Image processing 最佳分割算法

我正在尝试开发一个系统，根据纹理、形状和颜色等原始特征识别图像中的各种对象

该过程的第一阶段是从图像中提取单个对象，然后逐个对每个对象进行图像处理

然而，到目前为止，我所研究的分割算法甚至都不是完美的，也不是理想的图像分割算法

分段精度将决定系统对给定查询的响应有多好

分割应该快速准确

有人能给我推荐到目前为止开发或实现的分割算法吗？这些算法不会太复杂，但可以公平地完成我的项目

---

如有任何帮助，我们将不胜感激

通过谷歌搜索找到了这篇文章：

---

看来要把它做得更好是一个很难的问题，所以我想你可能必须满足于它的要求。

你可以试试分水岭分割算法

---

此外，您还可以通过定性度量计算分割算法的精度。不幸的是，用于人脸识别的最佳算法类型使用小波重构。这并不容易，目前使用的几乎所有算法都是专有的。 这是一个迟来的响应，因此可能对您没有用处，但一个建议是使用分水岭算法。 在此之前，您可以使用一个面的通用图形（黑白），生成该图形的FFT——称之为*FFT\U面*
现在使用分水岭算法分割人脸图像。将分割后的图像称为“Water\u face*”。 现在找到每个轮廓/线段的质心。 生成*Water_Face*的FFT，并将其与*FFT_Face图像*相关联。结果图像中最亮的像素应该是人脸的中心。现在可以计算该点与先前生成的线段中心之间的距离。最初的几段距离应该足以区分一个人和另一个人

---

我相信这个过程有一些改进，但总体思路应该会让你达到目的。

一个很晚的答案，但可能会帮助人们在谷歌搜索这个问题，因为这个问题是“最佳分段算法”的第一个结果

完全卷积网络似乎正是你所要求的。签入纸张，并在中执行

下图展示了这些CNN的一个分割示例（我链接的论文实际上提出了3种不同的架构，FCN-8s是最好的）。

---

对不起，您要找的东西还没有发明出来。当我们接受这个项目时，我们向导游承诺，我们将能够根据图像中不同的人脸来检测不同的人。我们以为会有一个算法。但我很同意你托尼和妮基的看法。我想可能是因为我没有做适当的研究。所以，我在这里发布了这个问题，以便我可以从经验丰富的更好的人那里得到一些更好的建议。@Mew 3.4：你想要一个分割算法还是一个人脸/人物检测器？有相对简单、快速和可靠的人脸检测器（谷歌用于Viola&Jones）和人物检测器（谷歌定向梯度直方图）。不需要分割。@nikie:我已经通过了这些算法。它们相当准确。但我实际上在寻找一种通用的东西，它可以帮助我检测所有的普通物体，比如树木、石头、旗帜、人头等等。。或者更接近它的东西…@MaheshGupta可靠的通用细分非常困难，大自然通过学习看来伪造它。。。除非你不知道你在看什么，否则很难区分形状、边界等。。。因此，如果大自然没有想出简单而普遍的方法，那么在算法上实现这一目标的希望就不大了，相反，将相似的对象分组，并使用可靠的方法进行分组。。。然后试着用所有的方法分割，选择最好的。。。这至少是我的意见