图像分割综述

    为什么要进行图像分割？因为现在基于区域的图像处理比较多，那么如何划分区域呢，就是图像分割解决的问题，怎样把图像的前景和背景、相同特征的区域分割出来。

    ① 基于阈值的图像分割。

    阈值的设定是很重要的，直接影响着分割的效果。通常，阈值有上下文相关和上下文无关之分，也可以分为全局与之和局部阈值两种。目前主要的阈值法有：P-分位数，最频值法，Otsu方法，最小误差方法。（详情我木有研究）

    ② 基于边缘的图像分割。

    分为串行和并行，串行采用跟踪的方法，依赖于选取的初始点。并行是根据区域算子来选择，常见的区域算子有Roberts、Canny、Krish、Prewitt、Sobel、Walks等，在边缘检测中还会涉及到。Prewitt方法简单，抗噪声好，但是预先需要知道目标与图像的面积比。

    ③ 基于区域的图像分割。

    一种方法是区域生长，选择种子像素，定义生长准则和终止条件。另一种方法是分裂合并的方法，将每个像素当成一个区域，不断合并。比较著名的算法是分水岭算法，对分水岭的一种模拟。

    ④ 基于统计的图像分割

    首先是提取图像特征，对特征进行模式分类，主要有FCM算法和SOM算法。

    上述几种算法我都没有做过深入的研究，主要是了解一下分割的现状。