最近在写CV的一个mini project,涉及到Segmentation(图像分割),整个project需要使用Matlab,并且总共只有4分,所以完全没有必要动用深度学习。
之前只在Lecture上了解过传统CV解决Segmentation,包括edge detection
, thresholding
, region-based segmentation
, clustering
, fitting
。在理想状态下,这些方法都能有很好的表现,但是在实践中发现很多算法表现很糟糕,如thresholding
和clustering
。
在知乎上看到一篇总结Segmentation各类方法的文章,高屋建瓴。作者总结了基于阈值的方法,基于聚类的方法、基于区域的方法、基于图割的方法、活动边界模型和水平集、基于卷积神经网络的方法。以下摘录开头结尾,文章链接放在末尾。
为了通过材质、形状、结构识别目标,对图像进行分割应该是必然的选择。在这一点上计算机视觉研究者们算是勉强达成了共识,图像分割甚至被不少研究者列为计算机视觉的基本任务之一了。那么图像分割到底是什么呢?不幸的是图像分割任务的定义中仅“分割结果是不重叠的子区域”这一部分获得了共识,对于子区域的粒度、边界保持性、区域内纹理一致性等等缺乏有效和公认的标准。虽然如此,很多图像分割算法被提了出来,归纳起来可以分为基于阈值的方法、基于聚类的方法、基于区域的方法、基于图割的方法、活动边界模型和水平集、基于卷积神经网络的