图像分割
图像分割,广义来说,是根据图像的某些特征或特征集合例如灰度、颜色、纹理等的相似性准则对图像像素进行分组聚类,把图像平面划分成若干个具有某些一致性的不重叠区域。这使得同一区域中的像素特征是类似的,即具有一致性而不同区域间像素的特征存在突变,即具有非一致性。
条件(1)指出在对一幅图像的分割结果中全部子区域的总和并集应能包括图像中所有像素就是原图像,或者说分割应将图像中的每个像素都分进某个子区域中。
条件(2)指出在分割结果中各个子区域是互不重叠的,或者说在分割结果中一个像素不能同时属于两个区域。
条件(3)指出在分割结果中每个子区域都有独特的特性,或者说属于同一个区域中的像素应该具有某些相同特性。
条件(4)指出在分割结果中,不同的一子区域具有不同的特性,没有公共元素,或者说属于不同区域的像素应该具有一些不同的特性。
条件(5)要求分割结果中同一个子区域内的像素应该是连通的,即同一个子区域内的任意两个像素在该子区域内互相连通,或者说分割得到的区域是一个连通组元。最后需要指出的是,实际应用中图像分割不仅要把一幅图像分成满足上面五个条件的各具特性的区域而且需要把其中感兴趣的目标区域提取出来,只有这样才算真正完成了图像分割的任务。
图像分割方法主要分为：基于边缘检测的图像分割方法,基于区域的图像分割方法和基于特定理论的图像分割方法。
一、基于边缘检测的图像分割方法
边缘是指其周围像素灰度有阶跃变化的像素的集合，边缘检测技术可以按照处理的顺序分为并行边缘检测和串行边缘检测。
1.1图像分割算法评价
偏差法和优度法
偏差法一般需要提供一个理想分割图像作为比较标准,依此来计算实际分割结果与理想分割图像的差别,这种差别可以是基于错误分割像素点的位置,也可以是基于错误分割的像素数等。
优度法一般是建立在人的视觉基础上,以某些图像特征为依据来评价分割效果。优度法在没有正确分割的先验知识的情况下,仅仅根据分割图像计算某种优度量值来评价分割算法的好坏。
目前常用的有区域一致性、区域对比度、区域形状参数等
（1）区域一致性
（4）综合评价函数
由于图像信息是复杂的,有时用一种测量参数无法准确衡量分割图像的质量,将几种测量参数综合考虑,根据图像分割的目的对不同测量参数赋予不同的权值,以得到准确的评价结果。在这里采用下面的综合评价函数