3）区域之间的边界是明确的。

图像分割是从图像与处理到图像识别和图像分析的关键步骤。一方面它是目标表达的基础，对特征测量有重要的影响；另一方面它使得更高层的图像识别和分析成为可能。

2．2  图像分割的典型方法

图像分割的方法有上千种，典型的方法可以分为基于阈值的分割方法，基于边缘的分割方法和基于区域的分割方法。

2.2.1  基于阈值的分割方法

阈值法是一种最简单的图像分割方法[2]。阈值是用于区分目标和背景的灰度门限。利用图像中要提取的目标物与其背景在灰度特性上的差异，如果可以把图像视为具有不同灰度级的两类区域(目标和背景)的组合，那么只需选取一个阈值称为单阈值分割，这种方法是将图像中每个像素的灰度值与阈值相比较，灰度值大于阈值的像素为一类，灰度值小于阈值的像素为另一类,从而产生相应的二值图像。如果图像中有多个目标，就需要选取多个阈值将各个目标及背景分开，这种方法称为多阈值分割。阈值T一般可写成：

 ，

其中p(x,y)代表点(x,y)处的灰度值，q(x,y)代表该点邻域的某种局部特性。根据(2.1)式可将阈值分为全局阈值、局部阈值和动态阈值。如T的选取只与p(x,y)有关，则是全局阈值，全局阈值是利用全局信息得到的阈值，它仅与全图各像素的本身性质有关，对全图使用；如果T的选取与p(x,y)，q(x,y)有关，则是局部阈值，它与图像局部区域性质有关，全局阈值和局部阈值也称为固定阈值；如果T的选取不仅与p(x,y),q(x,y)有关，还与该点的坐标(x,y)有关，则是动态阈值。动态阈值的选取是将原始图像分成若干个子图，然后利用某种固定阈值选取法对每一个子图确定一个阈值，再通过对这些子图所得阈值的插值得到对图像中每个像素进行分割所需的阈值。

2.2.2  基于边缘的分割方法

图像的边缘是图像最基本的特征。所谓边缘（或边沿）是指其周围象素灰度有阶跃变化或“屋顶”变化的那些象素的集合[3]。边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间。因此，它是图像分割依赖的重要特征。

物体的边缘是由不连续性形成的。经典的边缘提取方法是考察图像的每个象素在某个邻域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律，用简单的方法检测边缘。这种方法称为边缘检测局部算子法。如果一个象素落在图像中某一个物体的边界上，那么他的邻域将成为一个灰度级的变化带。对这种变化最有用的两个特征：灰度的变化率和方向，他们分别以梯度向量的幅度和方向来表示。边缘检测算子检查每个象素的邻域并对灰度变化率进行量化，也包括方向的确定。常用的检测算子有：Roberts算子，Prewitt算子和Sobel算子，LOG算子，canny算子等。

2.2.3  基于区域的分割方法

基于区域的分割方法利用的是图像的空间性质，认为分割出来的属于同一区域的

像素应该具有相似的性质。传统的区域分割法有区域生长法和分裂合并法。

1）区域生长法

区域生长的基本思想是将具有相似性质的象素集合起来构成区域。首先对每个需要分割的区域找出一个种子象素作为生长的起点,然后将种子象素周围邻域中与种子有相同或相似性质的象素( 根据事先确定的生长或相似准则来确定) 合并到种子象素所在的区域中。而新的象素继续做种子向四周生长, 直到再没有满足条件的象素可以包括进来, 一个区域就生长而成了。

在实际应用区域生长法时需要解决三个问题：