1。1 图像分割的研究背景与意义

随着计算机越来越广泛的普及，人类开始更多地通过计算机来帮助人们处理与分析数字图像信息。大自然给予了人类一个完美，性能强大的视觉系统，可以高质量地处理解决各类视觉信息，迄今为止，还没有哪一个被人类开发的自主视觉系统的性能能够达到这种水准。其中的很关键的一点就是：高等生物的视觉系统能够很容易的完成比较复杂的分割任务，但机器的视觉系统在处理同样的分割任务时，很难达到相应的速度以及精确度。因此，研究快速有效的图像分割算法成为了推动机器视觉技术发展的关键内容之一。

由于图像的多义性和复杂性，很多时候计算机无法自动完成图像分割任务，而如果进行人工分割又存在耗时长、定位不准确的问题，因此，人们提出了一些人工交互和计算机自动定位相结合的方法，能够发挥不同的优势，快速准确地将轮廓定位出来。相信通过运用这些交互式方法，一定能推动图像分割这一具有广泛应用前景和重要学术价值的技术的进一步研究与实现，以后这一课题必定会成为一个更为活跃和重要的研究领域。

随着互联网和多媒体技术的迅速发展人们已经不满足于简单的把图像看作像素矩阵，而是将其作为表示多个有意义的对象的组合，进而实现视频的交互功能以及基于内容的图像、视频检索、浏览、编辑和合成等，这些工作都需要一个高效的图像分割工具来完成。

图像分割技术在其他领域也有着十分广泛的应用，并且会碰到各种各样的图像。例如，在工业检测应用中，对锅炉中的火焰图像进行分割以此来监测燃烧过程；在农业应用之中，可以用于户外植物的检测等；在遥感图像领域，可以分割合成孔径雷达图像中的目标或者解决遥感图像中典型的混合像元的问题；在医学领域，可以用于将脑部MR图像分割成脑脊髓、灰质等脑组织与其它非脑组织区域等；在交通图像分析中，可以将目标车辆从背景中分离出来等。从这些图像分割技术的应用中可以看出，图像分割通常是为了进一步对目标图像进行处理，包括分析、识别、编码压缩等，分割的效果好坏与准确性会直接影响后续处理的有效性和正确性，因此具有非常重要的意义。

1。2 图像分割的研究现状

，如基于彩色分量分割、纹理图像分割。所使用的教学工具和实验手段也是不断的扩展，从时域信号到频域信号处理，近来小波变换也应用在图像分割当中。

1。3 图像分割的研究内容论文网

论文介绍了图像分割算法的理论，研究了几类较为常见的图像分割算法，深入研究了几种比较经典的分割算法，并对这几种算法进行了仿真处理，得到分割之后的结果，对这些结果进行分析比较，得到各个算法在实际运用时的优缺点。

本文共有5章，第1章作为绪论，对研究背景与研究现状进行了一些分析。 

第2章到第4章分别介绍了阈值法，包括直方图法、最小误差法、最大类间方差法和最大熵法。介绍了边缘检测算法的几种算子，包括Canny算子、Krisch算子、Prewitt算子、Reborts算子和Sobel算子。介绍了区域生长法，K-means聚类算法以及分水岭算法。运用这些方法对图像进行分割处理，对分割结果进行分析比较，得出各类算法的优缺点。

第5章对论文主要工作进行总结。

第二章  图像分割的几类方法

待分割图像经去噪预处理后，就需要对其整体的图像进行分割处理。这一过程中是整个图像分割处理的重要环节，只有采用针对性处理模式以及策略，才可以保证后续处理的有效性以及合理性，保证现有的结果能够得到有效的处理，从而满足最终的处理需求，得到高质量的图像处理结果。因此，选择一种合适的分割算法是整个图像分割处理的关键。 图像分割算法研究及实现+源程序(3):http://www.youerw.com/zidonghua/lunwen_99005.html