图像分割能够按照某一特征把图像分成若干具有一定意义的、互不交叠的区域,是由图像处理前进到图像分析的关键一步。图像分割的质量将直接影响着对图像的后续处理,所以图像分割被视为图像处理的瓶颈,具有十分重要的意义。 本文主要研究灰度图像的多区域分割。首先对图像进行预处理,采用线性或非线性的空间域滤波方法消除图像的噪声,采用边缘检测方法突出图像的边缘,为图像分割做好准备。在进行图像分割时,应用了三种方法:基于阈值选取的图像分割方法、基于区域的图像分割方法和结合特定理论的图像分割方法。 在基于区域的图像分割方法中,本文采用了区域生长法、分裂合并法、松弛迭代法、K-均值聚类法和相似性分割法对图像进行多区域分割,并通过实验改进了一些参数的设置。 在基于阈值选取的图像分割方法中,本文改进了传统的迭代阈值法和基于梯度、凹度分析、矩、熵的单阈值分割方法,将灰度范围进行了划分,并根据各灰度区间的梯度直方图、直方图的凹度分析,直方图的矩、熵得到多个阈值,实现了图像的多区域分割。 本文将小波分析与信息融合技术应用到图像分割中。在基于小波分析的图像分割方法中,利用多分辨率分析得到不同分辨率下的小波系数并进行直方图重建,从重建的灰度直方图中得到多个阈值,用阈值法对图像进行多区域分割;在基于信息融合技术的图像分割方法中,分别对图像进行边缘检测和基于区域的分割,将处理后的两幅图像经过配准,融合在一起。 实验结果表明,上述方法均能将图像分割成具有不同特征的多个区域,特别是基于信息融合的分割方法,能使得分割后的图像的多个区域具有清晰的边缘。