本文給出了目前常用圖像分割的幾種不同算法并進行了系統分析，分別是基于邊緣檢測法、閾值分割法以及基于區域生成的法?；谶@些算法的MATLAB仿真，得到理想的分割結果，并分析了各種算法的優缺點。大家在相關論文寫作時，可以參考這篇題目為“常用圖像分割的三種不同算法”的數字圖像處理論文。
原標題：數字圖像處理的區域分割淺析
摘要：圖像分割一般是指把圖像分解成不同區域后從中提取出感興趣目標的過程和技術。不同分割方法產生的結果會有一定差異，該差異則會進一步影響視覺系統性能。本文給出了目前常用圖像分割的幾種不同算法并進行了系統分析，分別是基于邊緣檢測法、閾值分割法以及基于區域生成的法?；谶@些算法的MATLAB仿真，得到理想的分割結果，并分析了各種算法的優缺點。
關鍵詞：邊緣檢測；區域生成；圖像分割；算法；閾值分割
0 引言
學者們通過對圖像的研究，發現一個特別的規律，即當大家看到一個圖像的時候，一般都只會對這個圖像的其中一部分產生比較大的興趣，該部分（一般定義為圖像在特定的或特定區域）被稱為目標或前景，而其它部分稱為背景。圖像分割研究的問題就是把目標從給定圖像中孤立出來，進而對該部分進行處理，分割圖像研究結果可直接影響整體視覺系統的性能。圖像分割是圖像技術中相對較為重要的，在不同領域中有時叫法也不一樣：如閾值化（threshold）技術、目標識別（targetrecognition）技術等。[1]圖像分割有著巨大的應用范圍，涵蓋了有關圖像處理的近乎全部領域。例如：在道路交通領域，可以利用圖像分割技術將車輛信息從道路的背景下分割出來，極大的利于交管部門電子警察工作；在醫學檢測領域，可以將肝臟從CT圖像中分割出來，為臨床治療和病理研究提供可靠依據，還可以從MRI、PET等其他模式醫學影像中提取有價值的信息；在以不改變其特定對象的前提下對圖像進行壓縮后，可根據圖像內容特點進行區域劃分。在這篇文章中我們會對圖像分割的三種算法（閾值分割、邊緣檢測以及區域分割）進行分析。
1 閾值分割
閾值分割法是一種最常見，同時操作起來較為簡單的基于區域劃分的基本算法，根據目標圖像和背景圖像在回復特性上的不同，分為兩個不同的區域，選擇一個合適的閾值，以確定圖像中的每個像素屬于哪個區域。圖像分割最重要的一點是選擇最優閾值，目前己提出的閾值分割方法，相應的分類是：根據圖像本身的特點，可分為單閾值分割和多閾值分割；根據特征或標準進行分割算法。閾值分割法根據操作方法可細分為直方圖法、迭代法、大律法、過渡區閾值選取法等。
1.1 迭代法
迭代閾值選取的原理為根據圖像內不同對象間灰度分布的差異，將差異較小的圖像認為其初始閾值近似，或直接將圖像中目標圖像灰度值作為初始閾值參考標準，會得到最佳閾值，通過迭代的圖像修改和分割閾值。具體操作方法如下：
（1）根據灰度選擇初始閾值T,初始閾值的選取直接關系到后面算法的正確性。
（2）利用初始閾值T將已知圖像分割成為目標圖像和背景圖像兩組，分別記為R1和R2.
（3）計算R1和R2均值u1和u2.
（4）選取新的閾值T,且：
（5）重復第（2）步到第（4）步，直至R1和R2均值u1和u2均值不再變化為止。
雙峰直方圖顯示的明顯谷深圖像，用迭代法可以更快速獲得滿意效果，但不明顯的雙峰或比例的目標與背景的差異很明顯，選擇閾值從結果效果來說比其他方法要差一些。選擇好的迭代閾值后對圖像切割得到目標圖像和背景圖像則具有良好的切割效果，原因是該圖能較好區分前景的主要領域，但不能區分細節領域?？傮w比較迭代法和雙峰法可知，迭代法的效果更好。
1.2 大律法
大律法又稱為Otsu算法或最大類間方差值法，首先仍然是設定初始閾值，記為t,利用初始閾值T將已知圖像分割成為目標圖像和背景圖像兩組，其中目標圖案稱為前景，背景圖案稱為背景。設背景圖案中有效點數占整體圖像有效點數的比例為w1,平均灰度為u1,前景圖案中有效點數占整體圖像有效點數比例為w0,平均灰度為u0;那么整體圖像總平均灰度可以寫成：
從最小灰度值到最大灰度值遍歷t,當t使得值
最大的時候t就是分割的最佳閾值。
以上公式可理解為首先使用閾值t將整體圖像進行分割，被分割部分分別稱為前景與背景，其中背景平均灰度設為u1,有效點數發生概率設為w1,前景平均灰度設為u0,有效點數發生概率設為w0,可知w1+w0=1;總均值為u.從式2-2可知，計算結果中方差值越大，則說明圖像中灰度分布越均勻，目標圖像和背景圖像相差值越大，若在閾值設置過程中發生偏差，則會導致結果中方差值比實際偏小，即目標圖像和背景圖像分割不準確。大律法的計算量很大，造成計算工作負擔較重，因此在實際運用過程中，計算人員會根據經驗選擇以下公式：
一般可認為大津法所選取閾值是最穩定的分割閾值。
2 邊緣檢測算法研究
圖像邊緣檢測即利用圖像本身所屬風格，對目標區域進行識別，然后提取圖像信息，達到檢測的目的。區域分化及形狀提取是圖像分析中非常重要的基礎，是數字圖像處理中非常重要的。兩者肯定不是連續的灰度值檢測灰度值之間的相鄰地區一致的邊緣通?？梢允褂梅奖愕姆绞秸业?。需要好的措施來解決邊緣檢測，一般可采用邊緣增強算子，即將圖像邊緣有效信息部分明顯放大，利用設置的閾值將邊緣有效信息提取并設置成點集。但它比圖像模糊和意志的存在的噪聲，這些都不可能被打斷的邊界提取。下面分別介紹常用的兩種檢測算子：log算子和canny算子。
原標題：數字圖像處理的區域分割淺析
摘要：圖像分割一般是指把圖像分解成不同區域后從中提取出感興趣目標的過程和技術。不同分割方法產生的結果會有一定差異，該差異則會進一步影響視覺系統性能。本文給出了目前常用圖像分割的幾種不同算法并進行了系統分析，分別是基于邊緣檢測法、閾值分割法以及基于區域生成的法?；谶@些算法的MATLAB仿真，得到理想的分割結果，并分析了各種算法的優缺點。
關鍵詞：邊緣檢測；區域生成；圖像分割；算法；閾值分割
0 引言
學者們通過對圖像的研究，發現一個特別的規律，即當大家看到一個圖像的時候，一般都只會對這個圖像的其中一部分產生比較大的興趣，該部分（一般定義為圖像在特定的或特定區域）被稱為目標或前景，而其它部分稱為背景。圖像分割研究的問題就是把目標從給定圖像中孤立出來，進而對該部分進行處理，分割圖像研究結果可直接影響整體視覺系統的性能。圖像分割是圖像技術中相對較為重要的，在不同領域中有時叫法也不一樣：如閾值化（threshold）技術、目標識別（targetrecognition）技術等。[1]圖像分割有著巨大的應用范圍，涵蓋了有關圖像處理的近乎全部領域。例如：在道路交通領域，可以利用圖像分割技術將車輛信息從道路的背景下分割出來，極大的利于交管部門電子警察工作；在醫學檢測領域，可以將肝臟從CT圖像中分割出來，為臨床治療和病理研究提供可靠依據，還可以從MRI、PET等其他模式醫學影像中提取有價值的信息；在以不改變其特定對象的前提下對圖像進行壓縮后，可根據圖像內容特點進行區域劃分。在這篇文章中我們會對圖像分割的三種算法（閾值分割、邊緣檢測以及區域分割）進行分析。
1 閾值分割
閾值分割法是一種最常見，同時操作起來較為簡單的基于區域劃分的基本算法，根據目標圖像和背景圖像在回復特性上的不同，分為兩個不同的區域，選擇一個合適的閾值，以確定圖像中的每個像素屬于哪個區域。圖像分割最重要的一點是選擇最優閾值，目前己提出的閾值分割方法，相應的分類是：根據圖像本身的特點，可分為單閾值分割和多閾值分割；根據特征或標準進行分割算法。閾值分割法根據操作方法可細分為直方圖法、迭代法、大律法、過渡區閾值選取法等。
1.1 迭代法
迭代閾值選取的原理為根據圖像內不同對象間灰度分布的差異，將差異較小的圖像認為其初始閾值近似，或直接將圖像中目標圖像灰度值作為初始閾值參考標準，會得到最佳閾值，通過迭代的圖像修改和分割閾值。具體操作方法如下：
（1）根據灰度選擇初始閾值T,初始閾值的選取直接關系到后面算法的正確性。
（2）利用初始閾值T將已知圖像分割成為目標圖像和背景圖像兩組，分別記為R1和R2.
（3）計算R1和R2均值u1和u2.
（4）選取新的閾值T,且：
（5）重復第（2）步到第（4）步，直至R1和R2均值u1和u2均值不再變化為止。
雙峰直方圖顯示的明顯谷深圖像，用迭代法可以更快速獲得滿意效果，但不明顯的雙峰或比例的目標與背景的差異很明顯，選擇閾值從結果效果來說比其他方法要差一些。選擇好的迭代閾值后對圖像切割得到目標圖像和背景圖像則具有良好的切割效果，原因是該圖能較好區分前景的主要領域，但不能區分細節領域?？傮w比較迭代法和雙峰法可知，迭代法的效果更好。
1.2 大律法
大律法又稱為Otsu算法或最大類間方差值法，首先仍然是設定初始閾值，記為t,利用初始閾值T將已知圖像分割成為目標圖像和背景圖像兩組，其中目標圖案稱為前景，背景圖案稱為背景。設背景圖案中有效點數占整體圖像有效點數的比例為w1,平均灰度為u1,前景圖案中有效點數占整體圖像有效點數比例為w0,平均灰度為u0;那么整體圖像總平均灰度可以寫成：
從最小灰度值到最大灰度值遍歷t,當t使得值
最大的時候t就是分割的最佳閾值。
以上公式可理解為首先使用閾值t將整體圖像進行分割，被分割部分分別稱為前景與背景，其中背景平均灰度設為u1,有效點數發生概率設為w1,前景平均灰度設為u0,有效點數發生概率設為w0,可知w1+w0=1;總均值為u.從式2-2可知，計算結果中方差值越大，則說明圖像中灰度分布越均勻，目標圖像和背景圖像相差值越大，若在閾值設置過程中發生偏差，則會導致結果中方差值比實際偏小，即目標圖像和背景圖像分割不準確。大律法的計算量很大，造成計算工作負擔較重，因此在實際運用過程中，計算人員會根據經驗選擇以下公式：
一般可認為大津法所選取閾值是最穩定的分割閾值。
2 邊緣檢測算法研究
圖像邊緣檢測即利用圖像本身所屬風格，對目標區域進行識別，然后提取圖像信息，達到檢測的目的。區域分化及形狀提取是圖像分析中非常重要的基礎，是數字圖像處理中非常重要的。兩者肯定不是連續的灰度值檢測灰度值之間的相鄰地區一致的邊緣通?？梢允褂梅奖愕姆绞秸业?。需要好的措施來解決邊緣檢測，一般可采用邊緣增強算子，即將圖像邊緣有效信息部分明顯放大，利用設置的閾值將邊緣有效信息提取并設置成點集。但它比圖像模糊和意志的存在的噪聲，這些都不可能被打斷的邊界提取。下面分別介紹常用的兩種檢測算子：log算子和canny算子。
