图像分割是图像处理与模式识别中的一个重要领域,其目的是从图像中提取出感兴趣的目标区域。为获取目标图像的精准定位及其完整的轮廓,目前各学者已经研究出了多种分割方法。分水岭算法由于其计算速度较快,对物体的边缘定位精确,能够获得连续、封闭、单像素宽的边缘而被广泛应用,是图像分割中一种常用的基于梯度图像的形态学分割方法。但在该算法中,由于梯度算子通常会受到噪声和量化误差等梯度的其他局部不规则性影响,容易产生大量零散的区域,造成过度分割现象。而可分小波在进行图像分解时只能提取出图像水平、垂直和对角线方向的信息,其应用于图像分割时容易造成欠分割。针对上述问题,本文提出了一种基于不可分小波的分水岭图像分割方法,主要研究工作如下:本文研究了二维小波理论,利用高维不可分小波及滤波器组的构造方法,构造出了具有紧支撑、正交性的二通道不可分小波滤波器和具有紧支撑、正交性及对称性的三通道、四通道不可分小波滤波器;并提出了基于不可分小波和分水岭相结合的图像分割方法。该方法首先利用二维小波理论构造出不可分小波滤波器组,并使用构造好的滤波器组对图像进行多尺度不可分小波分解;其次,对分解出的每一个低频子图都进行前景标记和背景标记后使用分水岭算法得到标记矩阵,并利用这些标记矩阵对相应的低频子图进行区域平均,降低量化误差等其他局部不规则性对分割结果的影响;然后将区域平均后得到的低频子图代替原来的低频子图执行不可分小波逆变换操作得到灰度平均图;最后,对重构的结果图再次使用基于标记的分水岭变换,得到最终的分割结果。实验结果表明,该方法可以有效地解决分水岭过分割和可分小波欠分割的问题,且较好地保留图像目标的轮廓信息。