Trainable_Segmentation

画几笔标注,训练分类器,自动分割整幅图像

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 计算机视觉 🍴 复刻 64 🐛 待处理 28 👀 关注 21
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 126
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费插件

项目预览

Trainable_Segmentation 项目界面预览图
图片来源:项目官网

项目数据

分类计算机视觉
开发团队fiji
定价模式🏷️完全免费
价格说明开源免费插件
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议GPL-3.0
主要语言Java
GitHub 星标★ 126
上线时间2014-04-03 00:00:00
代码更新2026-10-24
仓库体积70.8 MB
本站数据更新2026-10-29
维护状态活跃
收录时间2026-10-29
浏览次数0

项目介绍

Trainable_Segmentation 是 Fiji/ImageJ 生态中的图像分割库,基于 Weka 机器学习方案实现可训练的像素级分割。它把分割问题转化为像素分类任务:用户用少量笔刷标注前景、背景或若干类别,提取颜色、纹理、边缘等特征,训练分类器后对整幅图或图像序列进行预测。核心能力包括交互式标注、特征选择与参数调节、分类器训练与实时预览,以及保存模型复用到批量图像。它适合显微镜图像、生物医学影像等传统阈值法难以稳定处理的场景,让不具备深度学习工程能力的科研人员也能快速得到分割结果。项目以 Java 编写,作为 Fiji 插件分发,星标数不高但属于早期经典工具,在生命科学图像分析社区有一定使用基础。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-10-29 · 当前星标 ★ 126

核心亮点

  • 交互式标注加实时预览,调参反馈快,适合探索性分析
  • 基于 Weka 提供多种分类器与特征组合,无需深度学习环境即可训练
  • 可保存训练模型并批量应用到图像序列,便于重复实验

不足之处

  • 仅支持二维像素级分类,缺乏对三维体数据和上下文结构的建模能力
  • 依赖手工特征工程,面对复杂纹理或大尺度数据时精度与效率有限
  • 项目维护节奏较慢,文档与社区活跃度待观察

适用场景

  • 显微镜荧光图像的细胞与背景分割
  • 组织切片中不同区域的像素级分类标注
  • 批量图像序列的自动化分割与模型复用

替代项目

ilastik、Cellpose、StarDist

上一篇:DECIMER-Image-Segmentation

下一篇:VISTA

同类项目推荐

piccante 开源

一站式搞定 HDR 图像生成、压缩与显示处理

The hottest High Dynamic Range (HDR) Library

★ 255 2026-08-10
InCTRL 开源

给几个正常样本,就能检测任何新场景的异常

Official implementation of CVPR'24 paper 'Toward Generalist Anomaly Detection via In···

★ 203 2026-08-09
FILTER.js 开源

纯 JS 实现 OpenCV 级图像视频处理,浏览器 Node 都能跑

Video and Image Processing and Computer Vision Library similar to OpenCV in pure Jav···

★ 400 2026-09-18
neuriplo-infer 开源

一个 C++ 程序跑通检测分割分类光流多任务

C++ app for computer vision inference, supporting multiple tasks and backends.

★ 107 2026-09-18
TesserAct 开源

让机器人看懂并预测4D世界,实现具身智能

ICCV 2025 | TesserAct: Learning 4D Embodied World Models

★ 411 2026-08-09
vivid123 开源

一张图生成多视角视频,3D重建更轻松

[CVPR 2024 Highlight] ViVid-1-to-3: Novel View Synthesis with Video Diffusion Models

★ 180 2026-08-09