提示：会随着我的学习会不断加深的
文章目录
一、ROI
简单来说，ROI就是从图像中选定一个你需要重点处理的区域，然后只对这个区域进行操作
在图像处理中，使用ROI主要有两大好处：
- 提升性能：只处理图像的一小部分，可以显著减少计算量，提高处理速度。
- 提高精度：将处理范围限定在特定区域，可以避免背景干扰，提高处理精度。例如，在检测眼睛时，先定位人脸（ROI），再在脸部区域内搜索眼睛
二、 Otsu 算法算自动阈值
Otsu算法（大津算法） 是一种用于图像二值化的经典自动阈值分割方法。它由日本学者大津展之（Nobuyuki Otsu）于1979年提出，核心思想是最大化类间方差。简单来说，算法会遍历所有可能的灰度阈值，并计算将该阈值下的像素分为"前景"和"背景"两类后的类间方差。能使这个方差最大的阈值，就是最佳分割阈值
- 计算灰度直方图：统计图像中每个灰度级（0-255）的像素数量。
- 遍历所有阈值：对于每一个可能的灰度值k（从0到255），将其作为候选阈值。
- 计算类间方差：根据阈值k，将像素分为背景（灰度值<k）和前景（灰度值>k）两类，并计算这两类的类间方差。
- 确定最佳阈值：比较所有阈值对应的类间方差，选择使类间方差最大的那个阈值k作为最终的最佳分割阈值。
三、区域增长法
区域生长法（Region Growing） 是一种经典的基于区域的图像分割算法。与 Otsu 算法（基于全局灰度统计）不同，区域生长法利用的是空间邻近性和像素间的相似性，通过将具有相似属性的相邻像素聚集起来形成连通区域。要实现区域生长，必须提前定义好三个关键问题：
- 种子点（Seed）：从哪里开始生长？可以是单个像素，也可以是多个像素组成的区域。
- 生长准则（Criterion）：凭什么条件"拉拢"邻居？通常基于像素灰度值、颜色、纹理等特征，最常见的是灰度差值（即邻居像素与区域平均灰度的差值小于某个阈值）。
- 停止规则（Stop Condition）：什么时候结束？当没有新的邻居像素满足生长准则时，算法停止。