阈值分割法简述

阈值分割法

        阈值分割法分为全局阈值法和局部阈值分割法。所谓局部阈值分割法是将原始图像划分成较小的图像，并对每个子图像选取相应的阈值。在阈值分割后，相邻子图像之间的边界处可能产生灰度级的不连续性，因此需用平滑技术进行排除。局部阈值法常用的方法有灰度差直方图法、微分直方图法。局部阈值分割法虽然能改善分割效果，但存在几个缺点：

　　（1）每幅子图像的尺寸不能太小，否则统计出的结果无意义。

　　（2）每幅图像的分割是任意的，如果有一幅子图像正好落在目标区域或背景区域，而根据统计结果对其进行分割，也许会产生更差的结果。

　　（3）局部阈值法对每一幅子图像都要进行统计，速度慢，难以适应实时性的要求。

　　全局阈值分割方法在图像处理中应用比较多，它在整幅图像内采用固定的阈值分割图像。经典的阈值选取以灰度直方图为处理对象。根据阈值选择方法的不同，可以分为模态方法、迭代式阈值选择等方法。这些方法都是以图像的直方图为研究对象来确定分割的阈值的。另外还有类间方差阈值分割法、二维最大熵分割法、模糊阈值分割法、共生矩阵分割法、区域生长法等等。

　　对于比较简单的图像，可以假定物体和背景分别处于不同的灰度级，图像被零均值高斯噪声污染，所以图像的灰度分布曲线近似认为是由两个正态分布