生長閾演算法
1. canny 演算法的閾值，有兩個，到底是做什麼用的
第一個是低閾值，第二個高閾值
高閾值比較嚴格，求的邊緣很少，認為高閾值的邊緣都是有效。低閾值寬松，求的邊緣很多（一般包括了高閾值求到的邊緣），其中不少是無效的邊緣（反正不想要的）。
先用高閾值求邊緣。canny求得的邊緣希望是連在一起的（通常是封閉的），但高閾值求的邊緣一般斷斷續續。斷開的地方如果低閾值求的邊緣存在，就用低閾值的邊緣接上去，目的讓邊緣盡量都連在一起。其它情況下低閾值的邊緣是不用的。
兩個閾值是有區別的，高的那個閾值是將要提取輪廓的物體與背景區分開來，就像閾值分割的那個參數一樣，是決定目標與背景對比度的，低的那個閾值是用來平滑邊緣的輪廓，有時高的閾值設置太大了，可能邊緣輪廓不連續或者不夠平滑，通過低閾值來平滑輪廓線，或者使不連續的部分連接起來
2. Heursure閾值演算法是什麼
rigrsure閾值，是一種基於Stein的無偏似然估計原理的自適應閾值選擇；
sqtwolog閾值，採用的是一種固定的閾值形式，它所產生的閾值為2log(length(x))
heursure閾值，是前兩種閾值法的綜合，所選擇的是最優預測變數閾值，當信噪比很小，閾值估計有很大雜訊時就需要採用這種固定的閾值形式
剛在寫論文，隨手粘貼過來。
3. TCP擁塞控制中慢啟動演算法的閾值是怎麼確定的
閥值(threshold)，初始時該參數為64KB。當一次超時發生的時候，閥值被設置為當前擁塞窗口的一半，而擁塞窗口被重置為一個最大數據段。然後使用慢啟動演算法來決定網路的處理能力，不過當增長到閥值的時候便停止。從這個點開始，每一此成功的傳輸都會使擁塞窗口線性地增長(即每次突發數據僅增長一個最大數據段)，而不是成倍地增長。實際上，這個演算法是在猜測，將擁塞窗口減小一半可能是可以接受的，然後再從這點開始慢慢地往上增長。
如果不再發生超時的話，則擁塞窗口將繼續線性增長，知道達到接收方准許窗口的大小。在這個點上，它將停止增長，而且，只要不再發生超時並且接收方的窗口大小不改變大小，則擁塞窗口保持不變。順便提一下，如果一個ICMP SOURCE QUENCH分組到來並且被傳遞給TCP，則這個時間將被當作超時一樣來對待。
4. 生長期怎麼算
估算生長期有不同的方法，比如說閾值法、時間序列法、曲線擬合法等等，具體的方法可參考相關文獻，裡面都有詳細介紹。
5. 簡單閾值法和Otsu演算法的根本區別是什麼
區別如下：
Niblack演算法是通過某一像素點及其鄰域內像素點灰度值的均值和標准差計算得到二值化閾值的。在計算圖像點(x,y)二值化閾值時，首先計算以(x,y)為中心的n*n大小的區域內像素點的灰度均值m和標准差s。灰度均值m和標准差s的計算公式如下：
然後根據灰度均值和標准差計算得到點(x,y)的二值化閾值T，計算公式為T(x,y)=k*s(x,y)+m(x,y)，其中k為修正系數。最後根據計算得到的閾值T對該點進行二值化處理。將圖像中所有的像素點按照此方法處理即可得到二值化圖像。
雖然能夠實現圖像的二值化，但是如果選取的區域均為背景點時，該演算法會將灰度值較高的點當做是目標點，導致偽雜訊的引入（針對偽雜訊引入的問題，產生了Sauvola演算法）。此處說明一下Sauvola演算法。Sauvola演算法可以說是一種改進的Niblack演算法。首先也是按照上文所述方式求取灰度均值和標准差，但是採用了不同的閾值選取方法。
6. 動態閾值一般有什麼演算法謝謝啦，沒錢。。。
%本程序是利用最大類間方差演算法求解自適應閾值，對圖像進行分割
clear;
warning off;
web -browser
SE = strel('diamond',4);
BW1 = imread('img1.bmp');
BW2 = imerode(BW1,SE);
BW3 = imdilate(BW2,SE);
BW4 = BW1-BW3;
%rgb轉灰度
if isrgb(BW4)==1
I_gray=rgb2gray(BW4);
else
I_gray=BW4;
end
figure,imshow(I_gray);
I_double=double(I_gray);%轉化為雙精度
[wid,len]=size(I_gray);
colorlevel=256; %灰度級
hist=zeros(colorlevel,1);%直方圖
%threshold=128; %初始閾值
%計算直方圖
for i=1:wid
for j=1:len
m=I_gray(i,j)+1;
hist(m)=hist(m)+1;
end
end
hist=hist/(wid*len);%直方圖歸一化
miuT=0;
for m=1:colorlevel
miuT=miuT+(m-1)*hist(m);
end
xigmaB2=0;
for mindex=1:colorlevel
threshold=mindex-1;
omega1=0;
omega2=0;
for m=1:threshold-1
omega1=omega1+hist(m);
end
omega2=1-omega1;
miu1=0;
miu2=0;
for m=1:colorlevel
if m<threshold
miu1=miu1+(m-1)*hist(m);
else
miu2=miu2+(m-1)*hist(m);
end
end
miu1=miu1/omega1;
miu2=miu2/omega2;
xigmaB21=omega1*(miu1-miuT)^2+omega2*(miu2-miuT)^2;
xigma(mindex)=xigmaB21;
if xigmaB21>xigmaB2
finalT=threshold;
xigmaB2=xigmaB21;
end
end
fT=finalT/255 %閾值歸一化
T=graythresh(I_gray)%matlab函數求閾值
for i=1:wid
for j=1:len
if I_double(i,j)>finalT
bin(i,j)=1;
else
bin(i,j)=0;
end
end
end
figure,imshow(bin);
figure,plot(1:colorlevel,xigma);
已發送，請查收，發送郵箱[email protected] ,你的郵箱名是錯的，彈回來了。反正這里也有，不發了。
7. 一幅圖像通過閾值分割演算法得到最佳閾值，怎麼通過閾值得到分割後的兩幅圖像比如說：分割舌苔舌質
根據灰度、梯度、形態等來設定自適應閾值。
設定過程：設置→參數→選擇（灰度、梯度、形態）→輸入數值→計算閾值→搞定。
閾值又叫臨界值，是指一個效應能夠產生的最低值或最高值。
閾值又稱閾強度，是指釋放一個行為反應所需要的最小刺激強度。低於閾值的刺激不能導致行為釋放。在反射活動中，閾值的大小是固定不變的，在復雜行為中，閾值則受各種環境條件和動物生理狀況的影響。當一種行為更難於釋放時，就是閾值提高了;當一種行為更容易釋放時，就是閾值下降了。一般說來，剛剛完成某一行為後，動物對這一行為的要求就會大大下降。例如剛交過尾的動物，對於性刺激或是沒有反應或是反應很弱，這就意味著釋放性行為的閾值增加了。類似情況在覓食行為和其他行為中也很常見。另一方面，長時間未發生的行為非常容易被釋放，釋放這種行為的刺激強度會變得非常小。在極端情況下，閾值的降低可以導致行為的自發產生，這就是空放行為(vacuum behavior)。空放行為是一種無刺激行為釋放，是達不到該種行為目的的一種行為。最令人信服的實例是織巢鳥的築巢行為。飼養在鳥籠中的織巢鳥，在得不到任何築巢材料和代用物的情況下，也完全可以表現出築巢動作，雖然這種動作達不到它本來的目的。
閾值又叫臨界值，是指一個效應能夠產生的最低值或最高值。
8. 閾值法和區域生長法的異同點
閾值法和區域生長法的異同點如下：
1、相同點：相似性的測度都能夠由所肯定的閾值來決定，對於有相同或相似性質的鄰域像素進行歸並。都是針對非規則圖形，基於區域整體特性的圖像分割方式。
2、不同點：區域生長法關鍵是需要按照先驗知識選取種子點，，對每一個分割的區域找一個種子點，將種子像素周圍鄰域中與種子像素有相同或相似性質的像素與種子像素歸並。區域歸並與割裂方式的核心是將圖像分成若乾子塊，對每一個子塊的屬性進行計算，當屬性表明該子塊包括不同區域的像素，則該子塊再分成若乾子塊，若是幾個子塊的屬性相似，則這幾個相似屬性的子塊歸並成一個大的區域。
9. otsu閾值分割演算法是什麼
Otsu演算法：最大類間方差法(大津演算法)，是一種確定閾值的演算法。
之所以稱為最大類間方差法是因為，用該閾值進行的圖像固定閾值二值化，類間方差最大，它是按圖像的灰度特性,將圖像分成背景和前景兩部分，使類間方差最大的分割意味著錯分概率最小。
演算法評價：
優點：演算法簡單，當目標與背景的面積相差不大時，能夠有效地對圖像進行分割。
缺點：當圖像中的目標與背景的面積相差很大時，表現為直方圖沒有明顯的雙峰，或者兩個峰的大小相差很大，分割效果不佳，或者目標與背景的灰度有較大的重疊時也不能准確的將目標與背景分開。