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

基于opencv的图像分割与目标跟踪算法的研究 选题背景及国内外现状 计算机视觉发展迅速 图像分割应用愈加广泛 智能监控需求 开发环境综述 opencv是一个基于发行的跨平台机器视觉库 它致力于成为简化计算机视觉程序和解决方案开发的标准API 它的优点有开源丰富的函数强大的运算能力可移植性运行速度快等 图像预处理 1膨胀 将图像或部分区域与核进行卷积膨胀是求局部最大值的操作 2腐蚀 膨胀的反操作腐

数字图像考试案例分析，或者个人爱好！！！！！你懂得！！！

肺癌是一种世界性的高发疾病，死亡率更是居高不下。早发现，早治疗是提高肺癌的治愈率和延长患者生命周期的重要手段，而肺结节是肺癌早期的主要表现形式，因此，对肺结节的早期诊断分析是提高肺癌患者生存率的关键。利用计算机断层扫描技术（Computed Tomography, CT）筛查肺结节是目前通常采用的诊断方法。随着患者的日益增多，肺部 CT 数据也在呈指数级地增长，无疑给医师的人工筛查工作带来了巨大的挑战和负担，因此使用计算机辅助诊断（Computer Aided Diagnosis, CAD）技术进行肺结节检测分割十分必要，能极大的提高医师的诊断效率并进一步提高肺癌诊断的准确率。 由于肺结节在尺寸、形状上的多变性以及与肺部血管等组织的相似性。在使用传统分割方法进行肺结节分割时，过于依赖医师的先验知识及主观判断，导致容易出现漏分割和过分割的情形。利用深度学习算法的分割过程不再需要人为选择特征，并且能够提取到更具体、更有辨识度的信息，将深度学习算法用于医学图像分割现已成为一个重要的研究方向。U-Net 网络因结构简单、泛化能力强，已广泛应用于医学图像处理领域。