基于阈值图像分割

图像分割主要用于图像描述和分析，

是图像处理到图像分析的关键步骤，

也

 

是进一步理解图像的基础。图像分割通常是为了进一步对图像进行分析、识别、

跟踪、理解、压缩编码等，分割的准确性直接影响后续任务的有效性，因此具有

十分重要的意义。

关于图像分割技术，

已经有相当多的研究结果和方法，

本文主

要阐述一种经典的分割方法：基于阈值的图像分割方法。

图像分割主要用于图像描述和分析，

是图像处理到图像分析的关键步骤，

也

 

是进一步理解图像的基础。图像分割通常是为了进一步对图像进行分析、识别、

跟踪、理解、压缩编码等，分割的准确性直接影响后续任务的有效性，因此具有

十分重要的意义。

关于图像分割技术，

已经有相当多的研究结果和方法，

本文主

要阐述一种经典的分割方法：基于阈值的图像分割方法。

图像分割主要用于图像描述和分析，是图像处理到图像分析的关键步骤，也 是进一步理解图像的基础。图像分割通常是为了进一步对图像进行分析、识别、跟踪、理解、压缩编码等，分割的准确性直接影响后续任务的有效性，因此具有十分重要的意义。关于图像分割技术，已经有相当多的研究结果和方法，本文主要阐述一种经典的分割方法：基于阈值的图像分割方法。

1 图像分割的定义  图像分割是指将图像中具有特殊含义的不同区域分开来，这些区域是互不相交的，每一个区域都满足区域的一致性。已知一幅图像像素集I表示成n个区域Ri集合的一种划分：  (1)  Ri=Ini=1，即所有子区域组成了整幅图像。  (2) 对所有的i和j，i≠j，有Ri ∩Ri=Φ，即分割结果中的子区域是互不重叠的。 (3) P(Ri)=True，即同一区域内的点具有一定的相似性。  (4) P(Ri ∪Ri)=False，即任何两个相邻区域不能合并成单一区域。  (5) 对i=1,2,…,N，Ri是连通的区域，即同一个子区域中的像素应当是连通的。  一致性谓词P(•)定义了在区域Ri上的所有点与区域模型的相似程度。

2 基于阈值的图像分割        阈值分割就是简单地用一个或几个阈值将图像的灰度直方图分成几个类,认为图像中灰度值在同一个灰度类内的像素属于同一个物体。阈值分割法主要有两个步骤: 第一, 确定进行正确分割的阈值; 第二, 将图像的所有像素的灰度级与阈值进行比较, 以进行区域划分, 达到目标与背景分离的目的。在这一过程中, 正确确定阈值是关键, 只要能确定一个合适的阈值就可以完成图像的准确分割, 其基本原理的数学模型描述为:  g(i,j)=  1   f(i,j)≥T0   f i,j <