2024年最全使用Julia进行图像处理--图像分割(1)

使用map函数将每个像素的块号替换为块的平均颜色值：

imshow(map(i->segment_mean(segments,i), labels_map(segments)))

这将导致图像包含两种颜色，绿色代表草，另一种代表猫。由于图像相对简单并且可以轻松分离猫，因此结果的质量很高：

尽管该方法涉及手动工作，但在为神经网络执行的图像分割任务准备训练数据集时，它可能很方便。

识别复杂对象

尝试分离或分割无法轻易与背景分离或由多个部分组成的对象。尝试使用一张鸟的图像：

运行上一节中的代码，看看它是否需要任何改进：

using Images, ImageView, ImageSegmentation

img = load(“bird-3183441_640.jpg”);

seeds = [

(CartesianIndex(220,250), 1), # apprx. object location

(CartesianIndex(220,500), 2) # background location

]

segments = seeded_region_growing(img, seeds)

imshow(map(i->segment_mean(segments,i), labels_map(segments)))

从下面的图像中，可以看出它的最终效果与猫的图像不同。分割过程无法完全分离对象：

复杂之处在于，鸟由多种颜色组成，其中有些与背景相似。尝试定义更多的分割，看看是否可以改善结果。与上一节相同，将鼠标悬停在图像的不同区域上并记下坐标：

img = load(“bird-3183441_640.jpg”);

seeds = [

(CartesianIndex(240,120), 1),

(CartesianIndex(295,70), 2),

(CartesianIndex(319,40), 3),

(CartesianIndex(90,30