高 婷，宋少忠，张佳环，蔡利平，徐 静，黎 萍，董迎雪，车伟康

（1.吉林工商学院，吉林长春130507；2.吉林工程技术师范学院，吉林长春130052；3.吉林农业大学，吉林长春130118；4.湖南农业大学，湖南长沙410128）

一、概述

随着科学技术的迅猛发展，人工智能、机器视觉、图形图像处理已经渗透到人们日常生活的各个领域。图像分割作为前期基础，其分割效果的优劣直接影响后期数据处理的结果。图像分割方法很多，每种方法优缺点不同。比较常用的图像分割方法有：基于阈值的图像分割方法、基于边缘检测的图像分割方法、基于区域的图像分割方法、基于聚类的图像分割方法、基于图论的图像分割方法、基于特定理论的图像分割方法等。其中较为常用的是基于阈值分割方法，该方法虽然存在一些弊端，但以分割方法简单、容易计算的突出优点受到广泛的关注，尤其是对图像中背景部分与目标部分的灰度级相差较大的图像有非常好的分割效果。

最早的图像分割方法出现在医学影像处理领域，首先对医学影像中的特定目标区域进行分割，然后对该目标区域进行分析诊断。［1］朱方文、何子元等多次将乳腺X光片图像灰度直方图信息进行计算机自动分割致密影像中的病灶影像，经统计学方法分析乳腺X光片图像中各个部分组织光密度特点，证明该方法有效。［2］王文宁等人利用灰度直方图的直观特征，提出一种自动阈值选取方法，寻找阈值分割点，经过实验证明该方法直观易懂，过程简单，计算量小，提取的阈值准确，有利于图像分割。……