本文已使用 Google Cloud Translation API 自动翻译。
某些文档最好以原文阅读。
在本文中，我们将研究如何使用 TensorFlow.js 和 Node.js 执行图像分割。图像分割是将图像划分为不同区域的过程。这通常用于计算机视觉应用程序以识别图像中的对象。
我们将使用 TensorFlow.js 库进行图像分割。 TensorFlow.js 是一个用于训练和部署机器学习模型的 JavaScript 库。它用于浏览器中的深度学习和 Node.js。
我们将在示例中使用 Node.js 运行时。 Node.js 是一个 JavaScript 运行时，允许您在浏览器之外运行 JavaScript 代码。它通常用于服务器端编程。
在开始之前，我们需要安装 TensorFlow.js 和 Node.js 依赖项。我们可以使用 npm 包管理器来做到这一点。
首先，为我们的项目创建一个新目录：
mkdir image-segmentation
接下来，我们需要初始化一个新的 npm 项目。我们可以通过运行以下命令来完成此操作：
npm init -y
这将在我们的项目目录中创建一个名为“package.json”的新文件。该文件包含有关我们项目的信息，例如我们需要安装的依赖项。
现在，我们可以安装 TensorFlow.js 和 Node.js 依赖项。我们将使用 tfjs-node 包，它允许我们在 Node.js 中运行 TensorFlow.js。
要安装依赖项，请运行以下命令：
npm install @tensorflow/tfjs-node
这将在我们的项目中安装 TensorFlow.js 和 Node.js 依赖项。
现在我们已经安装了依赖项，可以开始编写图像分割程序了。
首先，我们需要加载图像。我们将使用 [tf.node.decodeImage](https://js.tensorflow.org/api/latest/# node.decodeImage) 函数来加载我们的图像。此函数接收包含图像数据的“缓冲区”并返回包含图像数据的“tf.Tensor3D”。
我们可以使用 fs 模块读取图像数据，该模块是 Node.js 标准库的一部分。 [fs.readFile](https://nodejs.org/api/fs.html# fs_fs_readfile_path_options_callback) 函数接受图像的路径并将图像数据作为“缓冲区”返回。
要使用 fs 模块，我们需要将其导入到我们的程序中。我们可以使用 [require](https://nodejs.org/api/modules.html# modules_require_id) 函数来做到这一点。
const fs = require('fs');
现在我们已经导入了 fs 模块，我们可以使用 fs.readFile 函数来读取我们的图像数据。
const imageData = fs.readFileSync('image.jpg');
imageData 变量现在包含我们的图像数据作为 buffer。
接下来，我们需要解码我们的图像数据。我们可以使用 tf.node.decodeImage 函数来做到这一点。
const imageTensor = tf.node.decodeImage(imageData);
imageTensor 变量现在包含我们的图像数据作为 tf.Tensor3D。
在执行图像分割之前，我们需要对图像进行预处理。这涉及对我们的图像数据执行一些操作以准备分割。
首先，我们需要调整图像的大小。我们将使用 [tf.image.resizeBilinear](https://js.tensorflow.org/api/latest/# tf.image.resizeBilinear) 函数来调整图像大小。此函数接受图像“tf.Tensor”和大小（“[高度，宽度]”）并返回调整大小的图像“tf.Tensor”。
我们将调整图像大小为 [128, 128]。
const imageSize = [128, 128];
const imageTensor = tf.image.resizeBilinear(imageTensor, imageSize);
imageTensor 变量现在包含我们调整大小的图像数据作为 tf.Tensor3D。
接下来，我们需要规范化我们的图像数据。我们将使用 [tf.image.normalize](https://js.tensorflow.org/api/latest/# tf.image.normalize) 函数来标准化我们的图像。此函数接收图像“tf.Tensor”并返回归一化图像“tf.Tensor”。
我们将通过减去平均值并除以标准差来标准化我们的图像。
const imageTensor = tf.image.normalize(imageTensor, [0, 255], -1, 1);
imageTensor 变量现在包含我们的标准化图像数据作为 tf.Tensor3D。
现在我们已经对图像进行了预处理，我们可以执行图像分割。我们将使用 [tf.image.segmentation.segmentationKMeans](https://js.tensorflow.org/api/latest/# tf.image.segmentation.segmentationKMeans) 函数来执行图像分割。此函数接收图像“tf.Tensor”并返回分割图“tf.Tensor”。
我们将把图像分割成“4”个区域。
const numSegments = 4;
const segmentationMap = tf.image.segmentation.segmentationKMeans(imageTensor, numSegments);
segmentationMap 变量现在包含我们的分割图作为 tf.Tensor3D。
现在我们已经分割了图像，我们需要可视化分割图。我们可以使用 [tf.tensor3d](https://js.tensorflow.org/api/latest/# tf.tensor3d) 函数来做到这一点。此函数接受一个数字数组并返回一个“tf.Tensor3D”。
首先，我们需要将分割图“tf.Tensor”转换为数组。我们可以使用 [tf.tensor3d](https://js.tensorflow.org/api/latest/# tf.tensor3d) 函数来做到这一点。
const segmentationMapArray = segmentationMap.arraySync();
segmentationMapArray 变量现在包含我们的分割图作为数组。
接下来，我们需要将分割图数组转换为“tf.Tensor3D”。我们可以使用 [tf.tensor3d](https://js.tensorflow.org/api/latest/# tf.tensor3d) 函数来做到这一点。
const segmentationMapTensor = tf.tensor3d(segmentationMapArray);
segmentationMapTensor 变量现在包含我们的分割图作为 tf.Tensor3D。
最后，我们可以使用 [tf.image.resizeBilinear](https://js.tensorflow.org/api/latest/# tf.image.resizeBilinear) 函数可视化我们的分割图。此函数接受图像“tf.Tensor”和大小（“[高度，宽度]”）并返回调整大小的图像“tf.Tensor”。
我们会将分割图调整为图像的原始大小。
const segmentationMapImage = tf.image.resizeBilinear(segmentationMapTensor, [imageHeight, imageWidth]);
segmentationMapImage 变量现在包含我们的分割图作为 tf.Tensor3D。
现在我们已经可视化了我们的分割图，我们需要保存它。我们可以使用 [tf.node.encodePng](https://js.tensorflow.org/api/latest/# node.encodePng) 函数来做到这一点。此函数接收图像“tf.Tensor”并返回包含 PNG 数据的“缓冲区”。
我们可以使用 fs 模块将这些数据写入文件。 [fs.writeFile](https://nodejs.org/api/fs.html# fs_fs_writefile_file_data_options_callback) 函数接受文件路径、要写入的数据和回调函数。
要使用 fs 模块，我们需要将其导入到我们的程序中。我们可以使用 [require](https://nodejs.org/api/modules.html# modules_require_id) 函数来做到这一点。
const fs = require('fs');
现在我们已经导入了 fs 模块，我们可以使用 fs.writeFile 函数将我们的分割地图数据写入文件。
const segmentationMapData = tf.node.encodePng(segmentationMapImage);
fs.writeFileSync('segmentation-map.png', segmentationMapData);
这会将我们的分割地图数据写入名为“segmentation-map.png”的文件。
在本文中，我们了解了如何使用 TensorFlow.js 和 Node.js 执行图像分割。我们还了解了如何可视化分割图并将其保存到文件中。
图像分割是计算机视觉应用的强大工具。 TensorFlow.js 使在浏览器和 Node.js 中执行图像分割变得容易。