图像分割算法的研究综述

摘要：随着计算机网络技术和数字图像处理技术的迅速发展，图像识别技术也被成功地应用于许多领域。而图像识别的前提条件是图像分割技术，整个数字图像处理过程的好坏取决于图像分割算法的合理选择。由于获取图像的特殊性和复杂性，在对图像进行分割的过程中怎样采用合适的图像分割算法成为研究热点。在比较现有分割算法的基础上，进一步探讨基于灰度阀值分割算法中的阀值选择。

关键词：图像识别；图像处理；图像分割；阀值

中图分类号：G642 文献标识码：A 文章编号：1009-3044（2014）11-2637-03

Abstract： With the rapid development of computer network technology and digital image processing technology， image recognition technology has been successfullyapplied in many fields. But the precondition of image recognition is the image segmentation technology， the digital image processing selection processdepends on image segmentation algorithm. Because of the particularity and complexity of image acquisition， the image segmentation process of how uses the appropriate image segmentation algorithms become a research hot spot.On the basis of comparing existing segmentation algorithm， further discussed based on threshold selection in gray-level threshold segmentation algorithm.

Key words： Image recognition；imageprocessing；image segmentationthreshold

视觉是人类从大自然界获得图像信息的主要来源。图像信息直观、形象、易懂、信息量大，在人类接收和相互通信中处扮演重要的角色[1]。随着计算机网络技术和多媒体技术的迅速发展，数字图像处理技术逐渐形 成了自己的学科体系。广泛得应 用于各个领域，如工业机器人、地球资 源监测、人工智能、医疗卫生等，已经走进人们的日常生活。在这些应用领域中，都离不开图像识别技术，如车牌识别、字符识别、指纹识别、人脸识别等。而图像识别技术的前提和基础是图像分割技术。但由于现实环境等原因使得获取的图像具有复杂性和特殊性，图像分割技术成为数字图 像 处理的一个难点[2]。图像分割从广义上讲是指把一幅完整的图像分解成若干个具有相同或相异的特性的区域，并在这些区域中提取出感兴趣的目标的技术过程[3]。近些 年 来，许多学者在图像分割技术方面做了 大 量 的研究工作，但针对所有图像并没有形成通用的、有效的分割算法，需要进一步研究解决。

1 图像分割技术

在研究数字图像处理技术时，大多数的人们往往只是关心图像中的某些部分，对其他部分是不感兴趣的，但是这些部分又具有一定的特殊性质，对于整个图像而言把它称为图像的前景或目标，那么图像中其它不被感兴趣的部分就称作图像的背景。为了让人们更清楚地分析和辨别图像中的目标，则需要把一幅图像中的目标分割出来，怎样分割？分割图像时采用何种算法？已成为图像分割技术研究的热点问题[4]。图像分割是根据图像的特征（如图像的纹理、灰度、颜色等）对图像的像素进行分类，被分割后的图像区域是不重叠的[5]。

2 灰度图像分割算法

2.1灰度阈值分割

阈值分割法是通过设置阈值，依据图像目标和图像背景在灰度像素上的差异进行图像分割的一种技术。它把整个图像按灰度级分成若干类。假设先确定一个灰度阈值 T，把图像中所有像素点的灰度值和阀值T的进行比较，以确定该像素点是属于目标还是属于背景[4]。，当然阀值T应处于图像灰度级范围之内。通过比较结果可分为两类：一、如果图像像素的灰度值大于阈值 T，则称其为目标；二、如果图像像素的灰度值小于阈值 T，则称其为背景。基于灰度阈值的分割算法最关键的问题是合理阀值的选择。人工选择法是可以利用人类视觉的敏感性，通过观察图像并分析图像直方图以选择合适的阈值。但在大多数的应用中，需要无人干涉可以自动获取分割的最佳阀值。

2.2 迭代式阀值选择

迭代式阈值选择的基本思想是：先依据图像中目标的灰度像素分布特点，选择一个阈值作为初始估计值。通常情况下，初始阈值是图像的灰度均值；然后对估计值不断的进行改进，直到满足既定的条件为止。通过分割图像和修改阈值可以选择较好的阀值改进策略，从而获得认可的最佳阈值[5]。

2.3 最小误差阀值选择

由此可见，只有当图像中的背景像素点和目标像素点相等，或者他们的灰度值成正态分布且标准偏差相等。取最佳阀值，误差最小，但现实中图像的目标和背景的像素点很难相等。

3 结束语

对灰度图像分割算法的研究已经有几十年的历史，尽管人们在图像分割方面做了许多的研究工作。提出许多分割算法，如均匀性度量法，类间最大距离法，最大熵法，局部阈值分割法等。但没有一种分割算法适合于所有图像。但图像分割算法还是朝着更快速、更精确的方向发展，将不断的取得突破和进展。

参考文献：

[1] 袁佳，郭建钢.车牌照图像识别技术研究进展[J].机电技术，2008，（1）：77-78.

[2] 张佑生，彭青松，汪荣贵.一种新的数字图像灰度直方图及其应用研究[J].系统仿真学报，2002，14（12）：1655-1658.

[3] 谢凤英，赵丹培等.Visual C++数字图像处理[M].北京：电子工业出版社，2008.

[4] 姚敏等.数字图像处理技术[M].北京：机械工业出版社，2013.

[5] C.Sanderson，Information Fusion and Person Verification Using Speech & Face Information， IDIAP-RR 02-33， Swizerland，2002.