4. 产生虚假零交叉：平滑后的灰度波动仍可能产生零交叉，特别是在均匀区域
5. 单尺度限制：固定的 \(\sigma\) 无法同时检测不同尺度的边缘，需要多尺度策略
6. 无法直接提供边缘强度：零交叉位置没有幅值信息，需额外计算梯度幅值来评估边缘强弱

7.2.3 Canny 边缘检测器

优点：

1. 三重优化准则：同时优化信噪比（检测率）、定位精度（边缘不偏移）、单响应（每个边缘只检测一次），是目前理论上最优的线性边缘检测器
2. 非极大值抑制（NMS）：沿梯度方向抑制非最大值 → 边缘宽度为单像素，定位极其精准
3. 双阈值滞后连接（Hysteresis Thresholding）：高阈值保证强边缘的高置信度，低阈值连接弱但连续的边缘 → 既抗噪声又不丢失弱连续边缘
4. 边缘连续性好：滞后连接机制使 Canny 输出的边缘断裂最少，优于任何单阈值方法
5. 广泛验证：Canny 自 1986 年提出以来，经历了近 40 年的实践检验，仍是边缘检测的事实标准和 benchmark
6. 参数物理意义明确：\(\sigma\)（平滑尺度）、\(T_{low}\)、\(T_{high}\)（双阈值）均可被直觉理解
7. 有大量优化实现：OpenCV、scikit-image 等均提供高效实现

缺点：

1. 三个参数需手动设置：\(\sigma\)、\(T_{low}\)、\(T_{high}\) 的选取对结果影响巨大，且无统一的自适应方案；通常 \(T_{high}/T_{low}\) 取 \(2:1 \sim 3:1\)
2. 双阈值间的边缘断裂：低阈值边缘如果在空间上未能与高阈值边缘连通，会被丢弃——弱但连续的边缘可能因此丢失
3. 计算复杂度较高：五步流水线（高斯平滑 → 梯度 → NMS → 双阈值 → 滞后连接）比简单梯度算子慢一个数量级
4. 对纹理区域产生密集边缘：Canny 无法区分纹理边缘和目标边缘，纹理区域可能输出大量无意义的边缘片段
5. 不保证闭合轮廓：滞后连接只能"延伸"而不能"闭合"——边界间隙仍需后处理填补
6. 小尺度细节可能被平滑丢失：高斯平滑的尺度 \(\sigma\) 决定了最小可检测边缘的尺度，小于 \(\sigma\) 的边缘结构会被抹去
7. 对参数敏感：同一组参数在不同图像上可能产生质量迥异的边缘图，需要针对具体图像调整

7.2.4 活动轮廓 / Snakes（Active Contour）

优点：

1. 能产生闭合、平滑的边界曲线：天然保证分割结果的拓扑整洁性，无需后处理连接片段
2. 能够利用高层先验知识：通过能量函数的设计，可灵活融入平滑度约束、形状先验、灰度模型、用户交互等
3. 对噪声和边界间隙具有鲁棒性：内部平滑能量使曲线在穿越噪声区域或短暂边界缺失时保持连续
4. 亚像素精度：连续曲线模型的定位精度高于像素级离散方法
5. 交互灵活：用户可以通过修改初始曲线或添加约束能量来引导分割
6. 数学框架统一：能量最小化框架将分割问题转化为优化问题，理论清晰
7. 对初始轮廓在一定范围内具有鲁棒性：初始轮廓不必完全精确，Snakes 能在局部范围内收敛到真实边界
8. 可扩展到 3D（Active Surface）：框架可自然地推广到三维表面演化

缺点：

1. 对初始轮廓位置敏感：初始轮廓必须靠近目标边界（通常需在目标边缘的"捕获范围"内），否则能量函数的局部极值陷阱会导致收敛到错误位置
2. 容易陷入局部极小值：能量函数高度非凸，梯度下降式的演化只能找到局部最小值
3. 无法自动处理拓扑变化：经典 Snakes 无法在演化过程中自动分裂或合并——如果目标有孔洞或由多个分离部分组成，需要复杂的重新参数化
4. 对弱边缘/低对比度边界的捕获力弱：外部能量（图像力）在弱边缘处很小，Snakes 可能"滑过"目标边界
5. 参数调优复杂：内部能量权重（\(\alpha\) 张力、\(\beta\) 刚度）和外部能量权重需要根据图像内容手动调整
6. 计算量大：每次迭代需要求解偏微分方程（PDE），对于高分辨率图像或长轮廓，速度较慢
7. 对凹形边界的收敛效果差：标准 Snake 的弹力（内部能量）倾向于拉直轮廓，难以进入深凹区域
8. 需要用户交互：初始轮廓的绘制和参数选择通常需要人工参与，难以全自动处理大批量图像

---

7.3 阈值分割方法

7.3.1 迭代全局阈值

优点：

1. 算法极为简单：\(\frac{\mu_1 + \mu_2}{2}\) 的迭代更新规则仅有四则运算，几分钟即可手动完成
2. 收敛速度极快：通常 3~5 次迭代即收敛，时间复杂度 \(O(N)\)
3. 自适应地计算阈值：无需用户指定阈值，算法根据图像内容自动确定
4. 对双峰直方图的图像效果良好：当目标和背景的灰度分布分离清晰时，迭代阈值接近理论最优
5. 内存占用极小：仅需存储当前阈值和两个均值
6. 实现零门槛：无需任何数学库依赖

缺点：

1. 仅适用于双峰直方图：若图像仅含一个峰（如全是背景），或超过两个峰（如多器官 CT），算法无意义或失败
2. 对初始阈值有轻微依赖：虽然通常取均值即可，但极端初始值可能导致收敛到次优的局部平衡点
3. 不保证全局最优：算法的收敛点仅是局部均值平衡点，不一定与 Otsu 的类间方差最大化阈值一致
4. 对光照不均匀极敏感：全局阈值无法处理图像各区域灰度分布有系统偏移的情况
5. 对噪声敏感：噪声使直方图的峰变宽、谷变浅，迭代阈值可能偏移
6. 小目标可能被"淹没"：若目标像素数远小于背景像素数，目标均值对全局阈值的影响微弱，阈值偏向背景侧
7. 没有分割质量的量化指标：算法给出阈值但不提供该阈值"有多好"的信息

7.3.2 Otsu 方法（大津法）

优点：

1. 全自动、无参数：无需指定阈值或任何参数，算法从直方图自动计算全局最优阈值
2. 数学上是最优全局阈值：在类间方差准则下，Otsu 阈值是数学最优解——穷举所有可能的阈值后选取最大化 \(\sigma_B^2\) 的那个
3. 对双峰直方图效果极佳：当目标和背景在灰度上分明时，Otsu 阈值稳定可靠
4. 计算效率高：\(O(L^2)\) 或 \(O(L)\)（使用累积统计量优化），\(L\) 为灰度级数（256），完全可接受
5. 分割质量可量化：\(\sigma_B^2\) 本身可作为"可分割性"的度量——\(\sigma_B^2\) 越大说明两类分离越好
6. 有严格的统计推导：方法源自 Fisher 判别分析，理论基础坚实
7. 可扩展到多阈值：Otsu 方法可自然地推广到 \(K\) 类分割（\(K-1\) 个阈值）

缺点：

1. 仅当直方图为双峰时有效：若直方图为单峰或多峰，Otsu 仍会给出一个阈值，但该阈值在物理上无意义
2. 对小目标不敏感：Otsu 最大化类间方差，当目标像素远少于背景时，类间方差的计算受背景主导，阈值偏离理想位置
3. 仅考虑灰度分布，不考虑空间信息：相邻像素的空间关系和纹理信息完全被忽略
4. 光照不均匀时完全失效：全局阈值无法处理不同区域灰度分布偏移的情况（如 MRI 的 bias field）
5. 无法处理同灰度不同语义的组织：不同组织可能灰度相同但在空间上分离——Otsu 无法区分
6. 噪声使直方图不呈现明显双峰时性能下降：噪声模糊了峰谷结构
7. 多阈值扩展的计算量随 \(K\) 指数增长：\(K-1\) 个阈值的穷举搜索复杂度为 \(O(L^{K-1})\)

7.3.3 自适应阈值（Adaptive Thresholding）

优点：

1. 能够处理光照不均匀：每个子区域独立计算阈值，局部光照变化被区域化处理——这是其相对于全局阈值法的最大优势
2. 对阴影和渐变有强鲁棒性：文档扫描、眼底图像、组织切片等光照不均场景的首选
3. 实现简单：将图像分块，每块独立运行全局阈值（如均值或 Otsu），逻辑直观
4. 子区域大小可调节：通过调节子图像尺寸，在局部自适应性和统计稳定性之间权衡
5. 可结合平滑改善结果：对阈值矩阵进行平滑插值，避免子区域边界处出现二值化跳变线
6. 适合批量处理：同一采集条件下的图像组可使用相同的子区域划分策略

缺点：

1. 子图像尺寸的选择是关键且困难：太小则统计不稳定（几个像素上的阈值无意义），太大则丧失局部自适应性——需反复试验
2. 子区域边界处可能出现伪影：相邻子区域用不同阈值二值化，区域边界可能产生跳变线或接缝
3. 子区域内小目标可能被抹除：如果子区域内部全部为背景（无目标像素），该区域的 Otsu 阈值无意义
4. 计算量比全局阈值大：需对每个子区域独立计算阈值，复杂度为子区域数量的倍数
5. 参数增多：子区域尺寸、是否重叠、阈值方法选择等都需要用户决策
6. 极低对比度子区域失效：局部对比度过低时，子区域内无法区分目标和背景

---

7.4 区域分割方法

7.4.1 区域生长（Region Growing）

优点：

1. 能够分割具有相同灰度特性的连通区域：天然保证分割结果的空间连续性（这是阈值法做不到的）
2. 概念直观、易于理解：从种子点向外"扩张"的过程符合人类对区域的理解
3. 可以利用多种相似性准则：灰度、纹理、颜色、边缘信息等均可纳入生长准则
4. 多种子策略可处理多目标场景：不同的种子点各自生长出不同的区域
5. 对噪声的局部容忍性：某个像素是否被加入取决于它与区域均值（而非全局阈值）的比较，局部灰度波动可能被容忍
6. 可用于交互式分割：用户手动点击种子点，算法自动完成剩余工作

缺点：

1. 对种子点的位置和数量高度敏感：种子的选取直接决定分割结果——种子选偏则整个区域偏移，漏选种子则遗漏目标
2. 易发生泄漏（Leakage）：目标边界模糊时，生长可能通过弱边界泄漏进入相邻结构
3. 对噪声敏感
4. 对生长停止准则（阈值）高度敏感：阈值太小则区域欠生长（不完整），太大则过生长（泄漏）
5. 生长顺序依赖：区域最终的形状和范围与像素被处理的顺序有关（尤其在 8-邻域 vs 4-邻域的选择上）
6. 计算效率中等：需要维护候选像素队列和区域统计量，不如阈值法即时
7. 缺乏全局优化：生长是贪心算法——每一步做局部最优决策，不保证全局最优
8. 难以处理灰度渐变区域：目标内部灰度缓慢变化时，后面的像素可能因为累积漂移而不满足"与初始种子相似"的准则
9. 多区域同时生长需要复杂的合并规则：当两个生长中的区域相遇时，需要决定是否合并

7.4.2 区域分裂与合并（Split & Merge）

优点：

1. 无需种子点：从整幅图像开始自动分裂，解决了区域生长中种子选择的难题
2. 自动确定区域数量：分裂过程自然地发现图像中的均匀区域数量和位置
3. 四叉树结构高效：数据结构紧凑且天然支持分层表示，分裂和合并操作均有标准实现
4. 均匀性准则 \(Q(R)\) 可灵活定义：可基于灰度方差、灰度范围、纹理特征等
5. 分裂与合并互补：分裂保证找到所有均匀子区域，合并保证相邻相似区域不被过度分割
6. 分割结果具有层次性：不同层级的四叉树节点对应于不同粒度的分割

缺点：

1. 分裂产生方块状边界：四叉树分裂天然产生水平和垂直的直线边界，实际物体边界极少是完美的水平和垂直线——分割边界呈锯齿状
2. 计算量大：需递归检查每个子区域的 \(Q(R)\)，合并阶段需检查所有相邻区域对，复杂度高于区域生长
3. 均匀性准则 \(Q(R)\) 的阈值难以设定：方差阈值等参数对分割结果影响巨大，且无自动确定方案
4. 最小子区域尺寸需预设：太小则计算量爆炸且过分割，太大则遗漏小目标
5. 四叉树结构产生的边界在子区域边缘处不连续：不同层级的子区域拼接在一起，边界过渡生硬
6. 对灰度渐变区域不适应：灰度渐变区域内方差可能很大，导致过度分裂
7. 合并阶段的实现复杂度高：需要维护邻接图（Region Adjacency Graph, RAG），数据结构比区域生长复杂得多

7.4.3 分水岭分割（Watershed）

优点：

1. 产生闭合的、单像素宽的连续分割边界：分水岭线天然是封闭曲线，无需边缘连接后处理
2. 边界定位精度高：分水岭线精确位于相邻集水盆地之间的"山脊"上，对应于图像边缘
3. 能自然分离相互接触的物体：即使两个物体紧邻且灰度相似，分水岭线仍能提供精确的分割线
4. 计算效率较高：核心操作仅为像素按灰度排序和逐级泛洪，时间复杂度可控
5. 基于灰度相对顺序而非绝对值：一定程度的全局灰度偏移不影响分割结果
6. 与梯度图像结合效果更好：在梯度幅值图像上运行分水岭，边界定位比原始灰度图像更精确
7. 标记控制版本可有效抑制过分割：通过人为/自动指定允许的局部极小值，分割从不可用变为高度可控
8. 无需训练数据或先验统计模型：完全基于图像几何特征，是纯无监督方法
9. 分割结果直观可解释：地形学注水模型使算法行为容易被直觉理解

缺点：

1. 对噪声极度敏感——原始算法几乎总会过分割：噪声产生大量虚假局部极小值 → 产生数百甚至数千个微小无意义区域，直接使用完全不可行，会发生过分割
2. 必须依赖标记提取来控制过分割：标记控制的预处理步骤（阈值、形态学、距离变换等）显著增加了整体流程的复杂度和调参负担
3. 标记质量直接决定分割质量：标记缺失 → 目标被邻近区域吞并；标记包含背景 → 产生虚假目标；质量无法保证
4. 对纹理丰富区域极为不利：纹理的灰度波动产生密集的伪极小值，标记提取极为困难
5. 难以处理灰度不均匀（Bias Field）：同一组织内部的灰度漂移产生虚假极小值，标记控制也难以完全补偿
6. 缺乏全局形状约束：完全由局部灰度地形驱动，不考虑目标期望形状（如肝脏的球形约束、血管的管状约束等）
7. 目标内部存在多个极小值时无法自动合并：需要额外的高层知识来判定哪些盆地应该属于同一个解剖结构
8. 低对比度边界的分水岭线位置不稳定：相邻集水盆地灰度差异极小时，水的汇合位置受噪声影响大
9. 对标记提取中的参数极其敏感：阈值、形态学结构元素大小、平滑程度等参数环环相扣，调参工作量巨大
10. 很难处理"无边缘"的场景：目标与背景逐渐过渡时（如部分体积效应导致的模糊边界），没有明显的山脊来定位分水岭

---

7.5 聚类分割方法

7.5.1 K-均值聚类（K-Means）

优点：

1. 原理简单、实现容易：仅涉及距离计算和均值更新两个基本操作，短短十几行代码即可实现完整算法
2. 计算速度快：时间复杂度 \(O(NKdt)\)（\(N\) 样本数，\(K\) 聚类数，\(d\) 特征维数，\(t\) 迭代次数），\(t\) 通常很小（< 100）
3. 内存占用小：仅需存储 \(K\) 个 \(d\) 维中心和 \(N\) 个标签，空间复杂度 \(O(N + Kd)\)
4. 可推广到多维特征空间：除了灰度值，可纳入 RGB 颜色、多光谱通道、纹理特征等多维信息
5. 收敛性有理论保证：目标函数 \(D\) 在每次迭代单调递减且存在下界，算法必然收敛
6. 无监督、无需训练标注：可直接对未知图像进行分割，无数据标注成本
7. 算法变体丰富：模糊 C 均值（FCM）允许多聚类软归属（处理 Partial Volume Effect）、K-medoids 用实际数据点为中心增强对离群点的鲁棒性
8. 生态成熟：scikit-learn、OpenCV、MATLAB 等均有高度优化的实现

缺点：

1. 必须预先指定聚类数 \(K\)：\(K\) 的选择对最终结果影响极大，而最优 \(K\) 往往未知——L 曲线法和轮廓分析只是辅助，不能完全消除主观判断
2. 对初始聚类中心高度敏感：不同随机初始化可能收敛到截然不同的局部最优解——实践中常需多次（10~100 次）随机初始化并选最优结果，成倍增加计算量
3. 对离群点/异常值极其敏感：单个极端离群像素（如金属伪影、钙化点）会显著拉动聚类中心——K-medoids 变体可部分缓解此问题
4. 只能检测球形/凸形聚类：真实数据在特征空间的分布可能为非凸形状（如月牙形、环形），K-means 无力处理
5. 假设各聚类具有相似的方差：大方差聚类会"吸收"小方差聚类的样本
6. 仅收敛到局部最优：\(D\) 非凸，梯度下降式迭代不保证全局最小值
7. 类别不平衡时表现差：小聚类被大聚类"淹没"，聚类中心向大聚类靠拢
8. 完全不考虑空间邻域信息——在图像分割中最致命的缺点：聚类结果在空间上可能是碎片化的——同一聚类标签的像素散布在图像各处，缺乏空间连续性（例如肝脏和脾脏在 CT 中灰度相似，仅靠灰度无法区分）
9. 硬分配无法表达部分体积效应：边界像素被强制分配给某一聚类，在医学图像中处理组织过渡时尤其不理想

7.5.2 SLIC 超像素（SLIC Superpixel）

优点：

1. 计算效率极高：搜索范围限定在局部 \(2S \times 2S\) 邻域，将复杂度从 \(O(NKt)\) 降至 \(O(N)\)——实际比标准 K-means 快数十到数百倍
2. 超像素紧凑且规则：空间坐标纳入距离度量，保证空间连续性——这是相对于 K-means 的根本性改善
3. 边界贴合度高：紧凑度参数 \(m\) 合适时，超像素边界与图像真实边缘良好吻合（颜色距离权重使超像素不跨越强边缘）
4. 仅需一个主要参数 \(K\)（期望超像素数）：使用门槛极低，无需复杂的参数调优
5. 显著降低后续处理复杂度：将百万像素压缩为数百至数千超像素，后续图割、CRF、分类等操作的计算量减少 1~2 个数量级
6. 网格初始化提供优质起点：通常 10 次迭代即收敛（随机初始化的 K-means 可能需要数百次迭代）
7. 紧凑度可控：参数 \(m\) 在"紧凑规则"和"贴合边缘"之间提供灵活权衡
8. 广泛的开源实现：scikit-image（skimage.segmentation.slic）、OpenCV 等均提供生产级实现

缺点：

1. 超像素大小由全局参数 \(K\) 预设，无法自适应图像内容：纹理密集区域可能需要更小的超像素，均匀区域可用更大的超像素——SLIC 使用统一尺寸
2. 极细长结构（如血管、神经纤维）容易被切断：空间距离惩罚使超像素趋向紧凑，倾向于切断细长的解剖结构
3. 紧凑度参数 \(m\) 需根据具体应用手动调整：不同应用对紧凑度和边界贴合度的权衡不同
4. 继承了 K-means 的部分缺点：本质是 K-means 的变体，对离群点和灰度不均匀区域仍有一定敏感性
5. 灰度不均匀导致超像素尺寸不均：Bias field 导致的灰度漂移使同一组织在不同位置的超像素大小差异大
6. 超像素边界不一定与解剖边界重合：低对比度边界或渐进过渡区域的超像素可能跨越真实解剖边界
7. 聚类中心可能落在强边缘上：虽然步骤 1 将中心移到梯度最小处，但在边缘密度极高的区域仍有风险
8. 2D 算法需专门扩展至 3D：标准 SLIC 是 2D 的，3D 医学图像需要专门的处理
9. 参数 \(K\) 与图像内容的关系不直接：用户通常不知道一张图像需要多少个超像素才合适，可能需要多次试错

---

课后作业

题目 1：Otsu 最优阈值计算（HW4 第1题）

题目：给定图像的灰度直方图如下：

灰度级 \(i\)	0	1	2	3	4	5	6	7
像素数 \(n_i\)	40	20	50	30	10	30	10	10

使用 Otsu 方法计算使类间方差最大化的最优阈值。

解答：

总像素数 \(N = 40 + 20 + 50 + 30 + 10 + 30 + 10 + 10 = 200\)。

概率 \(p_i = n_i/N\)：\(p_0 = 0.20\), \(p_1 = 0.10\), \(p_2 = 0.25\), \(p_3 = 0.15\), \(p_4 = 0.05\), \(p_5 = 0.15\), \(p_6 = 0.05\), \(p_7 = 0.05\)

全局均值 \(m_G = \sum_{i=0}^7 i \cdot p_i = 2.65\)

类间方差公式： $$ \sigma_B^2(k) = \frac{(m_G \cdot P_1(k) - m(k))^2}{P_1(k)(1 - P_1(k))} $$

遍历 \(k = 0, 1, \ldots, 6\)：

\(k\)	\(P_1\)	\(m\)	\(\sigma_B^2\)
0	0.20	0	1.756
1	0.30	0.10	2.300
2	0.55	0.60	2.971
3	0.70	1.05	\(\approx 3.086\)
4	0.75	1.25	2.901
5	0.90	2.00	1.647
6	0.95	2.30	0.996

最大类间方差出现在 \(k = 3\)，最优阈值 \(T = 3\)。

题目 2：局部自适应阈值（HW4 第2题）

题目：将 \(16 \times 16\) 图像分为四个不重叠的 \(8 \times 8\) 子图像，分析每个子图像的局部阈值；写出完整的 \(16 \times 16\) 二值分割结果；判断单一全局阈值能否产生相同结果。

解答：

使用迭代阈值法独立计算四个子区域的局部阈值：

子图像	局部阈值
左上角（Top-Left）	\(T_1 \approx 1.24\)
右上角（Top-Right）	\(T_2 \approx 2.25\)
左下角（Bottom-Left）	\(T_3 \approx 3.24\)
右下角（Bottom-Right）	\(T_4 \approx 4.24\)

单一全局阈值不能产生相同结果。

原因：左上角区域需要被分割为前景的最小灰度值为 \(2.0\)，而右下角区域需要被分割为背景的最大灰度值为 \(3.5\)。因此全局阈值 \(T_G\) 需同时满足 \(T_G \leq 2.0\) 且 \(T_G > 3.5\)，这在数学上是矛盾的。这说明当图像光照不均匀或不同区域灰度分布偏移时，必须使用局部阈值。

题目 3：Sobel 边缘检测（HW4 第3题）

题目：给定 \(5 \times 5\) 灰度图像：

\[ I = \begin{bmatrix} 50 & 55 & 60 & 65 & 70 \\ 55 & 60 & 70 & 75 & 80 \\ 60 & 70 & 150 & 160 & 90 \\ 65 & 75 & 160 & 170 & 100 \\ 70 & 80 & 90 & 100 & 110 \end{bmatrix} \]

使用 \(3 \times 3\) Sobel 算子（零填充处理边界），计算 \(G_x\)、\(G_y\)、梯度幅值 \(\sqrt{G_x^2 + G_y^2}\) 以及梯度方向 \(\theta = \arctan(G_y/G_x)\)。

解答：

Sobel 算子的标准形式：

\[ G_x = \begin{bmatrix} -1 & 0 & 1 \\ -2 & 0 & 2 \\ -1 & 0 & 1 \end{bmatrix}, \]

\[ G_y = \begin{bmatrix} -1 & -2 & -1 \\ 0 & 0 & 0 \\ 1 & 2 & 1 \end{bmatrix} \]

零填充后扩展为 \(7 \times 7\)，卷积得到 \(5 \times 5\) 的梯度结果：

\[ G_x = \begin{bmatrix} 170 & 245 & 275 & 300 & 235 \\ 35 & 130 & 290 & 300 & 135 \\ 35 & 130 & 290 & 300 & 135 \\ 30 & -30 & -170 & -160 & -20 \\ -205 & -375 & -565 & -600 & -370 \end{bmatrix} \]

（由于原图对称 \(I = I^T\) 且 \(G_y = G_x^T\)，\(G_y\) 为 \(G_x\) 的转置。）

梯度幅值（保留一位小数）：

\[ M \approx \begin{bmatrix} 240.4 & 247.5 & 277.2 & 301.5 & 311.8 \\ 247.5 & 183.8 & 317.8 & 301.5 & 398.6 \\ 277.2 & 317.8 & 410.1 & 344.8 & 580.9 \\ 301.5 & 301.5 & 344.8 & 226.3 & 600.3 \\ 311.8 & 398.6 & 580.9 & 600.3 & 523.3 \end{bmatrix} \]

对幅值应用迭代阈值法（收敛于 \(T \approx 398.6\)），最终边缘图：

\[ E = \begin{bmatrix} 0 & 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 & 1 \\ 0 & 0 & 1 & 0 & 1 \\ 0 & 0 & 0 & 0 & 1 \\ 0 & 1 & 1 & 1 & 1 \end{bmatrix} \]

Sobel 边缘检测的完整流程

1. 平滑（去噪）→ 2. 计算梯度（\(G_x\), \(G_y\)）→ 3. 计算幅值和方向 → 4. 阈值化（提取最终边缘）

---

实验

实验来源：LAB5（Project 1-3）

Project 1：边缘检测（Edge Detection）

实验内容：利用 Sobel 梯度算子从 T1/T2 脑部 MRI 图像中提取病灶边缘轮廓。

实验原理：

1. 5×5 高斯平滑：在 Sobel 之前降低高频噪声
2. Sobel 梯度：\(G_x\) 和 \(G_y\) 核卷积 → 梯度幅值 \(M = \sqrt{G_x^2 + G_y^2}\)
3. 全局阈值 \(T\)：二值化获得初步边缘掩膜
4. 移除颅骨边缘：用 25×25 椭圆核腐蚀获得大脑核心区域 → 仅保留内部边缘
5. 形态学闭运算：5×5 椭圆核桥接断裂的边缘线段
6. 连通域面积过滤：去除小于 150 或大于 3000 像素的噪声区域

结果分析：T2 模态（病灶高信号）效果显著优于 T1（病灶低信号与正常组织对比度低）；Sobel 提取的边缘线条断裂不闭合，需要闭运算连接。

Project 2：阈值分割（Thresholding）

实验内容：实现迭代全局阈值法和Otsu 方法，对比在 T1/T2 MRI 上的分割效果。

实验原理：

• 迭代全局阈值法：\(T_{new} = \frac{\mu_1 + \mu_2}{2}\)，迭代至 \(|T - T_{new}| < \Delta\)
• Otsu 方法：\(\sigma_B^2 = w_1 w_2 (\mu_1 - \mu_2)^2\)，遍历 0-255 找最大值

关键发现：

• 迭代法对初始值不敏感（\(T_{init}=60, 125, 190\) 均收敛到接近值）
• T2 模态中，迭代法 \(T \approx 151.9\)，Otsu \(T = 153\)，结果高度一致
• T1 模态中无法通过单一全局阈值直接定位病灶

对比	迭代阈值法	Otsu 方法
初值需求	需要设置	无需设置
理论基础	启发式	类间方差最大化
最优性	无保证	理论最优
适用性	直方图分布好时效果好	更广泛

Project 3：高级分割（Advanced Segmentation）

实验内容：实现区域生长、改进 K-means 聚类 和 分水岭算法，定量计算病灶体积。

实验原理：

• 区域生长：\(|I(P) - \mu_R| \leq \text{Tolerance}\) → 合并入区域
• 改进 K-means：特征向量 \(V = [I, W \cdot X, W \cdot Y]\)，空间权重 \(W\) 控制聚类内聚性
• 分水岭：梯度图上运行，手动标记前景/背景种子避免过度分割

各算法比较：

算法	优点	缺点	2D 场景
区域生长	连通性好，逻辑直观	种子点敏感，易泄漏	边界清晰的单一组织提取
标准 K-means	全自动，速度快	结果破碎，无法区分不同位置的同亮度区	图像初步分类
改进 K-means	空间连续性好，去噪点	\(W\) 过大会引入非病灶区	信号不均的病灶分割
分水岭	边缘定位精准	参数复杂，极易过度分割	精度要求高的解剖结构

K-means 空间权重 \(W\) 的选择

• \(W=0\)：标准 K-means（仅灰度）→ 结果破碎
• \(W=0.1\)：轻度空间约束 → 圆滑连续，去除飞地噪点（推荐）
• \(W=0.2\)：重度空间约束 → 过度规整，可能误将附近非目标组织纳入

---

历年卷解答

一、分水岭算法可能遇到的问题（2022 选择）

知识点定位：区域分割 — 分水岭算法

答案：过度分割（Over-segmentation）。

解释：由于噪声和梯度的局部不规则性，标准分水岭算法会产生大量琐碎的区域（远多于实际目标数）。解决方案：标记控制（Marker-Controlled）分水岭——在注水前手动指定哪些位置是前景/背景，抑制不必要的区域极小值。

---

二、区域生长算法对噪声的敏感性（2022 判断）

知识点定位：区域分割 — 区域生长

题目："区域生长算法严格依赖于种子点的选择和生长策略，但对噪声不敏感。"

答案：错误。

解释：区域生长算法对初始噪声也是敏感的——如果图像中存在噪声，种子点附近的噪声像素可能不满足相似性准则而被误分类，或者噪声造成的虚假边界会阻断区域的正常扩张。区域生长对种子点、相似性阈值、噪声三者都敏感。

---

三、边缘检测算子与方向响应（2022 大题）

知识点定位：边缘检测 — 梯度算子

题目：给一个边缘检测算子 \([-1 \quad 1]\)，做卷积：

1. 为什么没有对所有边缘都有响应？
2. 设计另外一个算子，使其与原算子同时使用完成边缘检测任务。

解答：

(1) 算子 \([-1 \quad 1]\) 实际上计算的是水平方向的一阶差分 \(f(x+1) - f(x)\)，即 \(\frac{\partial f}{\partial x}\) 的近似。它只对水平方向（垂直边缘）有响应——当灰度在水平方向发生变化时（从暗到亮的垂直边缘），该算子产生强输出。对于水平边缘（垂直方向的灰度变化），该算子几乎不产生响应。

(2) 只需对原算子做转置，得到提取竖直方向梯度（水平边缘）的算子：

\[ \begin{bmatrix} -1 \\ 1 \end{bmatrix} \]

原算子 \([-1 \quad 1]\) 提取水平梯度 \(G_x\)（检测垂直边缘），转置算子提取垂直梯度 \(G_y\)（检测水平边缘）。两者组合使用即可计算梯度幅值 \(M = \sqrt{G_x^2 + G_y^2}\)，对所有方向的边缘产生响应。

---

四、拉普拉斯算子对图像做平滑（2020 判断）

知识点定位：边缘检测 — Laplacian 算子

题目："拉普拉斯算子对图像做了平滑操作。"

答案：错误。

解释：Laplacian 是二阶导数算子，其作用是锐化（Sharpening）而非平滑。Laplacian 增强图像中的灰度突变（边缘和噪声），在平坦区域输出为零。掩膜系数之和 = 0，中心为正值（4 或 8）——这是高通滤波器的特征，而非平滑滤波器。平滑操作会使图像模糊，Laplacian 恰恰相反。

---

五、分水岭算法的适用场景（2020 判断）

知识点定位：区域分割 — 分水岭算法

题目："分水岭法适用于低分辨率、复杂的图像。"

答案：不适合。

解释：分水岭算法在低分辨率图像上容易产生更大的误差（像素粒度大 → 边界粗糙），且对复杂场景（纹理多、噪声大）极易产生严重的过度分割。分水岭更适合较高分辨率、目标边界清晰的图像，通常需要预处理（如标记控制）才能在实际中使用。

---

六、阈值分割与直方图的关系 + Otsu 的优点和步骤（2020 简答）

知识点定位：阈值分割 — Otsu 方法

题目：

1. 简述阈值分割和直方图的联系
2. 简述 Otsu 的优点和关键步骤

解答：

(1) 阈值分割与直方图的联系：

阈值分割直接依赖于图像的灰度直方图。直方图的形状决定了阈值分割是否可行：

• 直方图呈现明显的双峰且有深谷 → 阈值分割效果好（谷底即为最优阈值）
• 直方图呈现单峰 → 目标和背景灰度重叠严重 → 单一阈值无法有效分割
• 噪声使峰变宽、谷变浅 → 阈值选择困难
• 目标和背景面积比悬殊 → 直方图中较小的峰可能被淹没

阈值分割的本质是在直方图中寻找一个最优的分界点。

(2) Otsu 方法的优点和关键步骤：

优点：

• 全自动：无需人工设定阈值或初始值
• 数学严谨：基于最大化类间方差，具有统计学上的最优性
• 适应性广：对直方图呈双峰的图像效果极佳

关键步骤：

1. 计算图像的灰度直方图 \(p_i = n_i/N\)
2. 计算全局灰度均值 \(m_G\)
3. 遍历所有可能的阈值 \(k = 0, 1, \ldots, L-1\)：
4. 计算 \(C_0\)（\(\leq k\)）和 \(C_1\)（\(>k\)）的概率和累积均值
5. 计算类间方差 \(\sigma_B^2(k) = \frac{(m_G \cdot \omega(k) - m(k))^2}{\omega(k)\mu(k)}\)
6. 选择使 \(\sigma_B^2(k)\) 最大的 \(k\) 为最优阈值
7. 用该阈值对图像进行二值化

---

七、区域生长算法的正确描述（2020 选择）

知识点定位：区域分割 — 区域生长

正确描述：区域生长算法需要手动或自动选择种子点，基于预定义的相似性准则（灰度、纹理等）将相似邻域像素纳入区域，迭代扩张直到满足停止条件。

错误说法举例：

• "区域生长不需要种子点"——错，种子点是区域生长的起点
• "区域生长对噪声不敏感"——错，噪声会直接影响相似性判断
• "区域生长不会泄漏到相邻结构"——错，如果目标边界模糊且容忍度设置过大，区域会泄漏