浅浅图像分割

原创 已于 2022-03-24 09:23:57 修改 · 2.5k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#图像处理

于 2022-03-05 10:46:17 首次发布
本文探讨了图像分割的三种主要类别：普通分割、语义分割和实例分割，并深入解析了非深度学习的传统方法如变换、阈值和聚类等，接着重点介绍了深度学习中的经典算法，如FCN、SegNet、U-Net等，以及后续的DeepLab系列和Mask-RCNN等技术。

目录

概念、目的性的分类​​​​​​​

传统的图像分割方法（非深度学习）

深度学习中图像分割经典算法​​​​​​​​​​​​​​

概念、目的性的分类

        普通分割

        将不同分属不同物体的像素区域分开。 如前景与后景分割开，狗的区域与猫的区域与背景分割开。

        语义分割

        在普通分割的基础上，分类出每一块区域的语义（即这块区域是什么物体）。 如把画面中的所有物体都指出它们各自的类别。狗A、B、C都是狗

        实例分割

        在语义分割的基础上，给每个物体编号。 如这个是该画面中的狗A，那个是画面中的狗B。

更全面的分类汇总：

图像分割汇总_好啊啊啊啊的博客-优快云博客_图像分割

传统的图像分割方法（非深度学习）

        基于变换的图像分割方法

        阈值分割方法

        区域分割方法

        基于图论的分割方法

        基于能量泛函的分割方法

        基于聚类的分割方法

深度学习中图像分割经典算法

        FCN

        https://arxiv.org/abs/1411.4038

        SegNet

        U-Net

        Dilated Convolutions

        DeepLab (v1 & v2)

            公众号 计算机视觉研究院：

            谷歌——DeepLab v1

            Deeplab v2 安装及调试全过程

            DeepLab v2及调试过程

        RefineNet

        PSPNet

        Large Kernel Matters

        DeepLab v3

            公众号 计算机视觉研究院

            DeepLab V3

        Mask-RCNN

参考：

深度学习之图像分割（指路论文链接）

深度学习之图像分割_MaggieQuan的博客-优快云博客_图像分割

深度学习中图像分割经典算法和必备知识点整理

百度安全验证

【6】对彩色图像进行处理（上）
课题分离
06-02 305
伪彩色图像处理是将灰度图像的灰度值映射为不同颜色，以增强图像的视觉效果和对比度，用颜色表现灰度变化。灰度分层：将灰度图像的灰度值划分成若干个区间，并为每个区间分配不同颜色，将区间内的灰度值映射为对应的颜色，得到伪彩色图像。
影像组学分析流程中，图像分割前要做的事（图像预处理）
weixin_45011313的博客
06-27 3438
在InputVolume中无法找到自己想要重采样的序列，这时可以检查一下序列的Volume type是不是MRMLMulti。这时，Volume type将由MRMLMulti改为Scaler，随后即可在3D slicer中完成Resample Scaler Volume。2.1、重采样：通过3Dslicer中的Resample Scaler Volume实现。具体设置参数：spacing（1，1，1），Interpolation选择Bspline。2、图像预处理：重采样和标准化。
非深度学习的图像分割及人脸检测
w1nd_的博客
05-27 1448
Day43非深度学习的图像分割及人脸检测图像分割基于阈值、边缘基于区域、图论分水岭算法Graph CutsGrabCut人脸检测Haar-like特征+级联分类器行人检测HOG+SVMDPM 非深度学习的图像分割及人脸检测 图像分割 基于阈值、边缘 基于区域、图论 分水岭算法 Graph Cuts GrabCut 人脸检测 Haar-like特征+级联分类器 ![在这里插入图片描述](https://img-blog.csdnimg.cn/20210
CV理论基础（四）：未有深度学习之前——图像分割
weixin_44365744的博客
04-25 638
计算机视觉理论基础（四）
没有深度学习之前的图像检测
u011613695的博客
04-25 520
在没有深度学习的时候也是可以识别人脸的 ，利用Haar的级联检测 传统的方式在遮挡严重，倾斜严重，肤色差严重的情况下识别不出来 这种方式的图像分割还是传统的，利用深度学习可以实现语义分割。 关于如何切直方图是很有讲究的，比较著名的方法是OTSU大津算法：https://baike.baidu.com/item/otsu/16252828 先定义一个区域，然后一点一点往进加，扩大范围，在...
卷积、池化-＞CNN-＞FCN-＞Unet
WRStop的博客
03-25 5542
卷积、池化-＞CNN-＞FCN-＞Unet
项目报告： 《数字图像处理》自动定位、分割、识别汽车车牌 （非深度学习方法，使用传统数字图像处理方法）-2019
yyy的技术日常
06-27 2万+
自动定位、分割、识别汽车车牌 1 实验内容与目的 本次《数字图像处理》课程作业要求使用数字图像处理技术自动定位，分割和识别车牌。其中数据需要使用老师提供的数据（50张车牌图片），尽量使用课程中老师讲授的传统的数字图像处理领域的知识，不使用深度学习（除非仅仅使用老师提供的数据集）。 2 方法概述 整个算法的流程见下表： 序号 步骤 1 图像的预处理 2 车牌粗定位 3 车牌精定位 4 车牌区域切割 5 字符切割 6 字符识别 2.1 图像的预处理 由于老师所给的数据集中
Emgucv不完整图像分割试验(三)——纹理+色彩分割
qq_26996385的博客
07-05 2665
图像分割的目的是将感兴趣的物体从图片中提取出来，分割的算法有很多种，基本都是围绕三要素：颜色、形状、纹理去提取。一般我们常用颜色和形状，因为纹理的数据比较难获取（C#语言下资源很少）Opencv3.*以上版本是存在灰度共生矩阵的函数的，很遗憾的是Emgucv下我没找到灰度共生矩阵相关，虽然实现上应该挺简单的。最后通过同为C#下的图像处理哭库Afroge实现，曲线救国。完整可获取参数如下图所示：获取...
基于SAM的海康MVS工业相机全景分割
qq_44621315的博客
11-01 987
以上就是本次小demo的全部内容，整个流程实现难度并不大，但感觉挺新颖，所以浅浅记录一下，后续还会尝试将更多的工业场景下的设备与SAM结合进行部署和应用。参考链接：1.一文了解视觉分割新SOTA: SAM (Segment Anything Model)2.入门SAM看这一篇就够了3.海康威视工业相机SDK二次开发环境配置—Windows10+VS2017。
实时瞳孔分割算法-RITnet论文复现
胡迪警长不许动的Blog
06-03 1756
从 Github 上下载下来的项目文件中包含2个对项目所需环境的描述文件：requirements.txt、environment.yml，前者只是记录了项目所用的包的名字，并没有各个包的具体版本信息；安装好 CUDA 后，不要使用 pip install 指令直接从 Pytorch 官网下载 GPU 版本的 Pytorch，我下了超多次，结果下下来的都是 CPU 版本的，参考这个。结束了，一切都结束了！拷贝进代码项目中(不拷贝也行，重定义一下路径就好了)，文件摆放格式什么的都不用改，妥妥的保姆级。
强化学习从零开始从无到有
WRStop的博客
04-14 1142
强化学习从零开始从无到有
图像分割—基于图的图像分割（Graph-Based Image Segmentation）
Note of Transposition
07-21 4万+
Graph-Based Segmentation 是经典的图像分割算法，作者Felzenszwalb也是提出DPM算法的大牛。该算法是基于图的贪心聚类算法，实现简单，速度比较快，精度也还行。不过，目前直接用它做分割的应该比较少，毕竟是99年的跨世纪元老，但是很多算法用它作垫脚石，比如Object Propose的开山之作《Segmentation as Selective Search for Object Recognition》就用它来产生过分割（oversegmentation）。还有的语义分割(se
深度学习之图像分割
热门推荐
MaggieQuan的博客
05-06 9万+
CNN图像语义分割基本上是这个套路： 下采样+上采样：Convlution + Deconvlution／Resize 多尺度特征融合：特征逐点相加／特征channel维度拼接 获得像素级别的segement map：对每一个像素点进行判断类别 即使是更复杂的DeepLab v3+依然也是这个基本套路。 Image Segmentation（图像分割）网络结构比较 网络 ...
机器学习复习
WRStop的博客
09-07 724
机器学习复习
图像分割综述【深度学习方法】
WeisongZhao
07-06 7万+
CNN图像语义分割基本上是这个套路：下采样+上采样：Convlution + Deconvlution／Resize多尺度特征融合：特征逐点相加／特征channel维度拼接获得像素级别的segement map：对每一个像素点进行判断类别即使是更复杂的DeepLab v3+依然也是这个基本套路。图13 DeepLab v3+Image Segmentation（图像分割）网络结构比较网络 父辈生辰...
【图像处理基石】RGB图像频域滤波：原理、实现与实战（Python）
智能守恒_HengAI
12-09 626
RGB图像的频域滤波核心是“通道独立处理+统一参数控制”，通过傅里叶变换将空间域的复杂运算转换为频域的简单乘法，实现高效的图像增强与去噪。本文从原理出发，结合完整的Python代码，详细讲解了低通、高通滤波的实现流程，并针对实际应用中的关键问题提供了优化方案。频域滤波的灵活性在于滤波核的设计，通过调整滤波类型、截止频率等参数，可适配不同的图像处理需求。后续可进一步探索自定义滤波核（如方向滤波、形态学频域滤波），以及结合深度学习的频域特征提取方法。
VB编程语言最大源码项目VFB,photoDemon(类似PS的图像处理软件）
12-09 320
VFB也有一个开源的项目，也算是源码最多的一个工程了。
RN 图像处理（裁剪、压缩、滤镜）性能很差怎么办？
最新发布
qq_36863796的博客
12-12 522
本文探讨了React Native中图片处理的性能瓶颈及优化方案。由于图像处理是计算密集型任务，JS线程难以胜任，导致UI卡顿。文章指出必须通过原生模块处理图片，并推荐使用JSI技术绕过Bridge提升性能。作者提供了Android（Kotlin）和iOS（Swift）的原生图片压缩实现方案，包括代码示例和模块注册方法。同时对比了常见JS图片处理库的局限性，建议对性能要求高的场景自行开发原生模块。此外，文章还分析了react-native-fast-image的原理及适用场景，并给出大图处理的关键策略：先压
OpenCV Python 图像处理实战：裁剪/滤波/人脸检测（原理+案例+避坑）
这里是数字化与人工智能的 “实验场” 与 “瞭望台”
12-09 1209
OpenCV+Python是计算机视觉开发的黄金组合。本文深入解析OpenCV图像处理三大核心功能：1)图像裁剪（numpy数组切片操作，需注意BGR顺序和坐标系）；2)图像滤波（对比均值、高斯和中值滤波的原理及适用场景）；3)人脸检测（分析Haar级联分类器原理，对比传统算法与DNN深度学习的性能差异）。文章提供可直接运行的代码示例，并针对不同应用场景给出工程实践建议，帮助开发者快速掌握OpenCV的核心功能与应用技巧。
Discuz!模板设计：浅浅蓝调风格特性与下载指南
浅浅蓝调模板相关知识点。首先，需要了解Discuz!是一个使用PHP语言编写，基于MySQL数据库的通用社区论坛程序，广泛应用于构建各种类型的社区论坛网站。而“浅浅蓝调”作为模板名称，通常代表着该模板具有一种特定的...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值