图像分割方法综述
图像分割是图像处理中的一项关键技术,自 20 世纪 70 年代起一直受到人们
的高度重视,至今已提出上千种分割算法,但因尚无通用的分割理论,现提出的
分割算法大都是针对具体问题的,并没有一种适合所有图像的通用分割算法。另
外,还没有制定出选择适用分割算法的标准,这给图像分割技术的应用带来许多
实际问题。最近几年又出现了许多新思路、新方法或改进算法,对一些经典方法
和新出现的方法作了概述并将图像分割方法分为阈值分割方法、边缘检测方法、
区域提取方法和结合特定理论工具的分割方法 4 类。
单色(灰度)图像的分割通常是基于图像强度的两个基本特征:灰阶值的不
连续性和灰度区域的相似性。第一类方法主要是基于图像灰阶值的突然变换(如
边缘)来分割图像,而第二类方法主要是把图像的某个子区域与某预定义的标准
进行比较,以二者之间的相似性指标为指导来划分图像区域:如阈值化技术、面
向区域的方法、形态学分水岭分割算法等。
1 阈值分割方法
阈值分割方法的历史可追溯到近 40 年前,现已提出了大量算法,对灰度图
像的取阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值,然后将
图像中各个象素的灰度值都与这个阈值相比较,并根据比较结果将对应的象素分
为两类。这两类象素一般分属图像的两类区域,从而达到分割的目的。从该方法
中可以看出,确定一个最优阈值是分割的关键。现有的大部分算法都是集中在阈
值确定的研究上。阈值分割方法根据图像本身的特点,可分为单阈值分割方法和
多阈值分割方法;也可分为基于象素值的阈值分割方法、基于区域性质的阈值分
割方法和基于坐标位置的阈值分割方法。若根据分割算法所有的特征或准则,还
可以分为直方图与直方图变换法、最大类空间方差法、最小误差法与均匀化误差
法、共生矩阵法、最大熵法、简单统计法与局部特性法、概率松驰法、模糊集法、
特征空间聚类法、基于过渡区的阈值选取法等。
2 基于边缘的分割方法
图像最基本的特征是边缘,它是图像局部特性不连续(或突变)的结果&例
如,灰度值的突变、颜色的突变、纹理的突变等&边缘检测方法是利用图像一阶
导数的极值或二阶导数的过零点信息来提供判断边缘点的基本依据,经典的边缘
检测方法是构造对图像灰度阶跃变化敏感的差分算子来进行图像分割,如
Roberts 算子,Sobel 算子算子,Prewitt 算子,Canny 算子等。根据检测边缘采用
方式的不同,边缘检测方法大致包括以下几类:基于局部图像函数的方法、多尺
度方法、图像滤波法、基于反应—扩散方程的方法、多分辨分法、基于边界曲线