众所周知图像是由若干有意义的像素组成的，图像分割作为计算机视觉的基础，对具有现有目标和较精确边界的图像进行分割，实现在图像像素级别上的分类任务。

图像分割可分为语义分割和实例分割两类，区别如下：

• 语义分割：将图像中每个像素赋予一个类别标签，用不同的颜色来表示；
• 实例分割：无需对每个像素进行标记，只需要找到感兴趣物体的边缘轮廓。

图像分割通常应用如下所示：

• 专业检测：应用于专业场景的图像分析，比如在卫星图像中识别建筑、道路、森林，或在医学图像中定位病灶、测量面积等；
• 智能交通：识别道路信息，包括车道标记、交通标志等。
  

本博客主要通过PixelLib模块帮助用户快速便捷实现图像分割。

1、环境部署

在进行项目设计前，需要安装所需的第三方库文件：TensorFlow、Pillow、OpenCV-Python、scikit-image和PixelLib，指令如下所示：

pip install tensorflow
pip install pillow
pip install opencv-python
pip install scikit-image
pip install pixellib

2、语义分割

PixelLib使用Deeplabv3+框架实现语义分割，在pascalvoc数据集上训练的Xception模型用于语义分割。

第1步：导入PixelLib模块，代码如下所示：

import pixellib
from pixellib.semantic import semantic_segmentation

第2步：创建用于执行语义分割的类实例，代码如下所示：

segment_image = semantic_segmentation()

第3步：调用load_pascalvoc_model()函数加载在Pascal voc上训练的Xception模型，代码如下所示：

segment_image.load_pascalvoc_model("deeplabv3_xception_tf_dim_ordering_tf_kernels.h5")

第4步：调用segmentAsPascalvoc()函数对图像进行分割，并且分割采用pascalvoc的颜色格式进行。此函数有两个必选参数：

• path_to_image：分割的目标图像的路径；
• path_to_output_image：保存分割后输出图像的路径。

将路径替换为自己环境路径即可，代码如下所示：

segment_image.segmentAsPascalvoc("path_to_image", output_image_name = "path_to_output_image")

上传图像，语义分割后效果如下所示：

也可以生成了带有分段叠加层的图像，只需要将segmentAsPascalvoc()函数的overlay属性设置为True，代码如下所示：

segment_image.segmentAsPascalvoc("sample1.jpg", output_image_name = "image_new.jpg", overlay = True)

分段叠加层效果如下所示：

3、即时分割

PixelLib的实例分割基于MaskRCNN框架实现，也仅需5行Python代码实现。

第1步：导入PixelLib模块，代码如下所示：

import pixellib
from pixellib.instance import instance_segmentation

第2步：导入用于执行实例细分的类并创建该类的实例，代码如下所示：

segment_image = instance_segmentation()

第3步：调用load_model()函数加载Mask RCNN模型以执行实例分割的代码，代码如下所示：

segment_image.load_model("mask_rcnn_coco.h5")

第4步：调用segmentImage()函数对图像执行实例分割。此函数有两个必选参数：

• path_to_image：模型要预测的图像的路径；
• output_image_name：保存分割结果的路径。

将路径替换为自己环境路径即可，代码如下所示：

segment_image.segmentImage("path_to_image", output_image_name = "output_image_path")

上传图像，即时分割后效果如下所示：

也可以生成分割蒙版边界框，只需要将show_bboxes()函数的overlay属性设置为True，代码如下所示：

segment_image.segmentImage("sample2.jpg", output_image_name = "image_new.jpg", show_bboxes = True)

生成分割蒙版边界框效果如下所示：