图像分割总结

算法	描述	优点	局限性
基于区域的细分	根据某个阈值将对象分成不同的区域。	一个。简单的计算   b。运算速度快 C。当对象和背景具有高对比度时，此方法的效果非常好	当没有明显的灰度差异或灰度像素值重叠时，很难获得准确的分段。
边缘检测分割	利用图像的不连续局部特征来检测边缘，从而定义对象的边界。	这有利于物体之间具有更好的对比度的图像。	如果图像中的边缘过多，并且对象之间的对比度较小，则不合适。
基于聚类的细分	将图像的像素分为均匀的簇。	在小型数据集上非常有效，并且可以生成出色的集群。	一个。计算时间太大且昂贵。   b。k均值是基于距离的算法。它不适用于群集非凸群集。
面具R-CNN	为图像中的每个对象提供三个输出：其类，边界框坐标和对象蒙版	一个。简单，灵活和通用的方法   b。这也是当前图像分割的最新技术	训练时间长