相比于目标检测只是将目标位置检测出来而言，目标分割能够更精准的将图像进行划分。

图像分割在计算机视觉中的地位

为后续检测、识别等提供技术支持。

图像分割难点以及处理

难点：图像特征的组合难以表达？
比如

图中人的头发和裤子是黑色，衣服是白色，很难将差异如此大的图像分成一种。
处理：
1、限制图像类型；
2、引入目标先验知识（轮廓、颜色等）；
3、引入人为交互信息；
4、多幅图像联合。

图像分割方法分类（一）

1、基于边缘的方法；
依赖于边缘，对噪声比较敏感，边缘比较弱或者噪声大，该算法的分割结果会出现问题
2、基于区域的方法；
基于像素特征一致性进行分割；
3、综合边缘和区域的方法；
4、其它分割算法
1）交互式分割；
2）基于学习的分割；
3）共分割。

图像分割方法分类（二）

1、传统分割方法
阈值分割（OTUS）、区域生长法（分水岭分割）、基于统计的分割算法（kmeans图像分割及均值漂移分割等）
2、主动轮廓以及水平集分割算法；
3、图割方法（拉普拉斯分割）
4、深度学习分割（FCN、SegNet、DeepLib等）。