圖像分割算法是用于農(nóng)產(chǎn)品光電檢測分級分類的基礎任務，傳統(tǒng)算法的優(yōu)勢在于結構簡單，，但對復雜環(huán)境的適應性較弱。深度學習方法受到環(huán)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(tǒng)算法，使用者可以根據(jù)具體的需求選擇合適的算法。
傳統(tǒng)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(qū)間內(nèi)的像素區(qū)域歸納為同一區(qū)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(huán)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。
在線客服
17856548804
2179259773@qq.com
