分割是处理图像数据前最重要的步骤之一,其主要目标是将图像划分为与其中含有的真实世界的物体或区域强相关性的组成部分。
分割方法根据所使用的主要特征可划分为三组:第一组是有关图像或部分的全局知识(global knowledge),这一般由图像特征的直方图来表达。第二部分是基于边缘的(edge-based)分割,而第三组是基于区域(region-based)分割,在边缘检测或区域增长中可以使用多种不同的特征,例如,亮度、纹理、速度场等。
6.1 阈值化
当存在物体和背景的灰度变化,这种变化可能是由非均匀照明、非一致的输入设备参数或其他一些因素造成的。在这种情况下,使用变化的阈值——自适应阈值化(adaptive thresholding)——进行分割有时可以产生好的结果,这时的阈值是局部图像特征的函数,在图像范围内是变化的。局部阈值是位置相关的。
一种选择是将图像划分为子图像,在每个子图像中独立地确定一个阈值;此时,如果某些子图像中不能确定阈值,可以根据其相邻子图像插值得到。然后每个子图像依据局部阈值来处理。
6.1.1 阈值检测方法
阈值检测方法是基于直方图形状分析的。当直方图是二模态,即只有两个峰时,阈值应该满足最小分割错误的要求——直觉地取在两个极大值之间的具有最小直方图数值的那个灰度值作为阈值。当直方图是多模态的,在任意两个极大值之间的极小值处可以取得较多阈值;每个阈值会给出不同的分割结果,如下式所示: