為了實現提取圖片中某一物體信息，有比較好的圖像分割演算法嗎？
02-14
如圖片中的一件上衣，一條褲子，什麼樣的圖像分割演算法會方便提取這些指定物體的信息呢？
我個人對圖像處理比較感興趣，對這個問題略微了解了一下。我來說兩句，權當拋磚引玉吧。-----------------------分割線-----------------------------------
圖像的邊緣提取演算法要分兩種情況討論。也就是兩種圖像的形式。一種是黑白圖，另外一種是彩色圖。
黑白圖圖像分割採用的演算法大多數為灰度閾值演算法。事實上，對於黑白圖而言，我們人眼分辨邊緣也是採用類似的方法。(感覺如果沒有灰度變化，應該沒有人會覺得有邊緣吧)。所以這個是在黑白圖像中用的做多也是最有效的方法。另外，可以採用直接進行一次開運算一次閉運算後可以得到粗略的邊緣。但是計算還是挺複雜的。對於彩色圖片的邊緣提取演算法那就複雜了。而且這方面研究比較熱門，相關論文很多，可以參考一下。總體來說彩色有RGB三個分量，所以再考慮演算法的時候要同時考慮這三個分量。其實，個人感覺演算法雖然多，但是說到底方法還是一個：提取連續的相同顏色作為邊界。(靈感同樣來自人眼(?? . ??))。雖然原理簡單，但是做起來一點都不簡單。那是因為彩色圖像雜訊不是一般多。這也是圖像處理困難所在。(我個人認為現在大部分圖像處理論文都是在討論如何降低雜訊)。所以一般有下面三個步驟。1.降低雜訊降低圖像雜訊的演算法那就不是一般多了。例如最常用的卡爾曼濾波就不少變種。關於這方面可以參考信號與系統的書籍以及相關論文，這裡不再贅述。(因為這都可以寫書了→_→)
2.相同顏色的邊緣提取關於這方面論文也是很多，我就我說說身邊人使用的方法吧。我們有一個老師在做項目的時候用的方法是模糊化處理方法。那就是，拿一個RGB表，從中人工識別所要的顏色。計算機記錄RGB範圍，在RGB向量空間中畫出一個立方體，以後凡是落入這個立方體的都算作這種顏色。結果證明使用這種方式可以較大程度上減小雜訊帶來的影響。但是這種方法對光線高度敏感，光亮度一變，不好意思，重新來過。而且這種方法畫出來的立方體不小，其中包含不少明顯不是這種顏色的RGB值(因為RGB任何一個分量和顏色直接不是線性關係)。再加上這個對人工的工作精確度要求不小，勞動強度不小。所以不太推薦。我們有些大牛引入機器學習的k臨近演算法，結果如何我沒有太了解。3.插值有的時候雜訊太厲害，使得有些點明顯大幅偏離應有的RGB值。使得邊緣不連續。這樣，可以引入插值演算法使得邊緣成為封閉的邊緣。常用的有H插值演算法、多項式插值演算法等等。關於這方面論文也是很多，可以加以參考。以上三個步驟做完以後，基本上就差不多了。如果還是不行，要麼是某個方面效果不好，要麼是雜訊太大。如果是後者，我只能說少年放棄這個圖片吧(正如12306新的圖像驗證碼就是採用強雜訊干擾圖像識別)。
--------------------------------廢話分割線-------------------個人感覺，圖像處理兩大難點，一是雜訊，這不是一般的煩，二是實時性。如果不可以在一定的時間內給出我要的結果，我要你幹嘛？理論上來說，沒有實時性，什麼問題都可以解決。結果用手機打的，手機不好排版，排版不好，不要見怪。如果覺得有道理請不要吝嗇你們的贊╮(╯▽╰)╭，如有不同意見，歡迎私信提出。大家一起學習，一起進步。謝謝！看你問題到底有多具體了如果你的問題很具體，目標很確定，那不涉及圖像識別的圖像處理技術可能就行如果找的目標相對具體點，有相對固定的樣子，且要的標註框級結果，那滑動窗加分類器等目標檢索演算法可以解決如果你是要找出衣服和褲子，且衣服和褲子長得可以不太一樣（顏色紋理等），且要像素級的切分，那你問的是圖像中相當前沿的一個問題fasion parsing，是圖像分割（image segmentation）的一類，簡單點說，這個問題可能沒你想的那麼容易
要是想要提取的圖像部分和周圍有圖像有明顯的區分的話，先進行彩色分層（默認彩色圖像）處理，然後進行提取，已有的優秀提取演算法很多啦。。。。。。（要提取特殊區域的圖像，灰度分層or彩色分層）。-------------------------------------------正在學習cv cp dip,小渣渣一枚，輕拍，摸摸大(～￣▽￣～)
推薦閱讀：