簡要說一下： 影象分割基本原理：根據影象的組成結構和應用需求將影象劃分為若干個互不相交的子區域的過程。這些子區域四某種意義下具有共同屬性的畫素的連通集合。常用方法有：
1） 以區域為物件進行分割，以相似性原則作為分割的依據，即可根據影象的灰度、色彩、變換關係等方面的特徵相似來劃分影象的子區域，並將各畫素劃歸到相應物體或區域的畫素聚類方法，即區域法；
2） 以物體邊界為物件進行分割，透過直接確定區域間的邊界來實現分割；
3） 先檢測邊緣畫素，再將邊緣畫素連線起來構成邊界形成分割。具體的閾值分割：閾值分割方法分為以下3類:1) 全域性閾值:T=T[p(x,y)〕，即僅根據f(x,y)來選取閾值，閾值僅與各個影象畫素的本身性質有關。2) 區域性閾值:T=T[f(x,y),p(x,y)],閾值與影象畫素的本身性質和區域性區域性質相關。3) 動態閾值:T=T[x,y,f(x,y),p(x,y)],閾值與畫素座標，影象畫素的本身性質和區域性區域性質相關。 全域性閾值對整幅影象僅設定一個分割閾值，通常在影象不太複雜、灰度分佈較集中的情況下采用;區域性閾值則將影象劃分為若干個子影象，並對每個子影象設定區域性閾值;動態閾值是根據空間資訊和灰度資訊確定。區域性閾值分割法雖然能改善分割效果，但存在幾個缺點:1) 每幅子影象的尺寸不能太小，否則統計出的結果無意義。2) 每幅影象的分割是任意的，如果有一幅子影象正好落在目標區域或背景區域，而根據統計結果對其進行分割，也許會產生更差的結果。3) 區域性閾值法對每一幅子影象都要進行統計，速度慢，難以適應實時性的要求。全域性閾值分割方法在影象處理中應用比較多，它在整幅影象內採用固定的閾值分割影象。考慮到全域性閾值分割方法應用的廣泛性，本文所著重討論的就是全域性閾值分割方法中的直方圖雙峰法和基於遺傳演算法的最大類間方差法。在本節中，將重點討論灰度直方圖雙峰法，最大類間方差法以及基於遺傳演算法的最大類間方差法留待下章做繼續深入地討論。參詳書目當然是《數字影象處理》，及網上的一些有用文件；工具：MATLAB或VC++
簡要說一下： 影象分割基本原理：根據影象的組成結構和應用需求將影象劃分為若干個互不相交的子區域的過程。這些子區域四某種意義下具有共同屬性的畫素的連通集合。常用方法有：
1） 以區域為物件進行分割，以相似性原則作為分割的依據，即可根據影象的灰度、色彩、變換關係等方面的特徵相似來劃分影象的子區域，並將各畫素劃歸到相應物體或區域的畫素聚類方法，即區域法；
2） 以物體邊界為物件進行分割，透過直接確定區域間的邊界來實現分割；
3） 先檢測邊緣畫素，再將邊緣畫素連線起來構成邊界形成分割。具體的閾值分割：閾值分割方法分為以下3類:1) 全域性閾值:T=T[p(x,y)〕，即僅根據f(x,y)來選取閾值，閾值僅與各個影象畫素的本身性質有關。2) 區域性閾值:T=T[f(x,y),p(x,y)],閾值與影象畫素的本身性質和區域性區域性質相關。3) 動態閾值:T=T[x,y,f(x,y),p(x,y)],閾值與畫素座標，影象畫素的本身性質和區域性區域性質相關。 全域性閾值對整幅影象僅設定一個分割閾值，通常在影象不太複雜、灰度分佈較集中的情況下采用;區域性閾值則將影象劃分為若干個子影象，並對每個子影象設定區域性閾值;動態閾值是根據空間資訊和灰度資訊確定。區域性閾值分割法雖然能改善分割效果，但存在幾個缺點:1) 每幅子影象的尺寸不能太小，否則統計出的結果無意義。2) 每幅影象的分割是任意的，如果有一幅子影象正好落在目標區域或背景區域，而根據統計結果對其進行分割，也許會產生更差的結果。3) 區域性閾值法對每一幅子影象都要進行統計，速度慢，難以適應實時性的要求。全域性閾值分割方法在影象處理中應用比較多，它在整幅影象內採用固定的閾值分割影象。考慮到全域性閾值分割方法應用的廣泛性，本文所著重討論的就是全域性閾值分割方法中的直方圖雙峰法和基於遺傳演算法的最大類間方差法。在本節中，將重點討論灰度直方圖雙峰法，最大類間方差法以及基於遺傳演算法的最大類間方差法留待下章做繼續深入地討論。參詳書目當然是《數字影象處理》，及網上的一些有用文件；工具：MATLAB或VC++