MATLAB 图像分割算法的研究+分水岭算法(2)
1 引言
在人类接收的信息中80%来自视觉或者说为图像(Image)信息，这包括图像、图形（动画）、视频、文本、数据等，这是人类最有效和最重要的信息获取和交流方式。随着计算机的普及,人们越来越多地利用计算机来帮助人类获取与处理视觉（图像）信息。图像技术是对视觉图像获取与加工处理技术的总称。但是，人类所能感知的电磁波谱的波段却是有限的，成像机器作为人类感知的补充或者替代则几乎覆盖了全部电磁波谱。因此，它们可以处理更多的图像源，例如超声波图像、电子显微镜产生的图像以及计算机产生的图像。因而，数字图像处理技术所能处理的问题是广泛的。
数字图像处理技术源于20世纪20年代，当时通过海底电缆从英国伦敦到美国纽约传输了一幅照片，采用了数字压缩技术。1964年美国的L实验室处理了太空船“徘徊者七号”发回的月球照片，标志着数字图像处理技术开始得到实际应用。
随着计算机科学技术的不断发展，图像处理和分析逐渐形成了自己的科学体系，新的处理方法层出不穷，尽管其发展历史不长，但却引起各方面人士的广泛关注。首先，视觉作为人类最重要的感知手段，而图像是视觉的基础，因此，数字图像成为心理学、生理学、计算机科学等诸多领域内的学者们研究视觉感知的有效工具。其次，图像处理在军事、遥感、气象等大型应用中有不断增长的需求。
数字图像处理方法的研究源于两个主要应用领域：其一是为了便于人们分析而对图像信息进行改进；其二视为机器自动理解而对图像数据进行存储，传输及显示。
图像分割是机器对图像内容进行识别理解的第一步，也是十分关键的一步。人们在研究或者应用图像时，很可能所感兴趣的仅是图像中的某些部分或区域。这些人们感兴趣的区域通常称为前景（目标），剩余部分称为背景。前景往往具有一些独特的性质。为了能够更好的辨别和分析前景，我们最直接的想法就是将它们从图像中分离提取出来，之后才有可能对前景有更进一步的利用和处理。图像分割就是指根据各个区域的特性（可以是像素的颜色、纹理、灰度）把图像分成多个区域并将感兴趣的目标提取出来的技术和过程。这里所指的目标可以是多个区域，也可以是单个区域。图像分割技术在图像工程中的地位是不可替代的，它是图像处理和图像分析之间的关键步骤，也是进行更高级的技术的基础。图像分割在图像工程中的地位见图（图1.1）。
图1.1 图像分割在图像工程中地位
令R表示整幅图像区域。可以将分割看做将 划分为n个子区域 ， 的过程：
（a） 。
（b） 是一个连通的区域， =1,2,, 。
（c） 和 , 。
（d） 。
（e） 。
这里， 是定义在集合 的点上的逻辑谓词， 是空集。
条件（a）说明分割必须是完全的；即，每个像素必须属于一个区域。条件（b）要求区域中的点必须与某个预定义的准则相联系。条件（c）说明不同区域必须是不相交的。条件（d）涉及在分割区域内的像素必须满足的性质——例如如果所有 内的像素有相同的灰度级，则 = 。最后，条件（e）说明区域 和 对于谓词P是不同的。
图像分割方法有许多种分类方式，在这里将分割方法概括为三类：
(1) 基于边缘的分割算法。
(2) 基于区域的分割算法。
(3) 基于特定理论的分割算法。
2 图像分割算法的发展和现状
3 图像预处理
在我们进行正式的图像分割之前，先简要的介绍一部分关于图像预处理方面的知识。一般情况下，成像系统获取的图像(即原始图像)由于受到种种条件限制和随机干扰，往往不能直接进行图像分割。