Python圖像處理與機(jī)器視覺(jué)入門(mén) 課件 第18章 圖像分割

圖像處理應(yīng)用技術(shù)李欽深圳信息職業(yè)技術(shù)學(xué)院軟件學(xué)院科技樓1703D室1295254769@1圖像分割圖像分割是指將圖像中具有特殊意義的不同區(qū)域劃分開(kāi)來(lái)，這些區(qū)域是互不交互的，每個(gè)區(qū)域滿足某種相似性準(zhǔn)則。1-1基于直方圖分析的圖像分割本節(jié)介紹一種最簡(jiǎn)單的圖像分割方法，基于直方圖分析的圖像分割，該方法實(shí)現(xiàn)步驟如下：(1)讀取原圖像；(2)將原圖像轉(zhuǎn)換為灰度圖像；(3)對(duì)灰度圖像進(jìn)行直方圖均衡化；(4)計(jì)算均衡化后的直方圖，觀察該直方圖，取波谷處橫軸的坐標(biāo)作為分割閾值(5)將灰度圖像中灰度值小于分割閾值的像素的灰度值置為0，將灰度圖像中灰度值大于分割閾值的像素的灰度值置為255，實(shí)現(xiàn)圖像的二值分割。1-1基于直方圖分析的圖像分割1-1基于直方圖分析的圖像分割練習(xí)1編寫(xiě)代碼，實(shí)現(xiàn)基于直方圖的圖像分割請(qǐng)您編輯題干作答正常使用主觀題需2.0以上版本雨課堂主觀題10分1-2基于神經(jīng)網(wǎng)絡(luò)的圖像分割任務(wù)主要分為三種類(lèi)型：(1)語(yǔ)義分割（semanticsegmentation）：對(duì)圖像中的每個(gè)像素點(diǎn)進(jìn)行分類(lèi)。(2)實(shí)例分割（instancesegmentation）：在圖像中對(duì)需要分割的目標(biāo)進(jìn)行實(shí)例區(qū)分，再對(duì)實(shí)例區(qū)域中的像素點(diǎn)進(jìn)行分類(lèi)。(3)全景分割（panopticsegmentation）：是語(yǔ)義分割和實(shí)例分割的結(jié)合，對(duì)圖像中的每個(gè)像素點(diǎn)（包括背景）進(jìn)行分類(lèi)的同時(shí)，還要給同類(lèi)對(duì)象進(jìn)行實(shí)例區(qū)分。1-2基于神經(jīng)網(wǎng)絡(luò)的圖像分割1-2基于神經(jīng)網(wǎng)絡(luò)的圖像分割根據(jù)不同的任務(wù)，近年來(lái)較為流行的應(yīng)用場(chǎng)景有：(1)人像摳圖：人臉?lè)指睢⑷梭w分割、背景分割(2)醫(yī)學(xué)影像：血管分割、病灶分割、腫瘤分割(3)自動(dòng)駕駛：行人分割、車(chē)輛分割、障礙物分割、車(chē)道線分割1-2基于神經(jīng)網(wǎng)絡(luò)的圖像分割DeepLap系列是語(yǔ)義分割領(lǐng)域非常著名的模型，該系列一共發(fā)表了4個(gè)模型：DeepLabV1（2015）、DeepLabV2（2017）、DeepLabV3（2017）、DeepLabV3plus（2018）。本節(jié)主要講解DeepLapV3plus的實(shí)現(xiàn)。DeepLabv3+通過(guò)encoder-decoder進(jìn)行多尺度信息的融合，同時(shí)保留了原來(lái)的空洞卷積和ASSP層，其骨干網(wǎng)絡(luò)使用了Xception模型。1圖像分割7圖像分割練習(xí)2：使用卷積神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)圖像分割，