1、基于阈值的分割

阈值选取：

• 直方图技术

适用于前景和背景的灰度分布值差别很大，且前景分布比较均值

• 最小误差阈值法

• 最大方差阈值法（Ostu大津阈值法，比较常用）
  （1）利用直方图选取初始阈值
  （2）阈值将图像像素分为两组
  （3）计算两组像素之间的方差
  （4） 找到使方差最大时的阈值

2、基于边缘的分割

• 点检测

图像中孤立的点对该模板具有较大响应

• 线检测

• 使用如下算子在空间域上的滤波即可得到图像中的边缘
  

• Canny算子，多级边缘检测方法
  （1）降低噪声：高斯低通滤波，平滑图像
  （2）计算梯度：采用4个方向检测算子提取梯度
  （3）非极大值抑制：沿着梯度方向寻找局部最大值
  （4）边缘跟踪：采用双阈值检测和跟踪边缘
  

• 由于噪声、照明等产生边缘间断，使得一组像素难以完整形成边缘。

霍夫变换

• 一种检测、定位直线和解析曲线的方法
• 把二值图变换到Hough参数空间
• 在参数空间用极值点的检测完成目标的检测

由于边界点不连续，需连接边界点，构成完整的边界图形描述

可使用该方法实现图形校正

3、基于区域的分割

找到一个基础的区域，将其向外扩张，如果外部区域与内容区域的纹理、灰度的分布一致，则可扩张，直到不一致停止

• 利用图像像素的空间性质
• 分割出有相似性质属于同一个区域像素
  

常用方法：

• 区域生长法
  （1）对每个需要分割的区域找一个种子像素作为生长的起点
  （2）判断种子像素周围领域中与种子像素是否具有相似性质
  （3）若具有相似性质，则将该像素合并到种子像素所在的区域
  （4）将这些新像素当作新的种子像素继续进行上面的过程
  （5）直到再没有满足条件的像素可被包括起来
• 分裂合并法
  根据方差变化进行分裂

4、基于学习的分割方法