1.基于閾值的分割方法

灰度閾值分割法是一種最常用的并行區(qū)域技術(shù)，它是圖像分割中應(yīng)用數(shù)量最多的一類。閾值分割方法實(shí)際上是輸入圖像f到輸出圖像g的如下變換：

其中，T為閾值；對(duì)于物體的圖像元素，g(i,j)=1，對(duì)于背景的圖像元素，g(i,j)=0。

由此可見，閾值分割算法的關(guān)鍵是確定閾值，如果能確定一個(gè)適合的閾值就可準(zhǔn)確地將圖像分割開來。閾值確定后，閾值與像素點(diǎn)的灰度值比較和像素分割可對(duì)各像素并行地進(jìn)行，分割的結(jié)果直接給出圖像區(qū)域。

閾值分割的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單、運(yùn)算效率較高、速度快。在重視運(yùn)算效率的應(yīng)用場(chǎng)合（如用于軟件實(shí)現(xiàn)），它得到了廣泛應(yīng)用。

2.基于區(qū)域的分割方法

區(qū)域生長(zhǎng)和分裂合并法是兩種典型的串行區(qū)域技術(shù)，其分割過程后續(xù)步驟的處理要根據(jù)前面步驟的結(jié)果進(jìn)行判斷而確定。

(1)區(qū)域生長(zhǎng)

區(qū)域生長(zhǎng)的基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域。具體先對(duì)每個(gè)需要分割的區(qū)域找一個(gè)種子像素作為生長(zhǎng)的起點(diǎn)，然后將種子像素周圍鄰域中與種子像素有相同或相似性質(zhì)的像素（根據(jù)某種事先確定的生長(zhǎng)或相似準(zhǔn)則來判定）合并到種子像素所在的區(qū)域中。將這些新像素當(dāng)作新的種子像素繼續(xù)進(jìn)行上面的過程，直到再?zèng)]有滿足條件的像素可被包括進(jìn)來。這樣一個(gè)區(qū)域就長(zhǎng)成了。

(2)區(qū)域分裂合并

區(qū)域生長(zhǎng)是從某個(gè)或者某些像素點(diǎn)出發(fā)，最后得到整個(gè)區(qū)域，進(jìn)而實(shí)現(xiàn)目標(biāo)提取。分裂合并差不多是區(qū)域生長(zhǎng)的逆過程：從整個(gè)圖像出發(fā)，不斷分裂得到各個(gè)子區(qū)域，然后再把前景區(qū)域合并，實(shí)現(xiàn)目標(biāo)提取。分裂合并的假設(shè)是對(duì)于一幅圖像，前景區(qū)域是由一些相互連通的像素組成的，因此，如果把一幅圖像分裂到像素級(jí)，那么就可以判定該像素是否為前景像素。當(dāng)所有像素點(diǎn)或者子區(qū)域完成判斷以后，把前景區(qū)域或者像素合并就可得到前景目標(biāo)。

3.基于邊緣的分割方法

基于邊緣的分割方法是指通過邊緣檢測(cè)，即檢測(cè)灰度級(jí)或者結(jié)構(gòu)具有突變的地方，確定一個(gè)區(qū)域的終結(jié)，即另一個(gè)區(qū)域開始的地方。不同的圖像灰度不同，邊界處一般有明顯的邊緣，利用此特征可以分割圖像。

4.基于特定理論的分割方法

圖像分割至今尚無通用的自身理論。隨著各學(xué)科新理論和新方法的提出，出現(xiàn)了與一些特定理論、方法相結(jié)合的圖像分割方法，主要有：基于聚類分析的圖像分割方法、基于模糊集理論的分割方法，等。

5.基于基因編碼的分割方法

基于基因編碼的分割方法是指把圖像背景和目標(biāo)像素用不同的基因編碼表示，通過區(qū)域性的劃分，把圖像背景和目標(biāo)分離出來的方法。該方法具有處理速度快的優(yōu)點(diǎn)，但算法實(shí)現(xiàn)起來比較難。

6.基于小波變換的分割方法

小波變換是近年來得到廣泛應(yīng)用的數(shù)學(xué)工具，它在時(shí)域和頻域都具有良好的局部化性質(zhì)，并且小波變換具有多尺度特性，能夠在不同尺度上對(duì)信號(hào)進(jìn)行分析，因此在圖像處理和分析等許多方面得到應(yīng)用。

基于小波變換的閾值圖像分割方法的基本思想是首先由二進(jìn)小波變換將圖像的直方圖分解為不同層次的小波系數(shù)，然后依據(jù)給定的分割準(zhǔn)則和小波系數(shù)選擇閾值門限，最后利用閾值標(biāo)出圖像分割的區(qū)域。整個(gè)分割過程是從粗到細(xì)，由尺度變化來控制，即起始分割由粗略的L2(R)子空間上投影的直方圖來實(shí)現(xiàn)，如果分割不理想，則利用直方圖在精細(xì)的子空間上的小波系數(shù)逐步細(xì)化圖像分割。分割算法的計(jì)算會(huì)與圖像尺寸大小呈線性變化。

7.基于神經(jīng)網(wǎng)絡(luò)的分割方法

近年來，人工神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)已經(jīng)引起了廣泛的關(guān)注，并應(yīng)用于圖像分割。基于神經(jīng)網(wǎng)絡(luò)的分割方法的基本思想是通過訓(xùn)練多層感知機(jī)來得到線性決策函數(shù)，然后用決策函數(shù)對(duì)像素進(jìn)行分類來達(dá)到分割的目的。這種方法需要大量的訓(xùn)練數(shù)據(jù)。神經(jīng)網(wǎng)絡(luò)存在巨量的連接，容易引入空間信息，能較好地解決圖像中的噪聲和不均勻問題。選擇何種網(wǎng)絡(luò)結(jié)構(gòu)是這種方法要解決的主要問題。

編輯：黃飛

?