Python图像处理与机器视觉入门 课件 第18章 图像分割.ppt

***********图像处理应用技术李钦深圳信息职业技术学院软件学院科技楼1703D室1295254769@1图像分割图像分割是指将图像中具有特殊意义的不同区域划分开来，这些区域是互不交互的，每个区域满足某种相似性准则。1-1基于直方图分析的图像分割本节介绍一种最简单的图像分割方法，基于直方图分析的图像分割，该方法实现步骤如下：(1)读取原图像；(2)将原图像转换为灰度图像；(3)对灰度图像进行直方图均衡化；(4)计算均衡化后的直方图，观察该直方图，取波谷处横轴的坐标作为分割阈值(5)将灰度图像中灰度值小于分割阈值的像素的灰度值置为0，将灰度图像中灰度值大于分割阈值的像素的灰度值置为255，实现图像的二值分割。1-1基于直方图分析的图像分割1-1基于直方图分析的图像分割练习1编写代码，实现基于直方图的图像分割请您编辑题干作答正常使用主观题需2.0以上版本雨课堂主观题10分1-2基于神经网络的图像分割任务主要分为三种类型：(1)语义分割（semanticsegmentation）：对图像中的每个像素点进行分类。(2)实例分割（instancesegmentation）：在图像中对需要分割的目标进行实例区分，再对实例区域中的像素点进行分类。(3)全景分割（panopticsegmentation）：是语义分割和实例分割的结合，对图像中的每个像素点（包括背景）进行分类的同时，还要给同类对象进行实例区分。1-2基于神经网络的图像分割1-2基于神经网络的图像分割根据不同的任务，近年来较为流行的应用场景有：(1)人像抠图：人脸分割、人体分割、背景分割(2)医学影像：血管分割、病灶分割、肿瘤分割(3)自动驾驶：行人分割、车辆分割、障碍物分割、车道线分割1-2基于神经网络的图像分割DeepLap系列是语义分割领域非常著名的模型，该系列一共发表了4个模型：DeepLabV1（2015）、DeepLabV2（2017）、DeepLabV3（2017）、DeepLabV3plus（2018）。本节主要讲解DeepLapV3plus的实现。DeepLabv3+通过encoder-decoder进行多尺度信息的融合，同时保留了原来的空洞卷积和ASSP层，其骨干网络使用了Xception模型。***********