图像分割是指将图像分成互不重叠的若干子区域，使同一子区域内的特征具有一定的相似性，不同子区域的特征表现出比较明显的差异。
一般方法
1 .按阈值分割方法
2 .基于边缘检测的分割方法
3 .基于区域的分割方法
4 .基于深度学习的分割方法
1.基于阈值的分割方法
基本思想：首先，确定合适的阈值t (阈值选定的好坏是该方法成败的关键)； 接着，将阈值以上的像素作为物体或背景，生成1个2值图像。
(基于图的灰度直方图)
2.基于边缘检测的分割方法
基本思想：计算局部微分算子
一阶导数：用梯度算子计算
用途：用于检测图像中边缘的存在
二阶导数：用拉普拉斯算子计算
用途：
1 )二阶导数的符号，用于确定边缘上的像素是在亮侧还是在暗侧。
2 )二阶导数的过零点用于确定边的中心。
3、区域生长
算法实现：
1 )根据图像用途，选择最亮、最暗或位于点簇中间的种子或一组种子。
2 )选择一个条件
3 )从该种子向外侧扩展，首先将种子像素追加到结果集合中，然后继续将与集合中的各像素相连且满足条件的像素追加到集合中。
4 )前面的过程一直进行到满足条件的新节点不再参加集合为止。
3.1、区域分裂与聚合
算法实现：
1 )将图像中灰度级不同的区域全部划分为4个子区域
2 )如果相邻子区域所有像素的灰度相同，则将它们合并
3 )重复上两步操作，直至不再有新的分裂和合并
图像分割的目的
普通分割
划分属于不同物体的像素区域。 如果前景和背景分开的话，狗的区域和猫的区域和背景就分开了。
语义分割
基于普通分割，对每一块的含义(即，块是什么样的物体)进行分类。 如果把画面中的所有物体指出各自的类别。
实例分割
基于语义分割，对每个物体进行编号。 这就是画面中的狗a，那就是画面中的狗b。