黄 谊，任 毅

（中北大学 信息与通信工程学院 山西太原 030051）

0 引言

图像分割是图像处理到图像分析的关键步骤，在图像工程中占据重要的位置。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，因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式，使得更高层的图像分析和理解成为可能[1]。

在图像分割领域中，许多从事图像研究的学者提出并实现了多种不同风格的分割方法，以自适应阈值法为例，它虽然具有阈值计算精确的优点，但其精确阈值计算却严重依赖于获得精确的边缘，而获得精确的边缘同样也是图像研究领域的一大难题[2]。本文提出一种基于阈值分割法和区域生长法相结合的分割方法，该算法的目标是保证分割结果相对合理的前提下使运算尽量简单，以进一步提高分割的效率。

1 阈值分割法

假设图1所示的灰度直方图对应一幅图像f( x,y)。这幅图像由亮的对象和深的背景组成，从背景中提取对象的一种显然的方法是选择一个阈值T，将背景和对象分离开[3]。基于该论述，阈值处理可以看成是一个关于T的函数：

其中f(x, y)是点(x, y)的灰度级，p(x, y)表示这个点的局部性质，例如以(x, y)为中心的邻域平均灰度级。经阈值处理后的图像定义为：

当T仅取决于f(x, y)时，即仅取决于灰度级值时，此时阈值称为全局阈值。如果T取决于f(x, y)和p(x, y)，则阈值称为局部阈值。另外，如果T取决于空间坐标(x, y)，则阈值称为动态阈值或自适应阈值。……