我对CV模型的理解1

首先，CV模型是基于区域的水平集，没有涉及到边缘（简单通俗的说是没有边缘监测函数g）。理论部分参考的博士论文。

因此，将其最小化，便可以得到目标物体的边界。

某文章所说，为了保证水平集数值解法的稳定性，水平集函数在演化过程中需要周期性地初始化为符号距离函数。

符号距离函数，也很好理解，也就是自己根据原图像大小，初始化的一个矩阵。通常取圆，半径自己设定。

---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

我对其代码的理解。

首先读入图片，phi=sdf2circle(nrow,ncol,ic,jc,r);   //初始化为符号距离函数。

   phi=evolution_CVPDE(I,phi,mu,nu,lambda_1,lambda_2,delta_t,epsilon);  //水平集函数公式的演化。

    phi=phi0;%对水平集函数处理。
    phi=NeumannBoundCond(phi);%纽曼边界，处理边界。
    delta_h=Delta(phi,epsilon);%狄拉克函数。  对水平集函数进行处理。
    K = curvature(phi); %计算曲率，也是对水平集函数的处理。
    [C1,C2]=binaryfit(phi,I,epsilon);

C1、C2的计算需要用到海氏函数。海氏函数对于初始化水平集轮廓的外部为1（接近，也可为接近0），内部为0（接近，也可为接近1）。

分别计算内部和外部的平均灰度值。

进行第一次演化。得到的水平集函数进入第二次演化。

再是对水平集函数的处理。

因为水平集函数与图像U有对应的位置，在计算C1、C2的时候也海氏函数有很好的特性。

其终止条件是以迭代次数的终止而终止（也有可能在迭代次数之前能量达到最小化之后就不再演化了）。

    % updating the phi function
    phi=phi+delta_t*delta_h.*(mu*K-nu-lambda_1*(I-C1).^2+lambda_2*(I-C2).^2);    %能量函数公式