图像分割是计算机视觉的基础任务简单说就是把图像划分成多个有意义的区域。经过多年发展它已形成一套成熟的方法体系大致可分为经典传统方法和现代深度学习方法两大流派。 经典传统方法基于数学与物理规则在深度学习兴起前图像分割主要依靠图像的底层特征如灰度、纹理、边缘和数学模型。这类方法计算量小、可解释性强但泛化能力较弱。基于阈值 (Threshold-based)通过设定灰度值界限来分离物体与背景。例如Otsu算法能自动找到最佳阈值适合处理前景与背景对比度高的简单图像。基于边缘检测 (Edge-based)先找到图像中灰度变化剧烈的像素点再连接成物体轮廓。Canny算子就是一个经典工具能精准定位边缘但对噪声比较敏感。基于区域 (Region-based)从一些“种子点”出发将与周围相似的邻域像素不断合并区域生长最终形成完整区域。这种方法的效果很大程度上取决于初始种子点的选取。基于图论 (Graph-based)将图像看作一幅由像素点构成的图通过最小化“切割”的代价来找到最佳分割边界。GrabCut是其中的代表只需用户画个框就能迭代式地分离前景。 深度学习方法让机器学会“看”自2012年起深度学习凭借自动从数据中学习复杂特征的能力成为了图像分割的主流。根据任务目标的不同它演变出了几个细分方向语义分割 (Semantic Segmentation)这是最基础的任务目标是给图像中每一个像素都分配一个类别标签如“天空”、“汽车”、“行人”。FCN (全卷积网络)开山之作将分类网络的全连接层替换为卷积层首次实现了端到端的像素级预测。U-Net设计了一个对称的“编码器-解码器”结构并通过“跳跃连接”巧妙融合了高层语义和底层细节在医学影像等小样本场景中表现出色。DeepLab系列引入了“空洞卷积”和“ASPP空洞空间金字塔池化”模块能有效扩大感受野、捕捉多尺度信息分割精度很高。实例分割 (Instance Segmentation)任务更进一步不仅要区分像素类别还要能区分出同一类别的不同个体如“猫A”和“猫B”。Mask R-CNN堪称标杆它在著名的目标检测网络Faster R-CNN上增加了一个分支为每个检测出的物体精准生成一个二值的分割掩码。全景分割 (Panoptic Segmentation)这是语义分割和实例分割的“合体”。它要求对图中所有像素进行分类其中“背景”类如天空按语义分割处理而“前景物体”类如行人则按实例分割处理为每个实例分配唯一ID。代表性方法有Panoptic FPN。基于Transformer的新范式近年来源自NLP的Transformer架构开始大放异彩。其核心的“自注意力机制”能天然捕捉全局信息。像Swin Transformer和Mask2Former等模型在分割精度上又达到了新高度。下面这张图可以帮你更直观地建立起图像分割方法的体系框架总的来说从直接设定阈值到让网络自主理解图像图像分割技术正向着更精准、更统一、更高效的方向发展。在实际应用中选择哪种方法往往需要在精度、速度和计算成本之间做权衡。比如经典方法依然适用于简单、实时的嵌入式场景U-Net是医学影像分析的首选DeepLab系列在追求高精度的任务中表现优异而Mask R-CNN则是需要区分个体的自动驾驶、遥感图像等领域的核心。
