结论

我们已经看到，分割在于将图像划分为几个同质的区域。 区域的同质性基于颜色、纹理、轮廓等。

分割方法多种多样，我们只介绍了一部分。 其他现有方法包括活动轮廓（也称为蛇形模型）、水平集、马尔可夫模型等。 除了这些“基于模型”的方法外，深度学习方法在结果上取得了显著的提升。

最后，我们列出了一些用于评估分割方法质量的标准。 这些标准对于比较不同的分割方法非常有用。

参考文献¶

• J.B. MacQueen, “Some Methods for classification and Analysis of Multivariate Observations”, Proceedings of 5th Berkeley Symposium on Mathematical Statistics and Probability, vol. 1, p. 281--297, 1967

• N. Otsu, “A threshold selection method from gray-level histograms”, IEEE Transactions on Systems, Man, and Cybernetics, vol. 9, no 1, p. 62-66, 1979.

• H. Steinhaus, “Sur la division des corps matériels en parties”, Bull. Acad. Polon. Sci., vol. 4, no 12, p. 801-804, 1957.