医疗图像分割（一）综述

图像分割是一个经典难题，从七十年代期图像分割问题就吸引了很多研究人员付出巨大的努力，但是到目前为止还没有一个通用的方法。图像分割在医学应用中具有特殊的重要意义，本文从医学应用的角度出发，对医学图像分割方法做一个简单的汇总。

背景介绍

所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。也就是说，把感兴趣区域从一幅图像中分离出来，以便进一步处理。常用的医学影像技术包括：血管摄影 (Angiography)、心血管造影 (Cardiac angiography)、电脑断层扫描 (CT, Computerized tomography)、乳房摄影术(Mammography)、正子发射断层扫描 (PET, Positron emission tomography)、核磁共振成像 (NMRI, Nuclear magnetic resonance imaging)、医学超音波检查 (Medical ultrasonography)。

基于阈值的图像分割

阈值分割法是一种传统的图像分割方法 , 因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。阈值分割法的基本原理是通过设定不同的特征阈值 ,把图像像素点分为具有不同灰度级的目标区域和背景区域的若干类。它特别适用于目标和背景占据不同灰度级范围的图像, 已被应用于很多领域 , 其中阈值的选取是图像阈值分割方法中的关键技术。代表方法有 Otsu 提出的最大类间方差法, 它被认为是阈值分割中的经典算法。 Kaptur 等提出的最佳熵阈值方法。基于阈值分割法虽然简单 , 但在阈值的选取很大程度上影响图像分割的效果 , 它只考虑像素本身的灰度值 , 而不考虑图像的空间分布 , 这样其分割结果就对噪声很敏感，对图像工作人员的要求就比较高。

基于区域生长法的图像分割</