摘 要 医学图像分割方法与理论众多，文中简要介绍了基于边界阈值区域增长统计学图论活动轮廓信息 论模糊集理论神经网络的医学图像分割方法，这些方法各有优劣，部分已成为临床基本的图像分割技术 近年来许多 学者对经典的分割方法进行改良，通过多种分割方法结合，有效提高了分割的效率，或改进算法弥补原有分割方法缺陷 随着计算机计算性能的提高，各种新的算法将不断涌现 关键词 医学影像; 图像分割; 神经网络

本文介绍了彩色图像分割技术的方法分类及其具体讲解 包括其特点、适用情况及优缺点等。

matlab粘连图像分割代码模块化交互式核分割 (MINS) 该存储库包含软件MINS （模块化交互式核分割）的代码，由楼兴华开发，在 Sloan Kettering 研究所，并在 . 或者，也可以在 [katlab-tools.org] 中找到该软件，以及简要的用户指南。 从论文的方法部分： MINS 是使用 MATLAB 和 C++ 的组合实现的。 MATLAB 作为高级胶水语言，提供 GUI 并用于构建整个管道。 另一方面，C++ 用于实现底层算法以提高计算效率。 所有核心算法组件都用 C++ 实现，并在 MATLAB 中作为函数调用。 此外，一些算法是并行的，包括 PSGIS 算法。 该实现具有 GUI 支持，可供感兴趣的用户使用。 目前，MINS 在 64 位 Windows 操作系统的 PC 上运行。 必要的支持软件包括带有图像处理和统计工具箱的 MATLAB。 还需要 Java 运行时环境。 为了分割大型 3D 数据，我们使用了具有 24G 内存的英特尔至强处理器 E5530 四核 2.40 GHz。

该工具箱实现了一种基于能量的分割算法，该算法使用基于有限差分的水平集演化。 （见[1]、[2]）。 实现了曲线演化的多尺度控制——这大大减少了对初始化的敏感性以及提高执行速度系数为 10-1000 甚至更多（[3]）。 给定一个分割问题，可以使用这个 GUI 来找到适当的参数将为所使用的图像类别生成所需的分区。 如果需要，工具箱中的函数可以重新用于脚本算法。 笔记： 这不是一个完整的多重网格算法，比例导航在“手册”中提供模式，用于“图像学习”。 一旦你掌握了它，你就可以编码bit in。在同一行，计算并显示错误，但没有决定采取，迭代控制也留在“手动”。 有关算法的详细信息，请参阅最后的参考资料。 从 GUI 可以： - 使用加载/保存菜单加载数据并保存中间状态- 选择分割参数（Mu、Lambda+、Lambda-、dt、Nu） - 迭代（放松）选定的步骤数- 延长，限制，重新距离

可以很好的实现图像分割,大家可以试验以下

使用sift算法提取特征点，对目标图片进行匹配。使用匹配结果计算 目标物体所在矩形范围，作为参数传入grabcut，同时将sift算法的匹配点作为前景点传入grabcut函数，实现图像分割。

使用sift特征提取目标物与目标图片的特征点，进行匹配，从而找出目标物在图片中的范围，将该范围作为矩形区域传入grabcut函数，同时将匹配特征点作为前景点传入grabcut函数，进行图像分割。实验结果显示出不错的图像分割结果。

DICOM医学影像图像，供学习使用，可用于图像分割实验。医学影像图片，方便做图像分割测试用，医学影像图片，方便做图像分割测试用，

split-merge程序的c++版本。显示了分裂过程和结果。加载和显示图片，显示分裂过程，用到了opencv3.1的库。核心算法全部用c++编写。个人根据书中的思路编写，求轻喷。

两种图像分割算法在FMI成像资料中的应用.docx