matlab图像分割

 

 

(1)基于阈值的分割方法：在阈值分割中，最常用的分割方法是直方图阈值分割法。直方图阈值法必须假设每个峰值对应的是一个区域，而峰谷则代表了不同区域的边界值。与灰度图像不同的是，彩色图像有R，G，B，3个分量，这给阈值的确定带来了困难，为了解决这个问题，可以采用投影的方式把三维的直方图投影到一维平面上。 (2)基于边缘的分割方法：边缘检测广泛引用于灰度图像的分割。它通过灰度的不连续性来确定图像中的边缘点从而进行分割。实际上，在图像的边缘检测中，人们用差分方程来表示图像的一阶导，在实现编程中差分方程用模板来构造，称为模板算子。常用的模板算子有oberts算子，Prewitt算子，Sobel算子等。 (3)基于区域的分割方法：与一般的分割方法不同，基于区域的分割方法是把具有同一种特性的像素看做一个整体来处理，这些像素在空间上往往是属于相邻的关系但也可以是不相邻的。 (4)基于聚类的分割方法：图像分割的结果是把图像至少分割成目标和背景，它们属于两个不同的类别，这个过程就是一个分类的过程。因此聚类分析应用到图像分割当中也是可以理解的。聚类是最早应用于彩色图像分割的方法之一，因为在一幅图像中不同物体颜色的差别往往很大。常用的聚类方法有K均值聚类，模糊C均值聚类，分层聚类。 (5)基于模型的分割方法：近年来，越来越多的工作都是围绕基于模型的的分割技术展开的。如果图像分割后的区域被看做是随机场的模型，则图像分割可以转化为统计最优的一个数学问题。它可以提取更准确的分割区域特征数据。 (6)基于特定理论工具的分割方法：科学技术越先进，不同科学领域问的边界就越来越模糊，其他领域的科学技术同样可以用在图像分割领域。从而产生了如下分割方法：基于数学形态学的分割方法，基于模糊技术的分割方法，基于遗传聚类的分割方法等等。这些方法把其他领域的思想引入到图像分割领域中，既达到了分割的目的，又推进了图像分割技术的发展。