什么是图像分割?
你需要知道3件事
图像分割是数字图像处理和分析中常用的一种技术,通常根据图像中像素的特征将图像分割成多个部分或区域。图像分割可以包括从背景中分离前景,或者根据颜色或形状的相似性对像素区域进行聚类。例如,图像分割在医学成像中的一个常见应用是检测和标记图像中的像素或3D体素中表示病人脑部的肿瘤或者其他器官。
图像分割涉及将图像转换为由掩码或标记图像表示的像素区域的集合。通过将图像划分为部分,您可以只处理图像的重要部分,而不是处理整个图像。
一种常见的技术是寻找像素值中的突发性不连续,这通常表示定义区域的边缘。
另一种常用的方法是检测图像区域的相似性。遵循这种方法的一些技术是区域增长、聚类和阈值。
多年来,使用领域特定知识开发了各种其他执行图像分割的方法,以有效解决特定应用领域的分割问题。
颜色阈值App
这个颜色阈值应用程序让你应用阈值的颜色图像通过交互操作图像的颜色,基于不同的颜色空间。例如,你可以使用Color Thresholder应用程序来创建二进制掩码对彩色图像使用点云控件。
使用多种图像分割技术
用MATLAB和函数图像处理工具箱™,您可以在不同的图像分割技术上进行实验和构建专业知识,包括阈值分割、聚类、基于图的分割和区域增长。
阈值
使用大津的方法,imbinarize
对2D或3D灰度图像执行阈值化以创建二值图像。若要从RGB彩色图像生成二值图像,请使用rgb2gray
首先将其转换为灰度图像。
聚类
该技术允许您使用特定的聚类算法创建分段标记图像。使用基于k均值聚类的分割,imsegkmeans
将一张图像分割成K个簇。
图论分割
基于图形的分割技术,如lazy- snaps,可以将图像分割为前景和背景区域。MATLAB可以让您通过编程方式(lazysnapping
)或交互式使用图像分割应用程序。
区域增长
区域生长是一种简单的基于区域(也被归类为基于像素)的图像分割方法。一种常用的算法是activecontour
,该方法检查初始种子点的相邻像素,并迭代确定是否将像素邻居添加到区域中。你也可以使用Image Segmenter应用程序对图像进行分割。
图像分割的深度学习
使用卷积神经网络(cnn),一种称为语义分割的深度学习技术可以让你将图像的每个像素与类标签关联起来。语义分割的应用包括自动驾驶、工业检测、医学成像和卫星图像分析。