工具箱的特点： (1) 工具箱包括经典的水平集方法，例如测地线活动轮廓（GAC）、Chan-Vese 模型和结合边界和区域项的混合模型。 (2) 所有方法均采用半隐式求解器 AOS 实现，即使在非常大的时间步长下也能保证数值方法的稳定性，从而提高基于水平集的分割效率。 (3)所有方法都可以应用于2D和3D数据。

水平集方法的图像分割 对初学者有很重要的作用

压缩包内是中科大数字图像分析李厚强,周文罡水平集，推导水平集能量函数的演化方程，用matlab代码实现图像分割。 还有数字图像领域的大牛的水平集matlab程序

基于模糊聚类和C-V模型的水平集方法图像分割.pdf

基于核模糊聚类的变分水平集医学图像分割方法.pdf

多相水平集协同空间模糊聚类图像多目标分割.pdf

采用python复现了matlab中del2()函数的基础功能，其中del2v2为基于卷积的原创加速版，并对比暴力遍历基础版，结果一致。网络上有一些代码，要么太慢要么不靠谱，就自己写了一个，供参考。 del2()实现了离散拉普拉斯算子的运算。如果输入 U 是一个矩阵，则 L 的内部点通过取 U 中的点与其四个相邻点的平均值之间的差值得到，边缘和顶角处理略有不同。 该函数可应用于距离正则化水平集分割(Distance Regularized Level Set Segmentation, DRLS)中

关于水平集方的通用程序-Levelset_main.m 这是我在张荣国老师的书上看到的通用水平集程序。

水平集演化（LSE）是众所周知的轮廓提取（确定对象的边界）和对象分割的方法。 LSE 的主要障碍是重新初始化步骤。 必须执行此步骤以消除对象（轮廓）提取的边界的不规则性。 基本上，水平集必须根据一些基于距离的标准定期重新初始化。 事实上，我们如何实现重新初始化步骤并不是理论上解决的问题。 在工程实践中，结果可能存在大量错误。 在本文中，研究人员提出了 LSE 方法的新变体，它通过添加新的术语距离正则化来本质上保持水平集函数而不是重新初始化步骤。 这就是为什么这种新方法的名称是距离正则化 LSE (DRLSE)。

基于Mumford_Shah模型的快速水平集图像分割方法_李俊.caj