常見的圖像(影像)分割(切割)方法

資料來源: https://mp.weixin.qq.com/s?__biz=MzAxNTc4MTc1Ng==&mid=2649369373&idx=3&sn=f2e7b838360afe306ca8e5662766610f&chksm=83e0510eb497d81816c8afd59b36f38348b0e7709d7d2d10360a55ac82ca2c3b9e9ca0be4d70&scene=126&sessionid=1595898504&key=7674ee21d747fecf52138f3d6cffddac83db81f2e803a3ecc1d5ab1c245af9a9583bc54308b7a28074b21af056202ccc49a387d45f12302dd71428f1191fda9382141381a82d3faa2f92e3bdc2ca6d6d&ascene=1&uin=MjIwODk2NDgxNw%3D%3D&devicetype=Windows+10+x64&version=62090529&lang=zh_TW&exportkey=AhPMPutAqmAvgrTR7cg%2BugQ%3D&pass_ticket=JJEmjBpPvJCtmH9Wn54FpB%2BhYrxSxNTlT3OneYBMt3NEAMfnleETJFjmG943cHJ5

1.基於閾值的分割方法

    灰度閾值分割法是一種最常用的並行區域技術，它是圖像分割中應用數量最多的一類。

2.基於區域的分割方法

    區域生長和分裂合併法是兩種典型的串行區域技術，其分割過程後續步驟的處理要根據前面步驟的結果進行判斷而確定。

    (1)區域生長

        區域生長的基本思想是將具有相似性質的像素集合起來構成區域。具體先對每個需要分割的區域找一個種子像素作為生長的起點，然後將種子像素周圍鄰域中與種子像素有相同或相似性質的像素（根據某種事先確定的生長或相似準則來判定）合併到種子像素所在的區域中。將這些新像素當作新的種子像素繼續進行上面的過程，直到再沒有滿足條件的像素可被包括進來。這樣一個區域就長成了。

    (2)區域分裂合併

        區域生長是從某個或者某些像素點出發，最後得到整個區域，進而實現目標提取。分裂合併差不多是區域生長的逆過程：從整個圖像出發，不斷分裂得到各個子區域，然後再把前景區域合併，實現目標提取。分裂合併的假設是對於一幅圖像，前景區域是由一些相互連通的像素組成的，因此，如果把一幅圖像分裂到像素級，那麼就可以判定該像素是否為前景像素。當所有像素點或者子區域完成判斷以後，把前景區域或者像素合併就可得到前景目標。

3.基於邊緣的分割方法

    基於邊緣的分割方法是指通過邊緣檢測，即檢測灰度級或者結構具有突變的地方，確定一個區域的終結，即另一個區域開始的地方。不同的圖像灰度不同，邊界處一般有明顯的邊緣，利用此特徵可以分割圖像。

4.基於特定理論的分割方法

    圖像分割至今尚無通用的自身理論。隨著各學科新理論和新方法的提出，出現了與一些特定理論、方法相結合的圖像分割方法，主要有：基於聚類分析的圖像分割方法、基於模糊集理論的分割方法，等。

5.基於基因編碼的分割方法

    基於基因編碼的分割方法是指把圖像背景和目標像素用不同的基因編碼表示，通過區域性的劃分，把圖像背景和目標分離出來的方法。該方法具有處理速度快的優點，但算法實現起來比較難。

6.基於小波變換的分割方法

    小波變換是近年來得到廣泛應用的數學工具，它在時域和頻域都具有良好的局部化性質，並且小波變換具有多尺度特性，能夠在不同尺度上對信號進行分析，因此在圖像處理和分析等許多方面得到應用。
    基於小波變換的閾值圖像分割方法的基本思想是首先由二進小波變換將圖像的直方圖分解為不同層次的小波係數，然後依據給定的分割準則和小波係數選擇閾值門限，最後利用閾值標出圖像分割的區域。整個分割過程是從粗到細，由尺度變化來控制，即起始分割由粗略的L2(R)子空間上投影的直方圖來實現，如果分割不理想，則利用直方圖在精細的子空間上的小波係數逐步細化圖像分割。分割算法的計算會與圖像尺寸大小呈線性變化。

7.基於神經網絡的分割方法

    近年來，人工神經網絡識別技術已經引起了廣泛的關注，並應用於圖像分割。基於神經網絡的分割方法的基本思想是通過訓練多層感知機來得到線性決策函數，然後用決策函數對像素進行分類來達到分割的目的。這種方法需要大量的訓練數據。神經網絡存在巨量的連接，容易引入空間信息，能較好地解決圖像中的噪聲和不均勻問題。選擇何種網絡結構是這種方法要解決的主要問題。