数字图像处理——图像分割方法

前言

人们在对图像进行研究是，往往对图像中的某些部分感兴趣，这一部分称为目标或前景，其他部分称为背景。目标对应于图像中某些特定区域，为了识别和分析目标，常常需要将与目标有关的区域分离出来，以便在此基础上对目标进行特征提取或测量等。

图像分割的概念

图像中各区域具有不同的特性（比如，灰度、颜色、纹理）。图像分割的目的是将图像划分成若干具有相近或相同特性的子区域，以便继续在分割成的相关区域中提取目标，并进而根据目标的特征或结构信息对其进行分类和识别，最后再给出对整幅图像分析结果的描述信息。

• 分割的图像的并能构成原来图像
• 分割后的区域不重叠
• 同一区域具有某些相同的特性
• 不同区域有不同的性质和特征
• 同一子区域像素是连通的

灰度图像的分割

灰度图像分割的依据是基于相邻像素灰度值的不连续性和相似性。也即，同一区域内部的像素一般具有灰度相似性，而在不同区域之间的边界上一般具有灰度不连续性。
灰度图像的各种分割算法分为利用区域间灰度不连续的基本边界的图像分割算法和利用区域内灰度相似性的基于区域的图像分割算法。

图像分割方法

一、基于边缘检测的分割方法

图像边缘的概念
图像边缘意味着图像中一个区域的终结和另一个区域的开始。
图像中相邻区域之间的像素集合构成了图像的边缘。
进一步讲，图像的边缘是指图像灰度发生空间突变的像素的集合。
更具体地来说，图像中以灰度值表征的两平滑区域之间的振幅断续称为边缘。

基于边缘检测的图像分割方法的基本思路

先确定图像中的边缘像素，然后就可把它们连接在一起构成所需的边界

1.1、Hough变换

跳转：Hough变换原理

二、基于阈值的分割方法

适用于那些前景和背景在灰度上相差比较大的图像分割问题，是一种区域分割方法

2.1、基于单一阈值的灰度直方图（阈值化分割方法）

通过选取两个峰值中间的谷底对应德灰度值T作为灰度阈值，可以区分目标和背景（基于灰度直方图）

当较暗的背景上有两个较亮的物体时；此时应选取阈值在三个峰值的中间两个T1 和T2

2.2基于双峰直方图的阈值选取

利用极大值和极小值寻找谷底和阈值

2.3迭代式阈值选取

总结：
对于基于阈值法的分割方法关键是寻找一个阈值，一旦阈值找到图像分割就很容易，这个阈值通常不是好找的

一是寻找直方图，在波峰和波谷的地方寻找阈值，当波峰不太明显时，可以用二次曲线拟合，但其本身有误差
二是用类间方差法寻找阈值
三是迭代式阈值选取

三、 基于跟踪的图像分割方法

那些是边缘点应当有相应的判断准则

3.1轮廓跟踪法

检测到变化要改变方向（变化方向有规定的准则，通常选不同起点）
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-rRmimJgP-1677312833639)(ht tps://img-blog.csdnimg.cn/94db875077af4b62b8a40a86519b6d60.png)]

四、基于区域的分割方法

4.1局域生长法

基本思想是根据事先定义的相似性准则，将图像中满足相似性准则的像素或子区域聚合成更大区域的过程




分裂合并法