3）。针对特定领域的特殊问题，利用这些领域的专业知识来辅助解决图像分割问题，越来越多的吸引人们的注意力，相应的，对图像分割作为一个统一对象的研究在逐渐弱化。医学图像处理中的病理图像分割、工业图像分割、交通图像处理中的车牌识别等都是近几年来图像分割领域中讨论较多的热点问题。

4）。虽然对于彩色图像分割的研究已经有了许多成果，但是与灰度图像分割方法的多样性相比，其理论不够丰富，近几年，关于彩色图像分割的文献有增加的趋势，有可能成为一个新的热点方向。

1。5论文主要研究内容

本文首先介绍了各种图像分割技术的定义、原理及其主要方法，然后重点研究了基于分水岭图像分割方法及其算法流程，最后用matlab对上述算法进行了仿真实现，并对结果进行了分析。

2 图像分割方法综述

2。1图像分割的概述

对图像进行研究和应用时，人们往往对图像中的某些部分感兴趣，这些部分常被称为目标或对象（object）。图像处理的重要任务就是对图像中的对象进行分析和理解。在图像分析中，输出结果是对图像的描述、分类或其他结论，而不再像一般意义的图像处理那样——输出也是图像。图像的分割方法大体上有两种。一种是边界方法，一种是区域方法，两种方法都存在缺点和优点，一些学者试图把两者结合起来进行图像分割，随着计算机处理能力的提高，越来越多的方法陆续的出现，如基于彩色纹理图像分割、纹理图像分割。教学工具和实验手段也的到了很大的更新扩展，从时域信号到频域信号处理，使得近来的小波变换也开始在图像分割中得到应用。 

典型的图像分割方法有阈值法，边缘检测法，区域法。分析各种图像分割方法可以发现，它们分割图像的基本依据和条件有以下4方面: 

(l)分割的图像区域应具有同质性，如灰度级别相近、纹理相似等; 

(2)区域内部平整，不存在很小的小空洞; 

(3)相邻区域之间对选定的某种同质判据而言，应存在显著差异性; 

(4)每个分割区域边界应具有齐整性和空间位置的准确性。 

现有的大多数图像分割方法只是部分满足上述判据。如果加强分割区域的同性质约束，分割区域很容易产生大量小空洞和不规整边缘:若强调不同区域间性质差异的显著性，则极易造成非同质区域的合并和有意义的边界丢失。不同的图像分割方法总有在各种约束条件之间找到适当的平衡点[2]。

2。2图像分割方法介绍

（1）阈值法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。阈值分割已被用于很多领域，如红外无损检测中红外热图像的分割，合成孔径雷达图像中目标的分割，水果品质无损检测过程中水果图像与背景的分割。

阈值分割方法实际上是输入图像到输出图像其中，T为阈值，物体的图像元素背景的图像可以看出来，阈值的分割算法主要是确定阈值，主要能确定一个合适的阈值就能准确的把图像分割开来。确定了阈值以后，把阈值和像素点的灰度值比较在和像素分割可对各像素并行地进行，分割所得出的结果是直接给出图像的区域。阈值分割的优点是计算简单，运算效率较高，速度快。

不同的问题需要选择不同的阈值来确定。具体可以通过实验来去顶。如果给定了一张图像，分析直方图的来确定最佳的阈值方法。例如当直放图明显呈现双峰情况是，可以选择两个峰值的中心点最为最佳的阈值。下图2。1（a）( b )分别为全局阈值和自适应阈值分割结果。源C于H优J尔W论R文M网WwW.youeRw.com 原文+QQ752-018766