基于K-means聚类算法的图像区域分割的MATLAB代码实现，详情可以参考：https://blog.csdn.net/didi_ya/article/details/115376184

提出一种非结构化点云特征线提取方法, 其过程主要分为区域分割和特征检测两个阶段。在区域分割阶段, 引入社会粒子群优化模糊C-均值聚类算法对点云数据进行区域聚类, 得到边界清晰的各个分区, 便于后续边界特征的提取; 在特征检测阶段, 对各个分区进行局部径向基函数曲面重构, 以获取各个分区内采样点的曲率信息。提出基于平均曲率计算的局部特征权值, 并通过局部特征权值和曲率极值法对特征点进行双重检测。并通过建立特征点的最小生成树构建特征曲线。对不同点云模型进行特征线提取实验, 结果表明, 本文方法既能够提取点云模型中的显著特征和尖锐特征, 也能够很好地提取特征强度变化的曲线特征。

项目描述请参见：https://handsome-man.blog.csdn.net/article/details/117395360

数字图像处理课程的结课小论文5000+字，主要内容为阀值分割法、基于边缘检测分割法、区域分割法的介绍，代码实现，及比较。ps：代码运行工具为Matlab pps：格式完美含目录

本资源为条形码区域分割的完整代码文件

对一幅图片将其中间的文字区域定位，并分割出每行

研一时，完成的CV作业，使用EM算法对图像进行分割，内含源代码，及实验结果，本代码的时间复杂度很高，请自行优化。

对一幅图片将其中间的文字区域定位，并分割出每行

这是一个MATLAB系列视频，共围绕30个计算机视觉和机器学习的实战项目展开。十分适合作为课程作业或是课程汇报。 06_基于K-means聚类算法的图像分割，适合本科或部分研究生课程设计。 涉及到机器学习相关内容。 #2021#图像分割#

一种基于区域增长的分割算法，可在MATLAB中直接运行