【图像阈值分割、区域分割、边缘分割】

图像阈值分割、区域分割、边缘分割

目标

学习图像分割的基本方法，包括阈值分割、基于区域的分割和基于边缘的分割。

知识点

1. 图像分割概述

• 定义 ：图像分割是将图像划分为若干个互不重叠的区域，每个区域具有相似的特性。
• 应用 ：广泛应用于目标识别、图像理解、医学图像分析等领域。
• 常见方法 ：
	○ 阈值分割。
	○ 基于区域的分割。
	○ 基于边缘的分割。

2. 阈值分割（Thresholding）

• 定义 ：通过设置一个或多个阈值，将图像划分为前景和背景。
• 原理 ：
	○ 根据图像的灰度分布，选择合适的阈值。
	○ 将灰度值高于阈值的像素分为前景，低于阈值的像素分为背景。
• 特点 ：
	○ 简单高效，适用于对比度较高的图像。
	○ 需要选择合适的阈值。
• 使用技巧 ：
	○ 根据图像的直方图选择阈值。
	○ 使用自动阈值选择方法（如Otsu方法）。

示例代码 ：
matlab

% 读取图像
img = imread('peppers.png');
% 转换为灰度图像
grayImg = rgb2gray(img);
% 计算直方图
histogram = imhist(grayImg);
% 使用Otsu方法选择阈值
threshold = graythresh(grayImg);
% 应用阈值分割
binaryImg = imbinarize(grayImg, threshold);
% 显示结果
figure;
subplot(1, 3, 1);
imshow(grayImg);
title('Grayscale Image');
subplot(1, 3, 2);
plot(histogram);
title('Histogram');
subplot(1, 3, 3);
imshow(binaryImg);
title('Thresholded Image');

代码解释 ：
• rgb2gray 函数用于将彩色图像转换为灰度图像。
• imhist 函数用于计算并显示图像的直方图。
• graythresh 函数用于使用Otsu方法选择阈值。
• imbinarize 函数用于应用阈值分割，生成二值图像。

运行结果：

3. 基于区域的分割（Region-based Segmentation）

• 定义 ：通过区域生长、合并或分裂等方法，将相似的像素区域合并。
• 常见方法 ：
	○ 区域生长法（Region Growing） ：
		§ 从种子点开始，逐步合并相邻的像素。
		§ 相似性准则可以是灰度值、颜色等。
	○ 分水岭算法（Watershed Algorithm） ：
		§ 基于图像的梯度信息，将图像划分为不同