马永慧

(中北大学电子与计算机科学技术学院，山西太原030051)

图像分割就是把图像分成各具特性的区域并提出感兴趣目标的技术和过程。在对计算机视觉的研究中，图像分割是连接低级视觉和高级视觉的桥梁和纽带，图像分割的结果既取决于低级视觉中各种预处理的效果，又决定了高级视觉中的各种应用中最终输出的质量。

MATLAB应用较为简单，它把计算、图示和编程集成到一个环境中，用起来非常方便。同时，MATLAB具有很强的开放性和适应性，在保持内核不变的情况下，MATLAB推出了适合不同学科的工具箱，如图像处理工具箱，小波分析工具箱、信号处理工具箱、神经网络工具箱等，极大地方便了不同学科的研究工作［5］。

1 基于阈值的图像分割

灰度阈值分割法是一种最常用的并行区域技术，它是图像分割中应用数量最多的一类［1］。阈值分割方法实际上是输入图像f到输出图像g的如下变换:

其中，T为阈值，对于物体的图像元素g(i，j)=1，对于背景的图像元素g(i，j)=0。

由此可见，阈值分割算法的关键是确定阈值，如果能确定一个合适的阈值就可准确地将图像分割开来。人们发展了各种各样的阈值处理技术，包括全局阈值、自适应阈值、最佳阈值等等［2］。

2 基于区域特性的分割

区域生长法是典型的串行区域技术，其分割过程后续步骤的处理要根据前面步骤的结果进行判断而确定。

区域生长法的主要过程是［3］:从一个已知种子点开始，依次检测其邻近点，根据检测……