边缘检测 1、利用Roberts、Prewitt、Sobel梯度算子对给定的图像文件lena_gray.jpg进行边缘检测。对edge函数中的T和dir给出不同的值，观察结果的不同。以某一个梯度算子为例，得到T的默认值，并将T的值分别给出大于和小于默认值，并给出实验结果，进行分析。 2、利用上述3个梯度算子对所检测边缘的宽度进行对比分析。 3、利用LOG算子对给定的图像文件进行边缘检测。 对梯度算子与LOG算子的图像边缘检测效果进行分析。 阈值分割 1、调入并显示原始图像 fenge.jpg、laser.jpg、rice.bmp ； 2、利用自编程序实现阈值分割，显示分割后的图像，并返回分割阈值； 3、调用系统函数实现OTSU阈值分割，显示分割后的图像，并返回分割阈值； 4、利用原图的灰度直方图人工定义阈值，实现全阈值分割，显示分割后的图像。 5、在同一图像框下输出全部结果并进行讨论。

编写程序，对灰度图像进行二值分割，并进行 基本的图像分析。（图像可以自行搜集，要求图像中应有多个目 标） 1）图像分割算法； 2）计算二值图像中所有目标区域的总面积； 3）单独计算目标一的面积、周长。 4）求各个目标的最小外接矩形及长宽比。 5）程序有GUI。

百度paddle_图像分割课件.zip

用阈值分割方法中的经典算法----最大类间方差法进行图像分割，程序简单易读

【项目代码】利用matlab编写的区域生长的程序，用于图像分割_20130520213934.rar

K-means实现图像分割，C#源码，属于机器学习范畴，有兴趣可以下载

matlab实现ycbcr和改进的ycgcr的手势图像分割程序。自己添加一张图相就可以用。

多种图像边缘检测与分割处理

matlab图像分割肿瘤代码BMED6780 医学图像处理 该项目的目标是学习和实施完整的转化式生物医学图像处理流程，以提供临床决策支持。 具体而言，将图像处理和数据挖掘技术应用于癌症组织病理学图像，并为癌症的诊断和预后发展提供客观且可重复的决策支持。 作者 Mosadoluwa Obatusin 阿什坎·奥贾吉（Ashkan Ojaghi） 尼桑（Nishanth Raopalimarraghupathi） 该课程学期项目分为两个模块： 1.1）核结构的自动分割1.2）图像特征提取和探索2.0）图像分类 尽管该项目正在进行中，但可以在以下位置找到初步报告： 数据集1： 将提供100份苏木精和曙红（H＆E）染色的肾透明细胞癌组织切片的数字显微图像，该切片由100个肿瘤，100个坏死和100个基质切片组成，H＆E染色可增强蓝紫色，白色和粉红色三种颜色。 这些颜色对应于特定的细胞结构。 坏死基质| 瘤 数据集2： 第二个数据集由100个肾脏透明细胞癌患者全幅幻灯片（WSI）的512×512像素矩形部分组成。 每位患者被标记为[患者名]瓷砖[行号] _ [列号] .PNG 16个相邻的部分来

医学分割十项全能中的Task02_Heart(.nii文件)，包含19个训练集和10个测试集，label标记为背景和左心房两类。