impGraphcut 交互式分割算法的 AC/C++ 实现，来自原始论文的 Graph-cut： Boykov 等人，用于 ND 图像中对象的最佳边界和区域分割的交互式图形切割，ICCV 2001。 使用 OpenCV 库。 使用最大流量优化。 提出使用多个特征融合的改进方案。

南开大学提出新物体分割评价指标，相比经典指标错误率降低 69.23%

本文提出了一种改进三维网格分割算法性能的新方法。我们的方法以一个三维网格对象和一个分割算法作为输入。我们的方法使用马尔可夫随机场(MRF)估计，对于每个网格顶点，顶点位于分割边界的可能性。这是通过重复一个过程来完成的，在这个过程中，我们扰动3D网格数据，并使用提供的算法重新分割表面，然后分析所提供的分割边界的变化。我们的MRF使用这些分割作为数据来估计每个顶点是分割边界成员的可能性。在MRF中加入先验，鼓励解满足平滑条件。结合似然和先验来生成位于分割边界上的网格顶点的后验分布。然后将改进后的分割作为最大化一个后验分布的顶点集合，称为MAP-MRF估计。给出了2种不同输入算法和3种不同输入面的分割结果，并给出了分割改进的定量措施。该方法可以应用于许多分割算法，以改善结果，否则可能遭受分割过或欠分割。 ———————————————— 版权声明：本文为CSDN博主「佩佩想做程序猿」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_46559411/article/details/124349928

计算机视觉：图像分割算法综述总结 计算机视觉.pdf

OSTU算法实现背景差分的自适应分割算法,有完整的代码和论文(opencv).rar

OSTU算法实现背景差分的自适应分割算法,有完整的代码和论文(opencv) OSTU算法实现背景差分的自适应分割算法,有完整的代码和论文(opencv) OSTU算法实现背景差分的自适应分割算法,有完整的代码和论文(opencv) OSTU算法实现背景差分的自适应分割算法,有完整的代码和论文(opencv) OSTU算法实现背景差分的自适应分割算法,有完整的代码和论文(opencv)

图像分割，简单地说就是将一幅数字图像分割成不同的区域，在同一区域内具有在一定的准则下可认为是相同的性质，如灰度，颜色，纹理等，而任何相邻区域之间其性质具有明显的区别。 基于信息熵的一类方法被广泛应用到图像分割领域，比如最大熵，最大交叉熵，最小交叉熵等。本文研究了基于Tsallis熵的多阈值图像分割算法，通过利用图像的灰度直方图信息，近似拟合灰度的概率分布函数，然后设定目标函数，目标函数最大化对应的阈值就是最佳阈值，相比传统算法，Tsallis熵的阈值分割方法，能够克服一定的噪声干扰，同时避免了单阈值的问题，能够分割多个感兴趣区域。 本文最后在matlab环境中进行真实图像的分割实验，结果表明，这种方法能够较好的克服图像细节分割不准的问题，同时能够针对多个灰度级别进行分割，大大提高分割的准确率。

苹果识别是开发苹果采摘机器人的关键环节, 利用图像处理技术和神经网络分类器探索苹果图像分割算法。从苹果树图片中选取苹果图像样本和背景图像样本, 分别计算这两类图像样本的颜色特征和纹理特征。颜色特征的计算基于RGB色彩模型, 纹理特征的计算基于灰度共生矩阵。选取适当的颜色特征(R/B值)和纹理特征(对比度值和相关性值)作为输入节点, 利用反向传播神经网络分类器建模, 输出值是一个0～1之间的计算值。通过阈值将输出结果分类为苹果或背景。试验结果表明, 该算法正确率大于87.6%, 对光照的影响不敏感, 是一种较为实用的苹果分割算法。

Chan-Vese算法是一种图像分割算法，Python实现代码，有注释，方便理解和修改。 在CV模型之前，传统的活动轮廓模型都是依赖图像的梯度信息来停止曲线的演化，而CV模型是第一个完全脱离了梯度信息，依靠区域信息建立了相应的的能量函数，可以说是开创了活动轮廓模型的新方向。

手写图像中文本行的分割算法