图像分割之（一）概述
zouxy09@qq.com
http://blog.csdn.net/zouxy09
图像分割是指根据灰度、颜色、纹理、形状等特征将图像分割成互不重叠的区域，这些特征在同一区域内表现出相似性，不同区域之间表现出明显的差异。 首先概述了目前主要的图像分割方法，然后对各个方法进行详细的了解和学习。
1、基于阈值的分割方法
阈值法的基本思想是根据图像的灰度特性计算一个或多个灰度阈值，将图像中每个像素的灰度值与阈值进行比较，最后根据比较结果将像素归类到相应的类别中。 因此，这种方法最重要的步骤是按照某种准则函数求出最佳灰度阈值。
2、基于边缘的分割方法
边缘是指图像中两个不同区域边界线上连续的像素点的集合，是图像局部特征不连续性的反映，表示灰度、颜色、纹理等图像特性的突变。 通常，基于边缘的分割方法是基于灰度值的边缘检测，是基于边缘的灰度值变化为阶梯形或屋顶形的观测的方法。
阶梯边缘两侧像素点的灰度值存在明显差异，但屋顶边缘处于灰度值上升或下降的转折点。 根据这个特性，可以用微分算子进行边缘检测。 也就是说，利用一阶微分的极值和二阶微分的过零点确定边缘，具体可以通过图像和模板卷积实现。
3、基于区域的分割方法
这种方法根据相似性标准将图像划分为不同的区域，主要有种子区域生长法、区域分裂合并法、分缝法等几种类型。
种子区域生长法从表示不同生长区域种子像素的集合开始，接着将种子像素附近的符合条件的像素合并到种子像素所表示的生长区域中，将新增加的像素作为新的种子像素继续合并过程，直到找不到符合条件的新的像素为止该方法的关键是选择合适的初始种子像素和合理的生长准则。
区域分割综合法(Gonzalez，2002 )的基本思想是首先将图像任意分割成互不相交的几个区域，然后根据相关指导方针对这些区域进行分割或合并，完成分割工作。 该方法既适用于灰度图像分割，也适用于纹理图像分割。
分界点法(Meyer，1990 )是一种基于拓扑学理论的数学形态学分割方法，其基本思想是将图像视为大地拓扑，图像中各点的像素灰度值表示该点的高程，各局部极小值及其影响区域称为集水区，集水区边界为集水区该算法的实现可以模拟洪水淹没的过程，图像最低点首先淹没，然后水逐渐淹没整个山谷。 水位达到一定高度时就会溢出。 这个时候，在水溢出的地方建设堤坝。 重复此操作，直到图像上的所有点被水淹没。 这时建造的一系列堤坝是分隔各盆地的分水岭。 分水岭算法对弱边缘有良好的响应，但图像中的噪声会使分水岭算法产生过分割现象。
4、基于图论的分割方法
这样的方法将图像分割问题与图像的微缩模型分割问题相关联。 首先，把图像映射到加权有向图G=V，e上。 图中的各节点NV对应图像中的各像素，各边E连接相邻的一对像素，边的权重值表示相邻像素之间的灰度、颜色或纹理上的非负的相似度。 另一方面，对图像的一个分割s是对图的一个剪切，每个分割后的区域CS对应图中的一个部分图。 分割的最佳原则是，被分割的子图在内部保持相似度最大，子图之间的相似度保持最小。 基于图论的分割方法的本质是通过删除特定的边，将图分割成若干个子图来实现分割。 现在已知的基于图式的方法是GraphCut、GrabCut、Random Walk等。
5、基于能量泛函的分割方法
该方法主要指主动轮廓模型以及在此基础上开发的算法，其基本思想是用连续曲线表示目标边缘，并定义能量泛函以包含边缘曲线因此，分割过程变为求解能量泛函最小值的过程，一般根据求解函数对应的Euler.Lagrange )方程可以实现的模型内的曲线表示，活动轮廓模型大致可以分为两类。 参数活动轮廓模型(parametric active contour模型)和几何活动轮廓模型。
参数化主动轮廓模型是基于Lagrange框架，以曲线直接参数化的形式表示的，代表性的是Kasset a1(1987 )提出的Snake模型。 该模型在初始生物图像分割领域获得了成功，但分割结果存在初始轮廓设置影响大、难以适应曲线拓扑变化等缺点，且其能量泛函仅依赖于曲线参数的选择，与物体几何形状无关，也限制了其进一步的应用。
活动轮廓模型的曲线运动过程
是基于曲线的几何度量参数而非曲线的表达参数，因此可以较好地处理拓扑结构的变化，并可以解决参数活动轮廓模型难以解决的问题。而水平集（Level Set）方法（Osher，1988）的引入，则极大地推动了几何活动轮廓模型的发展，因此几何活动轮廓模型一般也可被称为水平集方法。