1.1 像素级分类在干什么

1.1 像素级分类在干什么

本节摘要：图像分割把一幅图切成互不重叠、合起来又刚好铺满整图的区域，并让每个像素拿到一个类别或实例标签。它不是美化图像，也不是只描边缘，而是给后续测量、识别、控制提供像素级工牌。

学习目标

阅读完本节，你应当能够：

1. 用覆盖、互斥、区内相似、区际可分四条，检查一份掩码算不算合法分割
2. 说明分割与增强、滤波、边缘检测各自解决什么问题，以及为何常常串联
3. 把「目标提取、简化表示、语义理解、测量分析」四项目的写进任务说明书
4. 在一张小图上手工画出掩码，并指出哪条边界是业务真正在乎的

一、为什么必须切到像素

检测给框，分类给整图标签。框里往往掺着背景，整图标签说不清肿瘤长在哪。分割要的是：这个像素是肝脏还是血管，这条车道线宽几个像素，这颗螺丝的缺口从哪一列开始。裁缝画样就是这件事——先在布上画出衣片，剪错一厘米，后面再精致的缝法也补不回料。

医学里，医生要的是病灶体积随疗程怎么变，不是「这张片子里好像有个肿块」。自动驾驶里，可行驶区域差两个像素，轮子可能压到路沿。工业质检里，划痕面积决定报废还是返工。这些数字只能从像素级区域来。

所以动手的第一天不要打开网络。先问：我要把哪些像素从其余像素里分出来？分出来之后谁用？用它算面积、当控制输入，还是只为了好看的叠加层？三个问题答不清，标注员会按自己的审美画，模型会按标注的偏见学。

原图 ──► 每个像素一张工牌 ──► 区域列表或轮廓
              │
              ├─ 工牌可以是类别名（语义）
              └─ 工牌可以是「第几号物体」（实例）
​

二、形式定义：四条必须同时成立

原文把分割写成：把图像 I 分成 n 个区域 R1 到 Rn，满足四条。动手时把它们当成验收清单，而不是考试默写。

第四条最容易被忽略。标注员沿纹理多画了一条缝，模型会认真学习那条假边界。抽检时不要只看「有没有漏标」，还要看「有没有切得过碎」。

相似性谓词 P 在传统方法里是灰度差、颜色距离；在深度学习里是「网络认为属于同一类」。谓词换了，四条结构没换。这也是为什么第 3 章的阈值和第 5 章的 U-Net 能接到同一套管线：输出都是一张合法掩码。

分割吃前面步骤的结果，但前面步骤替代不了分割。滤波不会给像素发工牌，边缘只告诉你「这里可能是边界」，不保证围成封闭区域。

三、和相邻操作的边界

增强改变观感：拉对比、伽马校正，内容类别不变。滤波抑制噪声或平滑，像素值变了，语义标签仍未诞生。边缘检测找梯度大的位置，得到的是细线，常常断、常常有毛刺。分割要的是区域。你可以先增强再滤波再找边缘，最后用边缘当区域生长的停止条件，但最后那一步必须发生。

⚠️ 常见坑：把 Canny 的线当成分割交卷。线不是区域。下游若要面积，必须先把线连成闭合轮廓再填充，或改用区域类方法。
💡 关键直觉：边缘是「墙在哪」，分割是「房间归谁」。有墙仍可能没把房契办好。

工业现场常见一种偷懒：阈值得到二值图，直接当分割。若背景均匀、目标对比强，这确实合法——二值图满足覆盖与互斥。一旦光照渐变，同一类灰度漂到阈值两侧，四条里的「区内相似」在业务上仍成立，在灰度谓词上却失败。这时不是「分割定义错了」，是你选的谓词太弱，该换自适应阈值或学习特征。

四、动手：先造一张合法掩码

不要等数据集。用数组造一张 64 边长的图：左边一块亮、右边一块暗，中间一条斜边界。你的「分割」就是按列号或按灰度切开。检查：每个位置都有 0 或 1；没有像素同时为 0 和 1；左块内部灰度接近；边界两侧差得足够大。

import numpy as np

h, w = 64, 64
img = np.zeros((h, w), dtype=np.uint8)
img[:, :32] = 40
img[:, 32:] = 200
# 斜边界：让右半略侵入左半，模拟真实物体
for y in range(h):
    cut = 28 + y // 8
    img[y, cut:] = 200

mask = (img > 120).astype(np.int64)
print("覆盖检查", mask.size == h * w)
print("标签集合", np.unique(mask))
print("前景占比", mask.mean())
​

这段不读任何外部文件，却已经在练习第 2 章加载器要保证的事：掩码与图同高同宽，标签是整数，前景占比可打印。若你连这种玩具都对不齐，后面读真实标注时更会对不齐。

图 分割在流水线中的位置

五、目的清单：写进任务书的四行

目标提取：把感兴趣对象从背景拿出来。脑部磁共振里的肿瘤、卫星图里的道路，都是这一行。简化表示：几百兆原图变成几万个区域编号，后面的分类器或规则引擎才跑得动。语义理解：每个像素带类别名，场景才能被语言描述。测量分析：面积、周长、圆度、质心，质检和疗效评估靠它们。

同一项目往往占多行。自动驾驶同时要可行驶区域（提取）和「那是行人」（语义）。不要只写「做分割」，写你要哪几行。后两行决定指标：只要叠加好看，像素准确率就够骗人；要体积，必须上 Dice 或交并比。

应用面很宽：器官与细胞、道路车辆行人、土地利用、表面缺陷、监控里的运动目标。饼图比例没有普适真理，别背「医学占四分之一」这种展示数字。你的项目只需要写清自己的那一块。

六、工地问答

分割一定要铺满整图吗？

形式定义要求并集等于整图，工程上常用「背景也是一类」来满足。若产品只关心裂纹，仍建议把其余像素标成背景，而不是留空值。空值会在损失里变成未定义行为。忽略 id 是第三种合法状态：算损失时跳过，不参加梯度，也不冒充背景。

和超像素、抠图是一回事吗？

超像素是把图预先切成几百块均匀小片，降低后续算法的节点数，本身通常没有业务类别名。抠图要半透明和发丝，输出往往是连续 alpha，不是互斥整数标签。分割教程里的掩码默认互斥离散。需要发丝时，任务书要另写，不要用 mIoU 假装已经覆盖。

手工掩码要画多细？

细到业务伤害所要求的那一层。放疗勾画可能要到毫米级结构；仓储只要托盘外接形状。规范里写「最小标注面积」和「边界内收还是外扩」。两人抽检差在这一圈时，不是模型的事，是法律没写清。

把第 1.1 节的四条打印贴在标注工位旁：铺满、不重叠、区内像一类、邻块不该合并。新来的标注员第一天用这四条检查自己的第一张图，比听一小时概念课有效。下一节会把「像一类」进一步分成要不要数个数。

七、从定义到第一张检查表

把四条合法性抄进检查表，用第 2 章那 30 对试标逐张过：有没有未定义像素、有没有一像素两标签、区内是否真的像一类、该不该合并的缝有没有被手抖切开。过不了的图进隔离，不进训练。隔离原因写成枚举：漏标、过碎、错类、错位。枚举会在第 6 章变成清洗规则。形式定义因此不再是考试默写，而是工位墙上的四句话。

和增强、滤波、边缘的串联也写成检查表的附注：增强之后类别不得变；滤波之后细目标宽度仍大于形态学核；边缘若当输入，最终仍须封闭成区域才能算面积。下游要体积时，交卷物必须是区域。有人用边缘图交卷再在汇报里除以「线宽」冒充面积，口径一经追问就垮。把「交卷是区域」写进第 1.3 节验收卡的同一页，避免两章各说各话。

动手作业：用本节玩具数组改斜边界斜率，观察掩码是否仍满足互斥与铺满。这是后面仿射变换后断言的预习。做完再进 1.2，否则三种任务的接口差异会建立在模糊的掩码概念上。

检查表过完，选一张「过碎」的图开会：那条缝是业务要的还是手抖。结论写回规范「何种纹理允许合并」。这比再讲一遍定义有用。玩具斜边界实验做完，把代码留在加载器测试里，仿射之后还跑同一断言。定义、检查表、单元测试三条线拧在一起，1.1 才算从概念变成纪律。

把检查表做成加载器测试的注释原文，防止文档与代码各改各的。过碎图的会议结论必须回写成「允许合并的纹理类型」 enumeration，否则下次抽检仍会吵。玩具斜边界与真实多边形栅格化共用断言函数，一份实现两处调用。谁改断言，两处一起变。这就是把形式定义变成纪律的最后一钉。

工位墙上的四句话要能口头复述，不能只贴海报。抽检时随机指一张图，标注员须指出哪一像素违反了铺满、互斥、区内相似或邻块可分。答不上来，当天停标，开规范会而不是加训练轮数。玩具斜边界实验的断言函数名写进加载器测试清单，仿射变换后必须再跑同一条，防止「定义只在第 1.1 节有效」。

要点速记

• 四条合法性：铺满、互斥、区内相似、邻块可分，缺一则掩码不配叫分割结果
• 工牌比喻：分类给整图一顶帽子，检测给框，分割给每个像素发工牌
• 相邻操作：增强与滤波改数值，边缘给线索，只有分割产出区域
• 先手工后网络：用数组造一对图和掩码，检查形状与标签集合
• 目的决定尺子：提取、简化、语义、测量四行要写进任务书
• 假边界有毒：过碎的标注会让模型学习手抖，抽检要看该不该合并

下一节把工牌系统分成三种：只认类别、要认个体、以及两者同时要。选错一种，标注成本和模型家族会整条路走偏。