watershed|watershed algorithm overview
1、分水岭算法
该算法得到的是输入图像的集水盆图像的边缘信息，集水盆之间的边界点即为分水岭，其表示的是输入图像的极大值点，故为得到图像的边缘信息，通常把梯度图像作为输入图像来进行分水岭的操作。分水岭算法对弱边缘具有良好的响应，也因此会产生过度分割的现象。为了减弱过度分割的影响，可以先对梯度图像进行一次阈值筛选，去除掉一些弱边缘。
2、MSER：Maximally Stable External Regions（最大稳定极值区域）
基于分水岭的方法，当对图片依次设置阈值（从0~255逐渐递增）时，得到对应的二值图像，这样二值化图像就经历一个从全黑到全白的过程【大于阈值的取0，小于阈值的取1】，当图片中某些联通区域变化很小甚至没有变化时，此时即成为MSER区域。注意：单独的使用此方法，无法检测出黑色背景白色区域的图片（？？），故此时需要说道MSER+，即先对原图进行一次MSER检测后将其进行反转，再做一次MSER.
【watershed|watershed algorithm overview】注：MSER具有放射不变性，SIFT所描述的特征不具有放射不变性。
推荐阅读
- 实时|实时 OLAP 系统 Druid
- 机器学习算法系列（十二）-二次判别分析算法（Quadratic Discriminant Analysis Algorithm）
- 机器学习算法系列（十）-线性判别分析算法（一）（Linear Discriminant Analysis Algorithm）
- 灰度世界算法（Gray World Algorithm）和White Patch Retinex算法
- 机器学习算法系列（七）-对数几率回归算法（一）（Logistic Regression Algorithm）
- 机器学习算法系列（六）- 弹性网络回归算法（Elastic Net Regression Algorithm）
- 机器学习算法系列（五）- Lasso回归算法（Lasso Regression Algorithm）
- 机器学习算法系列（四）- 岭回归算法（Ridge Regression Algorithm）
- ARTS|ARTS 第2周
- 机器学习算法系列（二）- 口袋算法（Pocket Algorithm）