Algorithm 如何有效地分割图像？

我搜索一个解决方案，将图像分割成不同的部分（特别是显著性图（见图））。 我知道一些解决方案，如Pedro F.Felzenszwalb，但对于大型图像，我的实现非常缓慢。 还有其他解决办法吗？

您好， 命运

命运

这一细分的具体目标是什么？您只是想在静止图像中创建单独的区域吗？您是否在寻找对象，并分割图像以找到ROI以供后续工作

关于细分目标，您可以做得越具体，就可以更具体地定制代码。通过阈值化对图像进行二值化，或者通过特征检测将图像分割成更小的块，可以显著提高代码的速度

---

我能想到的在OpenCV库中实现的唯一其他通用图像分割算法是water shed算法。您可以在文档中找到它，或者查找Laganiere的OpenCV 2计算机视觉应用程序编程手册，其中包含关于这两种算法的优秀教程

分水岭：这种方法有点不精确，如果我有一张背景信息不准确的图片。首先，我想用它来发挥三分之一目标的规则。但至少我想从背景中裁剪检测到的对象（GrabCut）。我知道openCV是一个很好的工具。但在那里我必须指出一个矩形，它包含前景信息。通过显著图，我得到了一些前景信息。但是我不知道如何为grabCut算法提取这个。如果您将显著性贴图解释为可能前景区域的遮罩，您可以使用任何一种方法（grabCut或分水岭），将显著性贴图用作遮罩输入。作为记录，您可以将分水岭的矩形ROI指定为整个图像grame。是的，但是如何在遮罩中的白色像素周围进行矩形更改？如果我使用分水岭，它看起来像。现在我找到了一个解决方案。但拍摄一张1920x1280px的照片需要10秒钟。在这个解决方案中，我将分水岭算法与grabcut相结合。也许有一些地方可以优化（杀死分水岭）。如果没有分水岭，我可以发布我的解决方案，并将显著性贴图转换为grabCut可以理解的值（我认为它只接受四个整数值，0表示绝对背景，1表示绝对前景，2表示可能背景，3表示可能前景）。将输入矩形定义为整个图像，并查看其对性能的影响。IIRC、流域和grabCut对资源的需求相对相似，因此这应该加快速度。