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。

训练神经网络需要大量数据，目标检测中需要先进行标记。肺结节的检测非常普遍。现分享一个自己在胸部CT肺质标记的方法。

labelme的exe版本，在win10下测试可用。主要用于以下方面： 对图像进行多边形，矩形，圆形，多段线，线段，点形式的标注（可用于目标检测，图像分割，等任务） 对图像进行进行 flag 形式的标注（可用于图像分类 和 清理 任务） 视频标注 生成 VOC 格式的数据集 生成 COCO 格式的数据集

图像平滑，伪彩色变换 ，阈值分割，图像的层级表示，四个MATLAB程序，以及实验步骤

Finding lungs in CT 是基于肺部 CT 影像分割处理的数据集，其包含一系列 CT 影像中对肺部影像的分割，并以此识别和估计肺部容积量。 该数据集包含 4 名患者的数据，以 nifti 格式的图像和分段肺面罩为主，由 Kaggle 于 2017 年发布。

本教程利用MATLAB进行图像语义分割，从语义分割概念、模型搭建、图像标记、模型测试完整的展示了MATLAB语义分割的全过程。（本博主提供一对一技术支持服务，有需要的同学可以私信我哦）

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像素赋予相同的编号。 [1]

指纹识别（基于matlab对指纹进行识别，其中用到了滤波、图像分割、图像识别等技术对指纹进行识别）

本文件为图像定位和图像分割数据集，并且包含定位和分割的详细注释，下载后可以直接使用，适用于深度学习和卷积神经网络学习者使用研究。

图像分割的高性能模型unet 的进化再进化版本！ unet经过无数学者的“摧残”后，得到了很多个版本，并且性能总体上得到了可观的提升。 该压缩包里包括unet3+的原文论文与中文机翻，有需要的可以自行下载。