Python图像处理与机器视觉入门 课件 第18章 图像分割_第1页
Python图像处理与机器视觉入门 课件 第18章 图像分割_第2页
Python图像处理与机器视觉入门 课件 第18章 图像分割_第3页
Python图像处理与机器视觉入门 课件 第18章 图像分割_第4页
Python图像处理与机器视觉入门 课件 第18章 图像分割_第5页
已阅读5页,还剩8页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

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。1图像分割7图像分割练习2:使用卷积神经网络,实现图像分割,

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论