Image Segmentation（图像分割）： 所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的说就是在一副图像中，把目标从背景中分离出来。对于灰度图像来说，区域内部的像素一般具有灰度相似性，而在区域的边界上一般具有灰度不连续性。
Medical Image Segmentation（医学图像分割）：医学图像分割的目的是使图像中解剖或病理结构的变化更加清晰;它在计算机辅助诊断和智能医疗中发挥着至关重要的作用，极大地提高了诊断的效率和准确性。目前流行的医学图像分割任务包括肝脏和肝脏肿瘤分割，脑和脑肿瘤分割，视盘分割，细胞分割，肺分割和肺结节等。 一般的图像分割任务主要分为了语义分割和实例分割。但在医学图像分割中，由于每个器官或组织都有很大的不同，所以医学图像的实例分割并无太大意义，医学图像分割通常都指语义分割。
superpixels（超像素）：超像素是 一系列像素的集合，这些像素具有类似的颜色、纹理等特征，距离也比较近，需要注意的是，超像素很可能把同一个物体的不同部分分成多个超像素，如下图，其中每个白色线条区域内的像素集合就是一个超像素。
Semantic Segmentation（语义分割）：就是把图像中 每个像素赋予一个类别标签（比如汽车、建筑、地面、天空等），比如下图就把图像分为了草地（浅绿）、人（红色）、树木（深绿）、天空（蓝色）等标签，用不同的颜色来表示。存在的问题是：不同的人标上的颜色是一样的，因为类别相同，也就是说语义分割只能判断类别，无法区分个体。
Instance Segmentation（实例分割）：有点类似于物体检测，不过物体检测一般输出的是 bounding box，实例分割输出的是一个 mask。实例分割和上面的语义分割也不同，它不需要对每个像素进行标记，它只需要找 到感兴趣物体的边缘轮廓就行。
Image Classification： 图像分类，用于识别图像中物体的类别（如：bottle、cup、cube）
Object Localization： 目标检测，用于检测图像中每个物体的类别，并准确标出它们的位置。
Panoptic Segmentation（全景分割）：它是 语义分割和实例分割的结合，即同时实现 对背景的语义分割和前景的实例分割。如下图所示，每个像素都被分为一类，如果一种类别里有多个实例，会用不同的颜色进行区分，我们可以知道哪个像素属于哪个类中的哪个实例。比如下图中黄色和红色都属于人这一个类别里，但是分别属于不同的实例（人），因此我们可以通过mask的颜色很容易分辨出不同的实例。
Interactive Segmentation（交互式分割）：交互式分割是用户通过提供目标物体 前景和背景信息实现交互式的监督分割。交互式分割往往是建立在自动分割的基础上，对已有的监督信息中增加人为（模拟人为）的标记，实现更加精细的分割。例如仅对感兴趣的目标进行分割，在自动分割结果不够好的情况下通过用户介入矫正，特定医疗图像的目标分割等。
Matting：Matting 是 将图像分解为前景和背景的处理，以便于将前景合并到新的背景上. 这也是绿幕greenscreen 的关键技术，被广泛应用于视频生产、图形和APPs 中。简而言之，分割是对图像中每个像素分配一个二值标签0,1，以表示背景和前景，而Matting是求解公式中连续的 alpha 值。
图中，边缘区域，尤其是头发，是由 0-1 之间的真实 alpha 值的. 因此，分割的二值性导致前景边界周围出现严格边界，留下可见的不好效果. 解决了部分透明度和前景问题，对第二帧的合成更有利.
比如paddlepaddle就提供以下四种四种分割功能： （精度到头发丝了）
参考链接：
超像素、语义分割、实例分割、全景分割 傻傻分不清？ – 知乎 (zhihu.com)
飞桨PaddlePaddle-源于产业实践的开源深度学习平台
Matting – Background Matting 简单理解 – AI备忘录 (aiuai.cn)
2022-02-11 17：00更
Video Object Segmentation（视频目标分割）：对视频中感兴趣的目标进行分割，给定第一帧mask的VOS称为one-shot VOS （单样本VOS），无第一帧目标mask的称为zero-shot VOS（无样本VOS）。通常会给定目标mask，求特定目标的mask，下图为实例级视频目标分割的例子：
视频目标分割是集 检测、跟踪、分割、ReID于一体的计算机视觉任务，提供了更加丰富的信息，标注成本很高，计算量也比较大，近年来随着高性能设备和相关数据集的出现，也越来越受到关注。
视频实例分割（Video Instance Segmentation）：根据目标检测的框，求目标的mask
Original: https://blog.csdn.net/qq_46675545/article/details/122708000
Author: 好啊啊啊啊
Title: 图像分割汇总
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/702867/
转载文章受原作者版权保护。转载请注明原作者出处！