如何用训练好的模型进行图像分割

从学术角度讲图像分割主要分成3大类，一是基于边缘的，二是基于区域的，三是基于纹理的。由于基于纹理的也可以看成是基于区域的，所以有些专家也把分割方法分成基于边缘和基于区域两大类。

选择算法的时候主要参考你要分汪余竖割的图像样毁帆本的特点。

如果图像的边界特别分明，比如绿叶和红花，在边界处红绿明显不同，可以精确提取到边界，这时候用基于边缘的方法就可困大行。但如果是像医学图像一样，轮廓不是特别明显，比如心脏图像，左心房和左心室颜色比较接近，它们之间的隔膜仅仅是颜色比它们深一些，但是色彩上来说很接近，这时候用基于边缘的方法就不合适了，用基于区域的方法更好。再比如带纹理的图像，例如条纹衫，如果用基于边缘的方法很可能就把每一条纹都分割成一个物体，但实际上衣服是一个整体，这时候用基于纹理的方法就能把纹理相同或相似的区域分成一个整体。

不过总体来说，基于区域的方法近些年更热一些，如Meanshift分割方法、测地线活动轮廓模型、JSEG等。

图像分割是从图像处理到图像分析的关键技术,几何活动轮廓模型是 为解决图像处理和计算机视觉领域广泛存在的图像分割问题而提出来的.水行余平集函数是在研究几何活动轮廓模型时睁带誉将界面或者演化曲线看成高一维空间中某一函数ψ 原型.文章在分析传统水平集函数和距离保持水平集函数优缺点的基础上,引入图像相依的权系数v(I)代替常值权系数,提出了一种自适应距离保持水平集函 数.然后通过对水平集函数求其偏微分方程,经过数值实现并求出其解,从而得出图形界悉段面的基本形状和特征.

---