这本软件指南分为两部分，每部分又包括几个章节。第一部分是ITK的基本情况介绍。第一章和接下来的两章介绍如何在你的计算机上安装ITK，包括安装预编译库和运行以及从源代码编译软件。第一部分同样也介绍了一些基本的系统概念，如:系统结构概述、如何使用C++、Tcl和Python编程语言建立应用程序。第二部分从用户角度来介绍软件，提供了大量实例描述系统的主要特征。

各种Unet模型用于图像分割的实现-Unet，RCNN-Unet，注意力Unet，RCNN-Attention Unet，嵌套式Unet细分Unet细分-Pytorch-Nest-of-Unets各种Unet模型用于图像分割的实现UNet- U-Net：用于生物医学图像分割的卷积网络https://arxiv.org/abs/1505.04597 RCNN-UNet-基于U-Net的递归残差卷积神经网络（R2U-Net）用于医学图像分割https：// arxiv。 org / abs / 1802.06955 Attention Unet-Attention U-Net：学习在哪里寻找胰腺https://arxiv.org/abs/1804.03999 RCNN-Attentio

图像分割简介

唐宇迪---图像分割算法（深度学习）第二章

基于MATLAB的柑橘病虫害图像分割算法的研究.pdf

对彩色图像的分割，用到的函数都有简单说明，包括滤波、分割、膨胀腐蚀这些，效果一般吧，可以根据自己需求加工改进，比较适合初学者，运行main.m即可，操作简单。

文章“百度智能云训练图像分割模型+python调用模型并分割图像”中的源码，使用python3.8编译。

该程序加载图像，然后使用四叉树分割执行分割

为研究岩石CT图像分割及量化方法,以识别岩石CT图像中的岩石区、损伤区及背景区为目的,提出了一种聚类算法与数字图像处理技术相结合的方法,该方法根据"物以类聚"的统计原理,按距离相近或相似程度对岩石CT图像中的像素进行标定,从而实现图像分割及量化。结果表明:该方法能够准确地对岩石CT图像中的不同区域进行分割并且实现了对损伤的量化表达;同时,对于结果不确定度影响的初始参数有完全的排异性,从而保证了结果的稳定性;将该算法与阈值分割法进行比较,该算法可避免人为选择阈值导致的误差,从而保证结果的可靠性。

利用马尔可夫随机场原理，进行图像分割和图像去噪的代码