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)域劃分開來，這些區(qū)域是互不交互的，每個區(qū)域滿足某種相似性準則。1-1基于直方圖分析的圖像分割本節(jié)介紹一種最簡單的圖像分割方法，基于直方圖分析的圖像分割，該方法實現(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)對灰度圖像進行直方圖均衡化；(4)計算均衡化后的直方圖，觀察該直方圖，取波谷處橫軸的坐標作為分割閾值(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編寫代碼，實現(xiàn)基于直方圖的圖像分割請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)主要分為三種類型：(1)語義分割（semanticsegmentation）：對圖像中的每個像素點進行分類。(2)實例分割（instancesegmentation）：在圖像中對需要分割的目標進行實例區(qū)分，再對實例區(qū)域中的像素點進行分類。(3)全景分割（panopticsegmentation）：是語義分割和實例分割的結(jié)合，對圖像中的每個像素點（包括背景）進行分類的同時，還要給同類對象進行實例區(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)，近年來較為流行的應(yīng)用場景有：(1)人像摳圖：人臉分割、人體分割、背景分割(2)醫(yī)學(xué)影像：血管分割、病灶分割、腫瘤分割(3)自動駕駛：行人分割、車輛分割、障礙物分割、車道線分割1-2基于神經(jīng)網(wǎng)絡(luò)的圖像分割DeepLap系列是語義分割領(lǐng)域非常著名的模型，該系列一共發(fā)表了4個模型：DeepLabV1（2015）、DeepLabV2（2017）、DeepLabV3（2017）、DeepLabV3plus（2018）。本節(jié)主要講解DeepLapV3plus的實現(xiàn)。DeepLabv3+通過encoder-decoder進行多尺度信息的融合，同時保留了原來的空洞卷積和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)，實現(xiàn)圖像分割，