随着弥散张量成像（Diffusion Tensor Imaging， DTI）设备的临床应用，弥散张量图像分割算法已成为国际上的研究热点之一。提出一种基于图割法的弥散张量图像胼胝体分割算法。本算法采用张量的欧氏距离构造能量函数，实验结果表明算法对DTI数据分割可以得到较好的结果，效率提高为原来的6~7倍。

这是当年毕设得题目，这传统FCM算法上进行了改进的MATLAB代码

最大最小流分割算法，利用最大最小的能量划分，进行图像分割，此代码为C++，以类的形式编写

有阈值：大津法；边缘检测：分水岭，sobel算子，canny算子；kmeans算法

本文来自于个人博客，这篇文章讲述卷积神经网络在图像语义分割（semanticimagesegmentation）的应用。图像分割这项计算机视觉任务需要判定一张图片中特定区域的所属类别。更具体地说，图像语义分割的目标是将图像的每个像素所属类别进行标注。因为我们是预测图像中的每个像素，这个任务通常被称为密集预测（denseprediction）。需要注意的一点是我们不对同一类的实例进行分离;我们只关心每个像素的类别。换句话说，如果输入图像中有两个相同类别的对象，则分割图本身并不一定将它们区分为单独的对象。存在另外一类不同的模型，称为实例分割（instancesegmentation）模型，其将分离

模糊C均值聚类分割算法，经测试分割效果良好，载入图像数据，直接调用即可

用opencv和C++实现的图像分割的最佳全局门限阈值分割算法，效果较好，可以借鉴

非特定类别前景主体分割 基于U2-net模型，采用知识蒸馏与TensorRT推理加速技术，通过MFC应用对分割结果可视化

数字图像语义分割算法：综述

传统的分水岭变换由于对噪声和细密纹理的敏感会产生严重的过分割现象,为了克服这种缺点,提出了一种基于小波变换和数学形态学的图像分割算法。该方法首先利用小波变换去除红外图像的混合噪声,利用形态学开闭重建运算消除梯度图像中由于灰度非规则扰动和噪声引起的局部极值;最后通过采用基于前景和背景标i己的分水岭分割算法进行分割。仿真实验表明,该算法可以实现更好的分割效果,不需要再进行后续的合并处理就能够得到较为理想的结果。