是否存在可识别颜色相似相邻像素分组的已知命名算法？

你描述的算法属于区域生长/区域合并（Region Growing/Region Merging） 家族的标准实现，在图像处理领域也常被称为基于邻域颜色相似性的自适应区域平均算法，属于无固定输出色数的自适应色调分离类实现。

特征匹配说明 #

• 核心逻辑完全对齐：你提到的「仅输入距离阈值、邻域像素颜色距离低于阈值归为同一分组、合并后动态更新组内颜色均值、无固定输出色数」完全符合区域合并类算法的基础规则：不需要预先指定聚类中心或输出颜色数量，仅通过相邻像素的相似度阈值决定是否合并，合并后更新分组的特征值（此处为RGB均值）再继续迭代扩张，直到没有符合阈值的可合并邻域为止。
• 与同类常见算法的差异：
  • 和标准色调分离（Posterization）/颜色量化（Color Quantization）的区别你已经明确：这类传统算法一般需要预先指定输出色阶或颜色总数，而该实现是阈值驱动的自适应输出，最终颜色数量由原图内容和阈值共同决定。
  • 和泛洪填充（Flood Fill）的区别：传统泛洪填充需要预先指定种子点再向外扩张，该实现属于无种子点的全局邻域合并，会遍历所有像素自动生成所有符合规则的连通区域。

内容的提问来源于stack exchange，提问作者Ken Downs