总览
图像分割目的:将属于同一对象的像素分组到一起。
分割被定义为将图像分解为分段(segments),区域(region)或者对象(object)的过程:
在使用分割输出的环境中,分割是有意义的。
当应用程序中的兴趣部分(segments of interest)已经被分割出来时,程序停止。
区域分割 (region segmentation) vs 语义分割 (segmentic segmentation)。
分段通常是不重叠 (non-overlapping) 的。
分段中的像素: 通常是具有相似的视觉特性(visual properties),在空间上相连,属于同一对象。
视觉特性: 可衡量特征,包括像素强度或颜色,边缘,纹理(texture),运动,深度。
分割方法
基于轮廓 (contour-based): 也成为基于边缘,检测线段之间的边缘并线段的闭合轮廓(closed contours)。
基于聚类 (clustering-based): 阈值化。将具有相似视觉特性的所有像素组合在一起。
边缘/轮廓 和 聚类的结合。
基于深度学习进行分割。
基于聚类的图像分割 (Clustering-based Image Segmentation)
将像素分组为K个簇,如:
簇内的像素比与其他簇的像素具有更多相似性。
不考虑空间连通性(spatial connectivity)。
不同的簇化策略(grouping strategies)
阈值化(thresholding): 若特征能被认为是一组独立的标量。
聚集集群(agglomerative clustering): 从单独的簇中的每个点开始,在每次迭代中,合并两个“最近”的簇。
分裂集群(Divisive Clustering): 首先将所有的点分组到一个大的簇中。在每次迭代时,拆分“最大”的簇。
阈值