傳統提取算法，闕值提取法是圖像分割中使用較為廣泛的方法，通過闕值的設置，將處于闕值區間內的像素區域歸納為同一區域，從而分割圖像。此類算法的缺陷在于只考慮了目標的灰度信息，從而缺少魯棒性。在這類算法中，如何獲取一個合理的闕值是算法成功的關鍵，手動選取闕值無法具備通用性，易受環境變化的影響，主流的選取闕值的方法有類間方差法和熵闕值分割法。
大類間方差法根據圖像的灰度特性尋找闕值，使分割出的圖像區域之間的差別大，用于判斷分割圖像區域之間的差別是其各區域間的內部方差。大類間方差法極易受到噪音的影響，如陰影，但在單純背景條件下，適用于初步的獲取目標物的位置。大熵闕值法與大類間方差原理類似，將圖像通過信息熵分為不同區域。信息熵在混亂無序的系統中較大，在確定有序的系統中較小，根據信息熵的特性，可將圖像分割為不同的區域。
圖像分割算法是用于農產品光電檢測分級分類的基礎任務，傳統算法的優勢在于結構簡單，，但對復雜環境的適應性較弱。深度學習方法受到環境影響較少，但需大量樣本支持，如何正確的獲取樣本，以及提高算法的整體效率是當前需要解決的主要問題。在實際使用中，深度學習由于性能問題尚無法完全取代傳統算法，使用者可以根據具體的需求選擇合適的算法。
在線客服
17856548804
2179259773@qq.com
