人脸识别特征构建，内含数据集以及代码实例可以直接运行

：针对大多数图像分割方法计算量大、不利于实时处理的缺点，提出用微粒群算法(PSO)优化最小误差分割方法。该 方法不但具备最小误差分割法受目标和噪声影响小以及对小图像分割效果好的优点，还克服了遗传算法等加速算法需要预 先设定众多运行参数，受目标变化影响大的问题。图像分割的效果和速度得到了提高，性能也更加稳定。实验结果反映了该 方法的有效性。

采用分水岭方法对一幅带小鹅卵石图像进行分割，进而采用形态学方法对其进行分类，分成大小两类，并标记出来

实现苹果图像中将苹果部分分割出来并确定其果心坐标

matlab图像分割，带多种方法，otus，最大类间分割，双峰法，区域生长法，带界面

针对三维OTSU分割算法运算量大、计算时间长的问题，提出了一种基于自适应粒子群优化的三维OTSU图像分割算法。首先采用最佳熵的方法初步提取图像的目标区域，根据该目标区域特征自适应地调整三维OTSU算法的背景搜索范围，然后采用三维OTSU算法并结合粒子群优化最佳分割阈值对原图像进行分割。实验结果表明，与三维OTSU阈值分割方法的递推算法相比，该方法能够进一步减少运算时间。

【图像分割】 RGB颜色分层图像分割【含Matlab源码 516期】.zip

数字图像处理matlab——图像分割、 （1）解图像分割的基本概念与基本方法。 （2）掌握采用区域增长法和大津法, 实现图像分割。 （3）对比图像分割不同方法的生成结果的特点，总结归纳不同方法间的差异 针对cameraman.jpg 这幅测试图像，运用区域增长法进行分割并调整criterion的值 主函数、函数1. Region_grow1.m、函数2. get4ngb.m、函数3. get8ngb.m 针对rice.jpg这幅图像，运用大津法进行分割，并自动统计大米的数量 分割&计数.m

unet 医学影像分割源码, 对视网膜血管医学图像分割 代码文件结构： ├── src: 搭建U-Net模型代码 ├── train_utils: 训练、验证以及多GPU训练相关模块 ├── my_dataset.py: 自定义dataset用于读取DRIVE数据集(视网膜血管分割) ├── train.py: 以单GPU为例进行训练 ├── train_multi_GPU.py: 针对使用多GPU的用户使用 ├── predict.py: 简易的预测脚本，使用训练好的权重进行预测测试 └── compute_mean_std.py: 统计数据集各通道的均值和标准差

数字图像处理：7第十章 图像分割.pdf