简要说一下：
图像分割
基本原理：根据图像的组成结构和应用需求将图像划分为若干个互不相交的子区域的过程。这些子区域四某种意义下具有共同属性的像素的连通集合。常用方法有：
1）
以区域为对象进行分割，以相似性原则作为分割的依据 ，即可根据图像的灰度、色彩 、变换关系等方面的特征相似来划分图像的子区域 ，并将各像素划归到相应物体或区域的像素聚类方法，即区域法；
2）
以物体边界为对象进行分割 ，通过直接确定区域间的边界来实现分割；
3）
先检测边缘像素 ，再将边缘像素连接起来构成边界形成分割 。
具体的阈值分割：
阈值分割方法分为以下3类:
1)
全局阈值:T=T[p(x,y)〕，即仅根据f(x,y)来选取阈值 ，阈值仅与各个图像像素的本身性质有关 。
2)
局部阈值:T=T[f(x,y),p(x,y)],阈值与图像像素的本身性质和局部区域性质相关。
3)
动态阈值:T=T[x,y,f(x,y),p(x,y)],阈值与像素坐标 ，图像像素的本身性质和局部区域性质相关 。
全局阈值对整幅图像仅设置一个分割阈值，通常在图像不太复杂 、灰度分布较集中的情况下采用;局部阈值则将图像划分为若干个子图像 ，并对每个子图像设定局部阈值;动态阈值是根据空间信息和灰度信息确定 。局部阈值分割法虽然能改善分割效果 ，但存在几个缺点:
1)
每幅子图像的尺寸不能太小，否则统计出的结果无意义。
2)
每幅图像的分割是任意的 ，如果有一幅子图像正好落在目标区域或背景区域 ，而根据统计结果对其进行分割，也许会产生更差的结果 。
3)
局部阈值法对每一幅子图像都要进行统计，速度慢 ，难以适应实时性的要求 。
全局阈值分割方法在图像处理中应用比较多 ，它在整幅图像内采用固定的阈值分割图像。考虑到全局阈值分割方法应用的广泛性，本文所着重讨论的就是全局阈值分割方法中的直方图双峰法和基于遗传算法的最大类间方差法 。在本节中 ，将重点讨论灰度直方图双峰法 ，最大类间方差法以及基于遗传算法的最大类间方差法留待下章做继续深入地讨论 。
参详书目当然是《数字图像处理》，及网上的一些有用文档；工具：MATLAB或VC++
Otsu算法：最大类间方差法(大津算法) ，是一种确定阈值的算法。
之所以称为最大类间方差法是因为 ，用该阈值进行的图像固定阈值二值化，类间方差最大 ，它是按图像的灰度特性,将图像分成背景和前景两部分 ，使类间方差最大的分割意味着错分概率最小 。
算法评价：
优点：算法简单，当目标与背景的面积相差不大时 ，能够有效地对图像进行分割 。
缺点：当图像中的目标与背景的面积相差很大时 ，表现为直方图没有明显的双峰，或者两个峰的大小相差很大，分割效果不佳 ，或者目标与背景的灰度有较大的重叠时也不能准确的将目标与背景分开。
本文来自作者[陈俊良]投稿，不代表格瑞号立场，如若转载，请注明出处：https://gree0731.com/ig/14029.html
评论列表（4条）
我是格瑞号的签约作者“陈俊良”！
希望本篇文章《基于直方的k均值聚类彩色像分割方法》能对你有所帮助！
本站[格瑞号]内容主要涵盖：生活百科,小常识,生活小窍门,知识分享
本文概览：简要说一下：图像分割基本原理：根据图像的组成结构和应用需求将图像划分为若干个互不相交的子区域的过程。这些子区域四某种意义下具有共同属性的像素的连通集合。常用方法有：1）以区域为...