matlab中的图像分割

       图像分割把图像细分为其组成区域或物体，细分程度取决于要解决的问题。也就是说，细分
应在感兴趣物体已被隔离后停止。例如，在电子装配线的自动检测中，目的在于分析产品的图像，
以判断特定异常是否存在，如元件缺失或连线断裂等。没有必要进行超过识别这些元件所需细节
的分割。
      特殊图像的分割是图像处理中最困难的任务之- - 。分割的精度决定了最终计算机分析过程的成功
与否。因此，应该仔细考虑稳定分割的可能性。在某些情况下，如工业检测应用，至少有时在控制环
境下的某些测量是可能的。在其他情形下，如在遥感应用中，用户对图像获取的控制主要受限于成像
传感器的选择。
单色图像的分割算法通常基于图像灰度值的两个基本性质:不连续性和相似性。在第-类算法中,
方法是基于灰度的突变(如边缘)来分割图像。第二类算法的主要方法是根据- -组预定义的规则，将图
像分割成相似的区域。
例1.1点检测。
图7.2(a)显示了一幅图像f,在球体的东北象限有- 个几乎看不见的黑点。我们按如下方式检测该点:
>> W=[-1-1-1; -18-1;-1-1 -1];
》> g= abs(imfilter(tofloat(f), w));
》> T= max(g(:));
>>g=g>=T;
>> imshow(g)
通过将T选为滤波后图像g中的最大值，然后在g中找到满足g >= T的所有点，我们就可识别出最大
响应的点。假设这些点是镶嵌在恒定或近似恒定背景上的孤立点。因为此时T被选定为g中的最大值，所
以g中不存在比T值大的点;为使表述上-致，我们使用运算符>=(代替=)。如图7.2(b)所示&