迭代法的的设计思想是开始时選择一个阈值作为初始估计值，然后按某种策略不断的改进这一估计值直到满足给定的准则为止。在迭代过程中关键之处在于选择什麼样的阈值改进策略。好的改进策略应该具备两个特征：一是能够快速收敛二是在每一个迭代过程中，新产生的阈值优于上一次的阈值

该算法是日本人Otsu提出的一种动态阈值分割算法。它的主要思想是按照灰度特性将图像划分为背景和目标2部分划分依据为选取门限值，使得背景和目标之间的方差最大（背景和目标之间的类间方差越大，说明这两部分的差别越大当部分目标被错划分为背景或部分背景錯划分为目标都会导致这两部分差别变小。因此使用类间方差最大的分割意味着错分概率最小。）这是该方法的主要思路

 

 3 均匀性度量法
均匀性度量法的设计思想是，假设当图像被分为目标物和背景两个类别时属于同一类别内的像素值分布应该具有均匀性。在这里采用方差来度量像素间的均匀性
代码：
 


 

 4 类间最大距离法
类间最大距离法德设计思想是，在某个适当的阈值下图像分割后的前景目标与背景兩个类之间的差异最大为最佳阈值。在这里两个类别（目标与背景）的差异用两个类别中心与阈值之间的距离差来度量。
代码：
 


 

 5 最大熵法
熵是信息论中对不确定性的度量是对数据中所包含信息量大小的度量。熵取最大值时就表明获得的信息量为最大。最大熵法的设计思想是选择适当的阈值将图像分为两类，两类的平均熵之和为最大时可以从图像中获得最大信息量，以此来确定最佳阈值
 


 

 


 

 6 最大类间、类内方差比法
从统计意义上讲，方差是表征数据分布不均衡性的统计量要通过阈值对两类问题进行分割，显然适当的阈值使得两类數据间的方差越大越好，表明该阈值的确将两类不同的区域分开了同时希望属于同一类的方差越小越好，表明同一类区域有一定的相似性因此可以采用类内，类间方差比作为选择阈值的评价参数
 


 

 


 

 


 

 


 

 至于那种方法最好，这也没有一个统一的评判标准大多是取决于实际需求和人的主观评判。
 

本文从原理和应用效果上对经典嘚图像分割方法如边缘检测、阈值分割技术和区域增长等进行了分析对梯度算法中的Roberts算子、Sobel算子、Prewitt算子、拉普拉斯(Laplacian)算子、LoG(Laplacian-Gauss)算子、坎尼（Canny）算子的分割步骤、分割方式、分割准则相互比较可以看出根据坎尼（Canny）边缘算子的3个准则得出的边缘检测结果最满意。而阈值分割技术嘚关键在于阈值的确定只有阈值确定好了才能有效的划分物体与背景，但这种方法只对于那些灰度分布明显背景与物体差别大的图像嘚分割效果才明显。区域增长的基本思想是将具有相似性质的像素集合起来构成新区域与此同时本文还分析了图像分割技术研究的方向。 1.1.1数字图像处理的信息大多是二维信息处理信息量很大（三级标题有问题） 1 1.1.2数字图像处理占用的频带较宽 2 1.1.3数字图像中各个像素是不独立嘚，其相关性大 2 1.1.4作合适的假定或附加新的测量 2 1.1.5数字图像处理后的图像受人的因素影响较大 2 1.2数字图像处理的优点 2 1.2.1再现性好 2 1.2.2处理精度高 3 1.2.3适用面寬 3 1.2.4灵活性高 3 1.3数字图像处理的应用 4 1.3.1航天和航空技术方面的应用 4 1.3.2生物医学工程方面的应用 5 1.3.3通信工程方面的应用 5 1.3.4工业和工程方面的应用 5 1.3.5军事公安方面的应用 5 1.3.6文化艺术方面的应用 6 1.4数字图像分割技术的发展概况 6 1.4.1 基于分形的图像分割技术 6 1.4.2 基于神经网络的图像分割技术 7