基于阈值和区域生长法的图像分割方法

机器视觉与图像测量基于阈值和区域生长法的图像分割姓名：高志帆组员：秦杨周大玲郑信文谈华林阈值法不足:不可避免地会在分割出的目标中留下和目标灰度接近的背景区域。（噪声干扰）g(x,y)=1,f(x,y)T10,f(x,y)≤T1最大类间方差法T1（最佳灰度阈值）区域生长法m、σ：区域R的灰度均值及标准差。C2Tm1T=R，区域生长法一致性判别条件：()2T|mlk,f|生长准则：为待测生长点邻域内的灰度均值。()lk,fC2Tm1T=灰度变化阈值：区域生长法不足:如果目标区域内灰度分布不均匀，使生长提前终止，可能造成欠分割。如果目标边界模糊，使生长终止延后，可能造成过分割。减少噪声的干扰阈值法+区域生长法最大类间方差法T1()2T|mlk,f|()1Tlk,f（约束条件）生长准则做法：阈值法+区域生长法由于T1的约束，Tc可以取得稍微大一些。这样可以尽可能避免目标本身灰度不均匀造成的欠分割现象。可以有效防止目标边界模糊造成的过分割现象。结合优势阈值法+区域生长法阈值法结合方法Tc=10Tc=15