项目中经常需要对图像中的细胞核，核心及细胞质轮廓进行分割，然后从中分离出单个细胞的上述信息进行特征提取及描述及细胞分类。然而要拿到分离得到的单个细胞图像有一定的困难和挑战，尤其是从重叠细胞群中分离出单个细胞。因此，将项目中的核心代码中，设计细胞分割部分分享出来，供大家讨论，也希望有高手可以用c++进行重构，欢迎交流qhs2011@163.com,qq:2259508339。说明：imgdir:输入图像，result:结果图像，结果图像说明：红色圆点为细胞核中心点，绿色圈为细胞核轮廓，红色圈为细胞质轮廓。

1． 理解图像与灰度直方图之间的关系，掌握对图像进行直方图均衡化处理的方法； 2． 掌握基本的图像分割方法：对具有双峰分布直方图的图像进行阈值分割

一种基于超像素的快速FCM（SFFCM）用于彩色图像分割。所实现得源码(matlab)能够以非常低的计算成本实现彩色图像分割，但是却能达到较高的分割精度。

医学图像分割

针对基于模糊C均值聚类（FCM）的图像分割算法仅利用像素的灰度信息、噪声抑制不理想、算法鲁棒性不高的问题，提出了一种基于像素邻域信息约束的FCM图像分割算法。该算法在模糊目标函数中引入邻域信息约束，通过约束系数自适应调节控制邻域信息约束强度，自优化迭代更新聚类中心和聚类隶属度矩阵，使模糊目标函数收敛到最小，并利用像素最优聚类隶属度去模糊化操作实现图像分割。实验结果表明，该算法在获得较高的图像分割精度的同时，具有较强的噪声抑制能力。

一种基于图像交互式对的分割算法，原理和区域生长类似，通过不断合并区域，达到最终分割效果。

利用OpenCV实现基于K均值的彩色图像分割，并显示聚类后的灰度图和灰度直方图。

图像分割阈值法综述图像分割阈值法综述图像分割阈值法综述图像分割阈值法综述

课程大作业，基于MFC对话框编程，结合遗传算法和模拟退火算法对图像进行分割，并和原始otsu方法进行了比较

TernausNet: 带有VGG11编码器的U-Net在ImageNet上预训练，用于图像分割