经典的Chan-Vese（CV）模型已在许多应用中采用。 为了提高其适用性和效率，已经开发了许多概括，例如Chan和Vese的矢量值图像两阶段模型。 矢量CV模型使用类似于将彩色图像转换为灰色图像的方法集成多通道信息。 当对象及其背景的强度接近时，此参数无效。 在这项研究中，经典的CV模型通过使用从通道到通道分割图像的策略将其用于彩色图像。 提出了一种多通道分段组合（MSC）方法来集成多级集合的信息。 为了克服通常的从信道到信道的方法不能很好地考虑不同信道之间的相关性的缺点，引入了一种新颖的多信道比率变换（MRT）。 并提出了一种变体HSV（VHSV）色彩空间，以使每个通道反射区域信息而不会失真。 实验结果表明，该方案可以更准确地进行分割，并且在时间成本上具有优势。 此外，该方法仅在具有八段彩色图像的情况下才有效，但是可以通过使用多相模型对其进行增强。
2021-02-23 14:02:44
1.23MB
1
基于CIElab空间颜色K均值聚类的彩色图像分割。
如果运行不通，可尝试不直接点击“运行”，而是点击“运行并前进”按钮。
具体步骤如下：
i. Read image file data;
ii. Transform color image from RGB to lab color space;
iii. Format conversion;
iv. Segmentation of image into n regions by K-mean clustering;
v. Take out a component and B component of lab space;
vi. Repeated clustering n times;
vii. Displays segmented regions.
————————————————
版权声明：本文为CSDN博主「灵泉matlab」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_31434537/article/details/104562388
2021-01-07 17:18:28
2.65MB
1
基于MATLAB平台的彩色图像分割，可分割多种颜色。首先读取一幅图像，然后根据图像的颜色来对图像进行分割。
2020-01-03 11:26:39
2KB
1
如何对彩色图像中的目标进行快速、精确的有效分割是计算机视觉和图像分析的重点和难点。提出了一种基于区域的彩色图像分割方法。该方法首先选择合适的彩色空间,提取出图像中的每个像素点的颜色、纹理、位置等综合特征,形成特征向量空间;在特征空间中,运用改进的ISODATA算法自适应地确定初始聚类数目和聚类中心,然后对图像进行聚类和区域分割,最后抽取出图像区域的特征,并与相类似的方法进行了比较实验。实验结果表明,该方法能够产生较好的分割效果及较快的分割速度,适合于基于图像区域检索系统,具有较好的应用价值。
2019-12-21 21:36:15
155KB
1