传统图像分割方法h

1、基于阈值

　　通过设定阈值，把图像像素点分为具有不同灰度级的目标区域与背景区域。

　　常用的阀值选择方法有利用图像灰度直方图的峰谷法、最小误差法、基于过渡区法、利用像素点空间位置信息的变化阀值法、结合连通信息的阀值方法、最大相关性原则选择阀值和最大熵原则自动阀值法。

　　阀值分割方法的优点是图像分割的速度快，计算简单，效率较高。但是这种方法只考虑像素点灰度值本身的特征，一般不考虑空间特征，因此对噪声比较敏感。

2、区域生长

　　具体是先对每个需要分割的区域找一个种子像素点作为生长的起点，然后将种子像素周围领域中与种子像素有相同或相似性质的像素合并到种子像素所在的区域中。将这些新像素当作新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来。这样一个区域就长成了。

　　区域生长的优点是计算简单，对于较均匀的连通目标有较好的分割效果。它的缺点是需要人为的选取种子，对噪声较敏感，可能会导致区域内有空洞。另外它是一种串行算法，当目标较大时分割速度较慢，因此在算法设计时应尽量提高运行效率。

3、区域分裂合并

　　它是从整个图像出发，不断分裂得到各个子区域，然后再把前景区域合并，得到前景目标，继而实现目标的提取。分裂合并的假设是对于一幅图像，前景区域是由一些相互连通的像素组成的，因此如果把一幅图像分裂到像素级，那么就可以判定该像素是否为前景像素。当所有像素点或者子区域完成判断以后，把前景区域或者像素合并就可以得到前景目标。

4、基于边缘检测的图像分割方法

　　通常用一阶或者二阶倒数进行滤波。两大缺点：不能保证边缘的连续性和封闭性；高细节区存在大量碎边缘。因此边缘检测必须进行后续处理才能进行完整的分割。常用方法有边缘生长或者有向势能函数。

在未来的研究中，用于提取初始边缘点的自适应阀值选取、用于图像的层次分割的更大区域的选取以及如何确认重要边缘以去除假边缘将变得非常重要。

5、结合特定工具的图像分割

　　基于小波变换、马尔科夫随机场、遗传算法

 

转载于:https://www.cnblogs.com/keep-s/p/10827609.html