?????个人主页：研学社的博客
????????欢迎来到本博客????????
??博主优势：??????博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
??座右铭：行百里者，半于九十。
??????本文目录如下：??????
目录
??1 概述
??2 运行结果
??3 参考文献
??4 Matlab代码实现
?
???1 概述
图像分割就是根据某一类性质将图像分为若干个互不重叠的子区域，一般情况下，划分在同一个子区域内的特征具有某种程度上的相似性，不在同一子区域的特征有较明显的不同。图像分割是图像采集到图像分析之间不可缺少的步骤，分割的程度根据实际应用而改变。图像分割任务与分类任务不同，图像分割针对的是每个像素点是否能被正确分类，而不对整个图像能否正确分类有要求。在一般的图像分割中，最终的分割效果必须满足以下几点:
(1）分割必须具有完整性，每个像素点都必须有其对应的类别;
(2）被分在同一区域的像素点间应具有连通性;
(3）每个像素在被划分给某个子区域后不可再被划分给其他子区域，即分割的唯一性;
（4)在任何一个分割的子区域内，像素之间应具有相同的图像特性，例如图像的纹理、颜色或频谱等，不同子区域间的像素具有不同的图像特性。
图像分割可以分成三类:普通分割、语义分割和实例分割。普通分割即将不同物体白1素区域分开，例如将分别属于猫和狗的像素点分开;语义分割就是在普通分割基础上，又一块区域的语义进行分类，例如将猫作为一类，狗作为一类;而实例分割更进一步，将不同的个体区别出来，例如猫A和猫B。
??2 运行结果
运行视频：
<iframe id="as4rHYEH-1681913292334" src="//i2.wp.com/player.bilibili.com/player.html?aid=270178395" allowfullscreen="true" data-mediaembed="bilibili"></iframe>
【图像分割】基于局部质心的无监督的2D 和 3D 图像分割（Matlab代码实现）
?
?
?
部分代码：
%% Run the segmentation
% We first set the parameters. See the help of segCM.m for more options.
clear param
param.alpha = 300; % A larger alpha results in more segmented regions.
param.randIterNum = 300; % A smaller number of random iterations results in more segmented regions.
param.maxIter = 500; % Maximum number of iterations.
param.showFigure = true; % On-the-fly visualization.
% param.indexGPU = 1; % Uncomment to gain speed using a GPU.
% We now segment the image 'I' and save the resulting labels in 'L'.
L = segCM(I, param);
%% Visualize the results
figure
% Show the original image.
subplot(1,2,1)
imagesc(I)
axis equal tight
title Image
colormap(gca, gray)
??3 参考文献
部分理论来源于网络，如有侵权请联系删除。
[1]赵蓉. 基于深度学习的图像分割算法应用研究[D].南京邮电大学,2022.DOI:10.27251/d.cnki.gnjdc.2022.001006.
[2]I. Aganj, M. G. Harisinghani, R. Weissleder, and B. Fischl, “Unsupervised medical image segmentation based on the local center of mass,” Scientific Reports, vol. 8, Article no. 13012, 2018.