学习完Tour2，第一感觉Definiens公司用错了一个词，就是这个“Segmentation”，其实无论是“Segmetation”还是“Classification-based Segmetation”都是一个合并的过程，Segmetation是把像素合并成一个个小多边形（即所谓的“影像对象”image objects），Classification-based Segmetation实际上是把一个个小的影像对象（小多边形）合并成大一点的多边形，整个过程都是在合并，而不是分割。用户手册405页中间的标题是“Performing a classification-based fusion” ，用“Classification-based Segmetation”工具干的是“fusion”的事情。用分割工具，干着合并的勾当，这让我好困惑，为什么要这样挂羊头卖狗肉呢？脑筋急转弯一转，哦！原来这是因为考虑问题的角度不一样，我是从“bottom to up”的方向去考虑的，从下到上，从像素的角度而言，当然都是合并的过程，而Definiens公司是“up to bottom”的方向考虑的，对于整景影像（entire scene）而言，这些过程当然是将整体分割成一个个小的图像对象的过程，分割的是影像（image），合并的是对象（objects），正所谓“分即是合，合即是分”，联想到一个网友他的签名档就是“色就TMD是空，空也就TMD是色。今晚，我想空一下。”让人忍俊不禁。（东阳何生荣誉出品）

总结Tour2的整个分类过程，“分割->分类->再分割->再分类”：（东阳何生荣誉出品）

Segmentation
               │
               ∨
Classification
               │
               ∨
Classification-based Segmetation（东阳何生荣誉出品）
               │
               ∨
Classification

先把像素分割成一个个小单元（多边形），进行一次粗分类，得出分类结果之后，根据分类结果合并成大一些的对象之后，再分类……整个过程就是一个分分合合合合分分循环往复直到得出理想的分类结果的过程，不禁让人想到《三国演义》的开篇之句：“话说天下大势，合久必分，分久必合”，eCognition的分类过程不正是体现了“合久必分,分久必合”这一哲学思想吗？遥想罗贯中老先生要是知道他的这一思想在近700年之后，被老外应用于面向对象的影像分析软件中，不知改作如何感想了哦？（东阳何生荣誉出品）

再一细想，其实这种辨正的哲学思想贯穿到eCognition的整个设计当中的，因为它采用的是“模糊逻辑”算法，即使它出来的分类结果也是每个图斑属于某一类别的可能性（即所谓的“软分类”），而没有把话说死，它说的是这个图斑是林地的可能性是0.9，耕地的可能性0.8，园地的可能性0.6……模棱两可的算法，得出精确的分类结果，这又是一对辨正统一的矛盾，由此看来，eCognition有可能是世界上最具有辨正思维的软件了，哈哈！（东阳何生荣誉出品）

（东阳何生荣誉出品）　

（东阳何生荣誉出品）　

（东阳何生荣誉出品）　

★★★★★★★★★★★★★★★★★★★★★
东阳何生®原创出品，转载请注明出处:-)
★★★★★★★★★★★★★★★★★★★★★