最大穩定極值區域mser（maximally stable extremal regions）是一種類似分水嶺的演算法，目前主要用於影象分割和車牌區域檢測。2023年由matas等人提出。
mser基本原理是對一幅灰度影象（灰度值為0～255）取閾值進行二值化處理，閾值從0到255依次遞增。在得到的所有二值影象中，影象中的某些連通區域變化很小，甚至沒有變化，則該區域就被稱為最大穩定極值區域。
閾值的遞增類似於分水嶺演算法中的水面的上公升，隨著水面的上公升，有一些較矮的丘陵會被淹沒，如果從天空往下看，則大地分為陸地和水域兩個部分，這類似於二值影象。
類似分水嶺分割方法，無法檢測出白色區域，因此還需要對原圖進行反轉，然後再進行閾值從0～255的二值化處理過程。這兩種操作又分別稱為mser+和mser-。
mser具有以下特點：
1. 對影象灰度具有仿射變換的不變性；2. 穩定性：具有相同閾值範圍內所支援的區域才會被選擇；3. 無需任何平滑處理就可以實現多尺度檢測，即小的和大的結構都可以被檢測到。實現效果：
機器學習實踐系列之8 人眼定位
一.人眼檢測 opencv自帶的人眼檢測，及教程都已比較普及，這裡不再囉嗦，訓練模板直接 load已經訓練好的檔案 haarcascade eye tree eyeglasses.xml，直接看 linolzhang 2014.10 基於opencv的人眼檢測 cascade include ope...
NPL實踐系列 4 傳統機器學習
原理 基於樸素貝葉斯公式，比較出後驗概率的最大值來進行分類，後驗概率的計算是由先驗概率與類條件概率的乘積得出，先驗概率和類條件概率要通過訓練資料集得出，即為樸素貝葉斯分類模型，將其儲存為中間結果，測試文件進行分類時呼叫這個中間結果得出後驗概率。模型和訓練 樸素貝葉斯分類器是一種有監督學習，常見有三種...
機器學習實踐之特徵工程
特徵工程是機器學習任務中非常核心的部分，特徵工程質量的好壞直接影響著模型訓練結果的好壞。常見的特徵工程可以分為特徵抽象 特徵重要性評估 特徵衍生和特徵降維等幾個方面。特徵抽象是指將原始資料抽象成演算法 或模型 可以理解的資料。針對不同的資料型別，主要有如下特徵抽象方法 1 時間戳。主要是針對具有鮮明...