生长阈算法
1. canny 算法的阈值，有两个，到底是做什么用的
第一个是低阈值，第二个高阈值
高阈值比较严格，求的边缘很少，认为高阈值的边缘都是有效。低阈值宽松，求的边缘很多（一般包括了高阈值求到的边缘），其中不少是无效的边缘（反正不想要的）。
先用高阈值求边缘。canny求得的边缘希望是连在一起的（通常是封闭的），但高阈值求的边缘一般断断续续。断开的地方如果低阈值求的边缘存在，就用低阈值的边缘接上去，目的让边缘尽量都连在一起。其它情况下低阈值的边缘是不用的。
两个阈值是有区别的，高的那个阈值是将要提取轮廓的物体与背景区分开来，就像阈值分割的那个参数一样，是决定目标与背景对比度的，低的那个阈值是用来平滑边缘的轮廓，有时高的阈值设置太大了，可能边缘轮廓不连续或者不够平滑，通过低阈值来平滑轮廓线，或者使不连续的部分连接起来
2. Heursure阈值算法是什么
rigrsure阈值，是一种基于Stein的无偏似然估计原理的自适应阈值选择；
sqtwolog阈值，采用的是一种固定的阈值形式，它所产生的阈值为2log(length(x))
heursure阈值，是前两种阈值法的综合，所选择的是最优预测变量阈值，当信噪比很小，阈值估计有很大噪声时就需要采用这种固定的阈值形式
刚在写论文，随手粘贴过来。
3. TCP拥塞控制中慢启动算法的阈值是怎么确定的
阀值(threshold)，初始时该参数为64KB。当一次超时发生的时候，阀值被设置为当前拥塞窗口的一半，而拥塞窗口被重置为一个最大数据段。然后使用慢启动算法来决定网络的处理能力，不过当增长到阀值的时候便停止。从这个点开始，每一此成功的传输都会使拥塞窗口线性地增长(即每次突发数据仅增长一个最大数据段)，而不是成倍地增长。实际上，这个算法是在猜测，将拥塞窗口减小一半可能是可以接受的，然后再从这点开始慢慢地往上增长。
如果不再发生超时的话，则拥塞窗口将继续线性增长，知道达到接收方准许窗口的大小。在这个点上，它将停止增长，而且，只要不再发生超时并且接收方的窗口大小不改变大小，则拥塞窗口保持不变。顺便提一下，如果一个ICMP SOURCE QUENCH分组到来并且被传递给TCP，则这个时间将被当作超时一样来对待。
4. 生长期怎么算
估算生长期有不同的方法，比如说阈值法、时间序列法、曲线拟合法等等，具体的方法可参考相关文献，里面都有详细介绍。
5. 简单阈值法和Otsu算法的根本区别是什么
区别如下：
Niblack算法是通过某一像素点及其邻域内像素点灰度值的均值和标准差计算得到二值化阈值的。在计算图像点(x,y)二值化阈值时，首先计算以(x,y)为中心的n*n大小的区域内像素点的灰度均值m和标准差s。灰度均值m和标准差s的计算公式如下：
然后根据灰度均值和标准差计算得到点(x,y)的二值化阈值T，计算公式为T(x,y)=k*s(x,y)+m(x,y)，其中k为修正系数。最后根据计算得到的阈值T对该点进行二值化处理。将图像中所有的像素点按照此方法处理即可得到二值化图像。
虽然能够实现图像的二值化，但是如果选取的区域均为背景点时，该算法会将灰度值较高的点当做是目标点，导致伪噪声的引入（针对伪噪声引入的问题，产生了Sauvola算法）。此处说明一下Sauvola算法。Sauvola算法可以说是一种改进的Niblack算法。首先也是按照上文所述方式求取灰度均值和标准差，但是采用了不同的阈值选取方法。
6. 动态阈值一般有什么算法谢谢啦，没钱。。。
%本程序是利用最大类间方差算法求解自适应阈值，对图像进行分割
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转灰度
if isrgb(BW4)==1
I_gray=rgb2gray(BW4);
else
I_gray=BW4;
end
figure,imshow(I_gray);
I_double=double(I_gray);%转化为双精度
[wid,len]=size(I_gray);
colorlevel=256; %灰度级
hist=zeros(colorlevel,1);%直方图
%threshold=128; %初始阈值
%计算直方图
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);%直方图归一化
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 %阈值归一化
T=graythresh(I_gray)%matlab函数求阈值
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);
已发送，请查收，发送邮箱[email protected] ,你的邮箱名是错的，弹回来了。反正这里也有，不发了。
7. 一幅图像通过阈值分割算法得到最佳阈值，怎么通过阈值得到分割后的两幅图像比如说：分割舌苔舌质
根据灰度、梯度、形态等来设定自适应阈值。
设定过程：设置→参数→选择（灰度、梯度、形态）→输入数值→计算阈值→搞定。
阈值又叫临界值，是指一个效应能够产生的最低值或最高值。
阈值又称阈强度，是指释放一个行为反应所需要的最小刺激强度。低于阈值的刺激不能导致行为释放。在反射活动中，阈值的大小是固定不变的，在复杂行为中，阈值则受各种环境条件和动物生理状况的影响。当一种行为更难于释放时，就是阈值提高了;当一种行为更容易释放时，就是阈值下降了。一般说来，刚刚完成某一行为后，动物对这一行为的要求就会大大下降。例如刚交过尾的动物，对于性刺激或是没有反应或是反应很弱，这就意味着释放性行为的阈值增加了。类似情况在觅食行为和其他行为中也很常见。另一方面，长时间未发生的行为非常容易被释放，释放这种行为的刺激强度会变得非常小。在极端情况下，阈值的降低可以导致行为的自发产生，这就是空放行为(vacuum behavior)。空放行为是一种无刺激行为释放，是达不到该种行为目的的一种行为。最令人信服的实例是织巢鸟的筑巢行为。饲养在鸟笼中的织巢鸟，在得不到任何筑巢材料和代用物的情况下，也完全可以表现出筑巢动作，虽然这种动作达不到它本来的目的。
阈值又叫临界值，是指一个效应能够产生的最低值或最高值。
8. 阈值法和区域生长法的异同点
阈值法和区域生长法的异同点如下：
1、相同点：相似性的测度都能够由所肯定的阈值来决定，对于有相同或相似性质的邻域像素进行归并。都是针对非规则图形，基于区域整体特性的图像分割方式。
2、不同点：区域生长法关键是需要按照先验知识选取种子点，，对每一个分割的区域找一个种子点，将种子像素周围邻域中与种子像素有相同或相似性质的像素与种子像素归并。区域归并与割裂方式的核心是将图像分成若干子块，对每一个子块的属性进行计算，当属性表明该子块包括不同区域的像素，则该子块再分成若干子块，若是几个子块的属性相似，则这几个相似属性的子块归并成一个大的区域。
9. otsu阈值分割算法是什么
Otsu算法：最大类间方差法(大津算法)，是一种确定阈值的算法。
之所以称为最大类间方差法是因为，用该阈值进行的图像固定阈值二值化，类间方差最大，它是按图像的灰度特性,将图像分成背景和前景两部分，使类间方差最大的分割意味着错分概率最小。
算法评价：
优点：算法简单，当目标与背景的面积相差不大时，能够有效地对图像进行分割。
缺点：当图像中的目标与背景的面积相差很大时，表现为直方图没有明显的双峰，或者两个峰的大小相差很大，分割效果不佳，或者目标与背景的灰度有较大的重叠时也不能准确的将目标与背景分开。