Lowe和Bay提出的SIFT和SURF演算法高效實現了具有尺度和旋轉不變性的特徵檢測，但這些特徵不具有仿射不變性。

區域檢測針對各種不同形狀的影象區域，通過對區域的旋轉和尺寸歸一化，可以實現仿射不變性。

MSER（Maximally Stable Extrernal Regions）是區域檢測中影響最大的演算法

1. 原理

MSER基於分水嶺的概念：對影象進行二值化，二值化閾值取[0, 255]，這樣二值化影象就經歷一個從全黑到全白的過程（就像水位不斷上升的俯瞰圖）。在這個過程中，有些連通區域面積隨閾值上升的變化很小，這種區域就叫MSER。

，其中Qi表示第i個連通區域的面積，Δ表示微小的閾值變化（注水），當vi小於給定閾值時認為該區域為MSER。

顯然，這樣檢測得到的MSER內部灰度值是小於邊界的，想象一副黑色背景白色區域的圖片，顯然這個區域是檢測不到的。因此對原圖進行一次MSER檢測後需要將其反轉，再做一次MSER檢測，兩次操作又稱MSER+和MSER-

2. 演算法步驟

從上節可以看到，MSER的基本思路很簡單，但編碼實現是很需要演算法和程式設計技巧的

以下演算法步驟基於改進的分水嶺演算法：注水的地方固定，只有當該處的溝壑水漫出來後才能注入到另一個溝壑

此外，為方便程式設計，面積變化的計算方式也從雙邊改為單邊檢測，即

1、初始化棧和堆，棧用於儲存組塊（組塊就是區域，就相當於水面，水漫過的地方就會出現水面，水面的高度就是影象的灰度值，因此用灰度值來表示組塊的值），堆用於儲存組塊的邊界畫素，相當於水域的岸邊，岸邊要高於水面的，因此邊界畫素的灰度值一定不小於它所包圍的區域（即組塊）的灰度值。首先向棧內放入一個虛假的組塊，當該組塊被彈出時意味著程式的結束；

2、把影象中的任意一個畫素（一般選取影象的左上角畫素）作為源畫素，標註該畫素為已訪問過，並且把該畫素的灰度值作為當前值。這一步相當於往源畫素這一地點注水；

3、向棧內放入一個空組塊，該組塊的值是當前值；

4、按照順序搜尋當前值的4-領域內剩餘的邊緣，對於每一個鄰域，檢查它是否已經被訪問過，如果沒有，則標註它為已訪問過並檢索它的灰度值，如果灰度值不小於當前值，則把它放入用於存放邊界畫素的堆中。另一方面，如果領域灰度值小於當前值，則把當前值放入堆中，而把領域值作為當前值，並回到步驟3；

5、累計棧頂組塊的畫素個數，即計算區域面積，這是通過迴圈累計得到的，這一步相當於水面的飽和；

6、彈出堆中的邊界畫素。如果堆是空的，則程式結束；如果彈出的邊界畫素的灰度值等於當前值，則回到步驟4；

7、從堆中得到的畫素值會大於當前值，因此我們需要處理棧中所有的組塊，直到棧中的組塊的灰度值大於當前邊界畫素灰度值為止。然後回到步驟4。


至於如何處理組塊，則需要進入處理棧子模組中，傳入該子模組的值為步驟7中從堆中提取得到的邊界畫素灰度值。子模組的具體步驟為：
1）、處理棧頂的組塊，即根據公式2計算最大穩定區域，判斷其是否為極值區域；
2）、如果邊界畫素灰度值小於距棧頂第二個組塊的灰度值，那麼設棧頂組塊的灰度值為邊界畫素灰度值，並退出該子模組。之所以會出現這種情況，是因為在棧頂組塊和第二個組塊之間還有組塊沒有被檢測處理，因此我們需要改變棧頂組塊的灰度值為邊界畫素灰度值（相當於這兩層的組塊進行了合併），並回到主程式，再次搜尋組塊；
3）、彈出棧頂組塊，並與目前棧頂組塊合併；
4）、如果邊界畫素灰度值大於棧頂組塊的灰度值，則回到步驟1。