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

是一个可执行的文件，需要opencv3.3.0的环境配置。对于研究活动轮廓模型算法的人很有帮助。

张开华ILF代码及文章，基于活动轮廓模型的，

SLGS模型不能处理灰度不均图像，而RSF模型对初始轮廓较敏感。为此，将RSF模型定义的局部信息融入SLGS模型中，提出一个以偏微分方程形式表达的活动轮廓模型。利用SLGS模型全局拟合量和RSF模型局部拟合量的线性组合构造符号压力函数，调整拟合量的权重以提升模型对灰度不均图像的处理能力和轮廓初始化的灵活性，并利用高斯滤波正则水平集函数法实现水平集函数的正则化。实验结果表明，该模型的分割结果比SLGS模型更准确。

该演示实现了 Kass 等人提出的活动轮​​廓模型。 使用 GUI 运行它1. 在 matlab 提示符下键入 guide。 2. 单击“转到现有 GUI” 3.选择与该文件同目录下的snk.fig文件4. 单击顶部的绿色箭头以启动 GUI 启动 GUI 后，您可以通过以下方式使用蛇1. 单击“新图像”并加载输入图像。 提供样品图像。 2. 设置平滑参数“sigma”或保留其默认值，然后单击“过滤器”。 这将使图像平滑。 3. 点击“滤镜”后，十字准线就会出现，使用它们，点击鼠标左键可以选择图像上的初始轮廓位置。 您单击的任何地方都会出现一个红色圆圈，在大多数情况下，您应该在要分割的对象周围一直单击。 必须使用右键单击选取最后一个点，以停止 matlab 请求更多点。 4. 设置各种蛇形参数（蛇形目标函数中能量项的相对权重）或保留默认值，然后单击“迭代”按钮。 当蛇收敛到低能量状态时

蛇与Python 这是一个简单的蛇实现，使用 [1] 中概述的 python 并在 [2] 的帮助下。 示例文件实现了 [2] 中概述的示例。 Python 库依赖项是numpy 、 scipy和matplotlib 。 克隆存储库后，您应该能够运行 python example.py 查看示例问题。 之后，运行 python example2.py 看到一个稍微复杂的形状。 [1]：Snakes：活动轮廓模型。 M Kass, A Witkin, D Terzopoulos - 国际计算机视觉杂志，1988 [2]：snake的简单实现，

GVF snake的C++实现，开发环境为VC6.0,OpenCV。大部分代码都为本地代码。代码依据GVF原始论文以及其demo编写。

此 Matlab 代码实现了一种新的水平集公式，称为距离正则化水平集演化 (DRLSE)，由李春明等人在 IEEE Trans. 论文“距离正则化水平集演化及其在图像分割中的应用”中提出。 图像处理，卷。 19 (12), 2010 与传统水平集公式相比，DRLSE 的主要优点包括： 1) 它完全消除了重新初始化的需要； 2）它允许使用较大的时间步长来显着加快曲线的演化，同时确保数值精度； 3) 与传统的水平集公式相比，非常容易实现且计算效率更高。 该包仅将基于边缘的活动轮廓模型作为 DRLSE 的一个应用程序实现。 可在以下网站的其他已发表论文中找到DRLSE的更多应用： http://www.imagecomputing.org/~cmli/

距离正则化水平集演化模型，DRLSE，无需初始化模型基础上引入新的符号距离保持项。水平集分割经典算法。里面有文献和代码，可以直接运行。

opencv中，使用snake活动轮廓 人工可以手动调节参数的 希望大家喜欢