圖像分割
基本原理：根據圖像的組成結構和應用需求將圖像劃分為若幹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***同屬性的像素的連通集合。常用方法有：
1）
以區域為對象進行分割，以相似性原則作為分割的依據，即可根據圖像的灰度、色彩、變換關系等方面的特征相似來劃分圖像的子區域，並將各像素劃歸到相應物體或區域的像素聚類方法，即區域法；
2）
以物體邊界為對象進行分割，通過直接確定區域間的邊界來實現分割；
3）
先檢測邊緣像素，再將邊緣像素連接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)
全局閾值:T=T[p(x,y)〕，即僅根據f(x,y)來選取閾值，閾值僅與各個圖像像素的本身性質有關。
2)
局部閾值:T=T[f(x,y),p(x,y)],閾值與圖像像素的本身性質和局部區域性質相關。
3)
動態閾值:T=T[x,y,f(x,y),p(x,y)],閾值與像素坐標，圖像像素的本身性質和局部區域性質相關。
全局閾值對整幅圖像僅設置壹個分割閾值，通常在圖像不太復雜、灰度分布較集中的情況下采用;局部閾值則將圖像劃分為若幹個子圖像，並對每個子圖像設定局部閾值;動態閾值是根據空間信息和灰度信息確定。局部閾值分割法雖然能改善分割效果，但存在幾個缺點:
1)
每幅子圖像的尺寸不能太小，否則統計出的結果無意義。
2)
每幅圖像的分割是任意的，如果有壹幅子圖像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)
局部閾值法對每壹幅子圖像都要進行統計，速度慢，難以適應實時性的要求。
全局閾值分割方法在圖像處理中應用比較多，它在整幅圖像內采用固定的閾值分割圖像。考慮到全局閾值分割方法應用的廣泛性，本文所著重討論的就是全局閾值分割方法中的直方圖雙峰法和基於遺傳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《數字圖像處理》，及網上的壹些有用文檔；工具：MATLAB或VC++