经典的图像分割方法总结

图像分割指根据灰度、纹理、形状等特征把图像分割为若干个互不交叠的区域，并使图像在同一区域内呈现出相似性，在不同区域内呈现明显的差异性。

• 基于阈值
• 基于区域
• 基于边缘
• 基于小波变换
• 基于神经网络
• 基于能量
• 基于概率统计
• 基于特定理论

1.基于阈值的分割

基本思想：给定合适的灰度阈值，将图像中各个像素的灰度值和阈值作比较，将每个像素划分到合适的类别中。
优点：思想简单、运算效率高（并行区域技术）
难点：图像结构复杂时很难找到合适的阈值

2.基于区域的分割

基本思想：将图像按照给定的相似性准则划分为不同的区域，主要有区域生长法、区域分裂合并法、分水岭法等。
区域生长法：对每个需要分割的区域选定一个种子像素作为生长的起点，然后将种子像素邻域内具有相同或相似性质（事先确定判定相同或相似的准则）的像素合并到该种子像素所在的区域中。将新合并的像素当作种子像素继续上面的过程，直到没有满足条件的像素被包括进来。
区域分裂合并法：首先将图像任意分割成若干个互不相交的区域，然后按照某种准则对这些区域进行分裂或合并，最终完成分割任务。
分水岭法：基于拓扑理论的数学形态学分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区