其基本思想是從一組生長點開始（生長點可以是單個畫素，也可以是某個小區域），將與該生長點性質相似的相鄰畫素或者區域與生長點合併，形成新的生長點，重複此過程直到不能生長為止。生長點和相似區域的相似性判斷依據可以是灰度值、紋理、顏色等影象資訊。所以區域生長演算法關鍵有三個：
1、選擇合適的生長點；
2、確定相似性準則即生長準則；
3、確定生長停止條件。
閾值法的基本思想是基於影象的灰度特徵來計算乙個或多個灰度閾值，並將影象中每個畫素的灰度值與閾值作比較，最後將畫素根據比較結果分到合適的類別中。因此，該方法最為關鍵的一步就是按照某個準則函式來求解最佳灰度閾值。
影象若只有目標和背景兩大類，那麼只需要選取乙個閾值進行分割，此方法成為單閾值分割；但是如果影象中有多個目標需要提取，單一閾值的分割就會出現作物，在這種情況下就需要選取多個閾值將每個目標分隔開，這種分割方法相應的成為多閾值分割。
只考慮畫素點灰度值本身的特徵，一般不考慮空間特徵，因此對雜訊比較敏感，魯棒性不高。
閾值分割方法的最關鍵就在於閾值的選擇。
分水嶺演算法是一種影象區域分割法，在分割的過程中，它會把跟臨近畫素間的相似性作為重要的參考依據，從而將在空間位置上相近並且灰度值相近（求梯度）的畫素點互相連線起來構成乙個封閉的輪廓。分水嶺演算法常用的操作步驟：彩色影象灰度化，然後再求梯度圖，最後在梯度圖的基礎上進行分水嶺演算法，求得分段影象的邊緣線。
下面左邊的灰度圖，可以描述為右邊的地形圖，地形的高度是由灰度圖的灰度值決定，灰度為0對應地形圖的地面，灰度值最大的畫素對應地形圖的最高點。
經典的閾值分割
1 otsu 最大類間方差 記t為前景與背景的分割閾值，前景點數佔影象比例為w0，平均灰度為u0 背景點數佔影象比例為w1，平均灰度為u1。則影象的總平均灰度為 u w0 u0 w1 u1。前景和背景圖象的方差 g w0 u0 u u0 u w1 u1 u u1 u 當方差g最大時，可以認為此時前景...
經典的演算法
下面是一些比較重要的演算法，原文 羅 列了32個，但我覺得有很多是數論裡的，和計算機的不相干，所以沒有選取。下面的這些，有的我們經常在用，有的基本不用。有的很常見，有的很偏。不過了解 一下也是好事。也歡迎你留下你覺得有意義的演算法。注 本篇文章並非翻譯，其中的演算法描述大部份摘自wikipedia，...
經典排序演算法的經典問題
問題描述 乙個陣列只含有三種元素 0，1，2，不使用計數排序，將0放在1的左邊，2放在1的右邊。分析 1.可借鑑快排中劃分的思想。將陣列分為,arr,2.遍歷arr,當發現0時，0區向右擴，發現2時，2區向左擴，3.當前元素進入2區時，結束。vector sortthreecolor vector ...