比较分水岭和抓取
Comparing watershed and grabcut
我知道分水岭和抓取算法都是图像分割的常用工具。它们似乎都依赖于预定义的标记来形成类似源汇系统的东西，然后使用图像的梯度来找到边界。
我观察到的最大区别是 grabcut 使用梯度转换为边缘权重的图形结构，而分水岭通过向梯度图像缓慢添加水来直观地工作。但对我来说，它们似乎会产生相似的结果？
我的问题是这两种算法之间的相对优势和劣势是什么？我什么时候应该使用一个而不是另一个？
我不知道 GraphCut，但对于 Watershed，主要弱点是 "leaking"。事实上，如果你的标记没有被完美定义，一旦找到允许传播的像素，分水岭就会泄漏。所以它必须受到标记的高度限制。
分水岭（开发的不错，看SMIL库）貌似比图切快
供日后参考，
opencv的具体情况和我所经历的，
Grabcut只分离前景和背景（即只支持2个标签），watershed支持多标签分割
Grabcut 比 watershed 慢得多，我没有硬性统计数据，但 watershed 能够近乎实时地处理 grabcut 需要大约 5 秒才能处理的图像
我知道分水岭和抓取算法都是图像分割的常用工具。它们似乎都依赖于预定义的标记来形成类似源汇系统的东西，然后使用图像的梯度来找到边界。
我观察到的最大区别是 grabcut 使用梯度转换为边缘权重的图形结构，而分水岭通过向梯度图像缓慢添加水来直观地工作。但对我来说，它们似乎会产生相似的结果？
我的问题是这两种算法之间的相对优势和劣势是什么？我什么时候应该使用一个而不是另一个？
我不知道 GraphCut，但对于 Watershed，主要弱点是 "leaking"。事实上，如果你的标记没有被完美定义，一旦找到允许传播的像素，分水岭就会泄漏。所以它必须受到标记的高度限制。
分水岭（开发的不错，看SMIL库）貌似比图切快
供日后参考，
opencv的具体情况和我所经历的，
Grabcut只分离前景和背景（即只支持2个标签），watershed支持多标签分割
Grabcut 比 watershed 慢得多，我没有硬性统计数据，但 watershed 能够近乎实时地处理 grabcut 需要大约 5 秒才能处理的图像