13分割出的区域应该同时满足分割出图像区域的均匀性和连通性。均匀性是指该区域中所有像素点都满足基于灰度、纹理、色彩等特征的某种相似性准则，连通性是指该区域内存在连接任意两点的路径相邻分割区域之间针对选定的某种差异显著性分割区域边界应该规整，同时保证边缘的空间定位准确图像分割和描述的集合概念定义给定某种一致性（均匀）属性准则（度量）P，将图像X正确的划分为互不交叠的区域集{S1，S2…..Sn}的过程称之为分割。这里所说正确分割应满足以下条件：仅依赖象素灰度的阈值选取－全局阈值依赖象素灰度和其周围邻域的局部性质选取－局部阈值除依赖象素灰度和其周围邻域的局部性质外，还与坐标位置有关－动态阈值极小点阈值通过寻找直方图的极小点确定分割阈值，在确定极小点过程中可能需要对直方图进行平滑最优阈值通常，图像中目标和背景的灰度值有部分交错，通过背景和目标的灰度概率分布函数可以在一定条件下确定最佳阈值设图像由目标和背景两部分组成，灰度分布概率密度分别为po(r)和pb(r)，设目标占整个画面的百分比为q，则背景占1-q。取阈值为t，则根据莱布尼茨法则取最优：若已知背景和目标的灰度概率密度，可以利用数值方法求出最佳阈值设背景和目标的灰度概率密度均为正态分布，则可以求出解析解在实际问题中所遇到的灰度直方图不是双峰态而是多峰态的分布，或者呈现峰谷不明显，谷底平坦、多峰。这些情况都将会给阈值的正确选择带来困难．此时，可以利用局部特性化的变换直方图以利于阈值的选择．灰度差分或梯度就是象点的一种边值特性通过对图像不同区域和特征直方图的统计，对图像灰度直方图进行修改，从而使灰度直方图呈现更明显的分界。通常特征准则是以图像某些特征(灰度、色彩、统计特征)的均匀性为依据的。对计算得到的(u,v)，对A(u,v)中相应单元进行累加:均匀性是指该区域中所有像素点都满足基于灰度、纹理、色彩等特征的某种相似性准则，连通性是指该区域内存在连接任意两点的路径图像分割——Hough变换四叉树分解(Quadtreedecomposition)图像分割——直方图变换取阈值是并行区域技术的基本分割方法，通过对灰度取阈值后得到的图像，各个区域可以分离开，但要将目标提取出来，还需要将各区域识别标记。y=ux+v均匀性是指该区域中所有像素点都满足基于灰度、纹理、色彩等特征的某种相似性准则，连通性是指该区域内存在连接任意两点的路径图像分割——Hough变换这些情况都将会给阈值的正确选择带来困难．此时，可以利用局部特性化的变换直方图以利于阈值的选择．灰度差分或梯度就是象点的一种边值特性生长过程终止的条件或规则边界跟踪(Boundarytracking，Edgepointlinking)或利用其他方法如跟踪法或区域扩张方法进行进一步分割。生长过程终止的条件或规则分裂合并法分割图像示例因此点Pi对应了参数空间内的一条直线。图像分割——Hough变换取阈值是并行区域技术的基本分割方法，通过对灰度取阈值后得到的图像，各个区域可以分离开，但要将目标提取出来，还需要将各区域识别标记。分裂合并法分割图像示例将图像划分为逐级分解的小区，利用一定的合并和分裂准则对小区进行检验，确定小区是否需要分裂或相邻小区是否需要合并。根据莱布尼茨法则取最优：通常特征准则是以图像某些特征(灰度、色彩、统计特征)的均匀性为依据的。根据莱布尼茨法则取最优：分裂合并法分割图像示例因此点Pi对应了参数空间内的一条直线。相邻分割区域之间针对选定的某种差异显著性生长的准则;不仅依赖具体问题本身，还依赖所用图像数据的种类。除依赖象素灰度和其周围邻域的局部性质外，还与坐标位置有关－动态阈值图像分割——模板匹配技术34