图像分割是数字图像处理和分析中的常用技术,以将图像分为多个部分或区域,通常基于图像中的像素的特性。图像分割可能涉及将前景从背景中分离,或者基于颜色或形状的相似度分离像素的聚类区域。例如,医学成像中的图像分割的共同应用是检测和标记表示a的3D卷的图像或体素的像素。患者的大脑中的肿瘤或其他器官。
图像分割涉及到将图像转换为由掩码或标记图像所表示的像素区域的集合。通过将一幅图像分割成几部分,你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。
另一种常见方法是检测图像区域中的相似性。遵循这种方法的一些技术是区域生长,聚类和阈值。
多年来,人们利用特定领域的知识来有效地解决特定应用领域的分割问题,发展出了各种其他的图像分割方法。
此颜色阈值应用程序可允许您通过以交互方式操作图像来申请彩色图像,基于不同的颜色空间。例如,您可以使用颜色阈值应用程序创建一个二进制掩码使用点云控制彩色图像。
在matlab和matlab的功能图像处理工具箱™,您可以试验和构建不同图像分割技术的专业知识,包括阈值、聚类、基于图的分割和区域增长。
利用大津的方法,imbinarize.
对2D或3D灰度图像进行阈值处理,以创建二值图像。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。
此技术允许您使用特定的聚类算法创建分段标记的图像。使用基于K-Means聚类的分割,imsegkmeans
将图像分割成K个簇。
基于图的分割技术,如延迟拍摄,使您能够将图像分割成前景和背景区域。MATLAB可以让你在你的图像上执行这个分割(lazysnapping
)或者使用图像分段器应用交互式。
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。一个常用的算法是activecontour
,这检查了初始种子点的相邻像素,并迭代地确定是否应该将像素邻居添加到该区域。您还可以使用图像分部器应用程序在图像上执行此分段。
使用卷积神经网络(CNNS),一种名为语义分割的深度学习技术,允许您将图像的每个像素与类标签相关联。语义分割的应用包括自主驾驶,工业检验,医学成像和卫星图像分析。