一般是只对图像整体做分类，那么如果是将图像的目标提取出来，这就是语义分割。与分类不同的是，语义分割需要判断每个像素点的类别，进行精确分割，产生目标的掩码，图像的语义分割是像素级别的。

腐蚀模板算子，中心和周围8个点，如果周围有像素点为0，则中心点为0。全255，才为255首先对输入的灰度图像二值化，设定自己的阈值，这里设定为130.将图像变成二值图像。后进行腐蚀。二者的索引方式本质上是相同的，但为了对四周像素值及逆行索引，将ix，iy转成ix-1，ix+1，iy-1，iy+1。其中利用max，min的值，设定前面4个索引不会超出图像边界。比如第一个像素（0，0）处只有3个相邻的

基础算法，算是图像融合的一种，将两张图叠加起来。

一般是只对图像整体做分类，那么如果是将图像的目标提取出来，这就是语义分割。与分类不同的是，语义分割需要判断每个像素点的类别，进行精确分割，产生目标的掩码，图像的语义分割是像素级别的。

非局部均值去噪（Non-Local Means，简称NLM）是一种用于图像处理的去噪算法，特别适用于去除图像中的高斯噪声。它的核心思想是考虑图像中的每个像素，并将其与图像中其他位置的相似区域进行比较。不同于传统的局部去噪方法，NLM算法利用了图像中更广泛区域的信息，从而更好地保持了图像的细节和结构。

一般是只对图像整体做分类，那么如果是将图像的目标提取出来，这就是语义分割。与分类不同的是，语义分割需要判断每个像素点的类别，进行精确分割，产生目标的掩码，图像的语义分割是像素级别的。

CUDA中用于映射锁页内存（mapped pinned memory）的API，把分配的主机内存映射到CUDA内核的地址空间，使得他们能够直接被访问，称作零复制，因为内存是共享的，复制操作不需要通过总线。事实上，在传输受限型的工作量上，一个集成的GPU可以超过一个更大的独立GPU。虚拟寻址，虚拟地址空间，为物理内存一个一个分配连续编号，以便进行访问，比如0~64kb内存位置是0~65535，指定内

一般是只对图像整体做分类，那么如果是将图像的目标提取出来，这就是语义分割。与分类不同的是，语义分割需要判断每个像素点的类别，进行精确分割，产生目标的掩码，图像的语义分割是像素级别的。

本项目所使用的数据集是BCCD数据集。WBC（白细胞）、RBC（红细胞）、Platelets（血小板）本文所使用的是2021.2.25版本的。包含847张图片，每张图像大小为416x416，图像格式为.jpg所以在后面阶段不需要对图像进行增强操作。当然新版本或者其他版本不同也不影响使用，一些版本图像大小不同，一些对图像并未做预处理，后期可能需要。如果下载的数据集内容不一致，感兴趣的可以在这里下载，

一般是只对图像整体做分类，那么如果是将图像的目标提取出来，这就是语义分割。与分类不同的是，语义分割需要判断每个像素点的类别，进行精确分割，产生目标的掩码，图像的语义分割是像素级别的。