目录摘要 (I)Abstract......................................................... I I 第1章绪论 (1)1.1图像分割概述 (1)1.2图像分割特征 (1)1.3图像分割的发展及现状 (1)1.4研究的背景与意义 (2)第2章数字图像处理 (3)2.1发展概况 (3)2.2主要目的 (4)2.3常用方法 (4)2.4应用领域 (5)2.5研究方向 (7)2.6基本特点 (7)2.7MATLAB软件 (8)第3章阈值分割 (10)3.1图像二值化 (10)3.2阈值分割基本原理 (10)3.3阈值分割方法定义 (11)3.4阈值分割描述 (11)3.5阈值分割分类 (12)第4章阈值分割方法 (13)4.1直方图法 (13)4.2迭代法 (14)4.3最大类间方差法 (17)4.4小结 (20)第5章最大类间方差法的改进 (21)结论 (27)参考文献 (28)致谢 (29)通常人们只对图像的某个区域感兴趣，为了能够把感兴趣的区域提取出来，就得对图像进行分割。

图像分割就是把图像分成一些具有不同特征而有意义的区域，以便进一步的图像处理与分析。

图像分割是图像处理的关键，在灰度图像中分割出有意义区域的最基本方法是设置阈值的分割方法。

选择阈值的主要方法有：直方图法，迭代法，最大类间方差法。

本文主要比较三种方法的优缺点，并对其中的最大类间方差法进行优化，改进分割效果。

关键词：阈值直方图迭代法最大类间方差法Usually people only interested in certain parts of the image, in order to be able to extract the interesting part, you have to do image segmentation. Image segmentation is to divide the image into a number of different features and meaningful areas for further image analysis and understanding. Image segmentation is the key of image processing .The most basic method of segmentation in the gray image is to set threshold . The main methods of selecting threshold are: histogram method, iterative method, Otsu method. In this paper, comparative advantages and disadvantages of the three methods, and improved segmentation results using Otsu method .Key words：threshold the histogram method iterative methodOtsu method第1章绪论1.1图像分割概述图像分割就是按照人们的意愿将图像分成许多个区域，使得人们分离出目标与背景[1]。

同时人们可以对图像的特征进行提取或者是对目标的一些参数进行一些简单的测量，为人们进行更深入的图像研究提供了基础。

图像分割是图像预处理的重要步骤，在人们进行图像处理研究的初期就已经受到人们的高度重视。

经过几十年的发展，到目前为止，人们已经提出了很多种分割方法。

尽管图像分割的方法和种类有很多，却没有公认的标准的分割方法。

有些分割运算可直接分割任何图像，而有一些只能适用于特殊类图像。

许多不同种类的图像或景物都可作为待分割的图像，不同类型的图像，已经有相对应的分割方法对其分割，同时，某些分割方法也只是适合于某些特殊类型的图像分割。

分割结果的好坏需要根据具体情况而定。

图像分割是从图像处理到图像分析的关键步骤，可以说，图像分割结果的好坏直接影响对图像的进一步处理。

1.2图像分割特征（1）分割出来的各区域对某种性质例如灰度，纹理而言具有相似性，区域内部是连通的且没有过多小孔；（2）区域边界是明确的；（3）相邻区域对分割所依据的性质有明显的差异。

（4）基于亮度值的两个基本特性之一: 跳跃性不连续性和相似性.第1类性质的应用途径是基于亮度的跳跃（不连续）变化分割图像,比如图像的边缘。

第2类的主要应用途径是依据事先制定的准则将图像分割为相似的区域、阈值处理、区域生长、区域分离和聚合都是这类方法的实例。

1.3图像分割的发展及现状图像数据的模糊和噪声的干扰是分割问题的主要困难[2]。

到目前为止，还没有一种分割方法，可以使按照人们的意愿准确无误的分割任何一种图像。

实际图像中景物情况多变，具体问题具体分析，需要根据实际情况选择适合的方法。

分割结果的好坏，目前还没有一个统一的评价准则，分割的好坏必须从分割的效果和实际应用场景来判断。

不过在人类研究图像的历史中，还是积累了许多经典的图像分割方法。

虽然这些分割方法不适合所有类型的图像分割，但是这些方法却是图像分割方法进一步发展的基础。

早期的图像研究中，图像的分割方法主要可以分为两大类。

一类是边界方法，这种方法的假设是图像分割结果的某个子区域在原来的图像中一定会有边缘存在；一类是区域方法，这种方法的假设是图像分割结果的子区域一定会有相同的性质，而不同区域的像素没有共同的性质[3]。

这两种方法都有缺点和优点，研究人员也试图把两者结合起来进行图像分割，随着计算机处理能力的提高，很多方法不断涌现，如基于彩色分量分割、模糊集、纹理图像分割。

所使用的教学工具和实验手段也是不断的扩展，从时域信号到频域信号处理，近来小波变换也被应用到图像分割中。

1.4 研究的背景与意义图像分割是图像处理、模式识别和人工智能等多个领域中的关键课题，也是计算机处理视觉技术的首要的、关键的步骤。

图像分割的应用非常广泛，几乎出现在关于图像处理的所有领域。

因此，从20世纪60年代以来，图像分割一直都是图像研究技术的热点。

数字图像处理的基础是图像分割，图像分割同时也是进行计算机自动识别和人工智能的桥梁，长期以来图像分割一直都是数字图像处理领域的一个经典难题。

经典的图像分割算法，诸如：直方图分割方法具有实现简单、计算量小、性能较稳定等特点。

通常，它是利用图像的灰度直方图的分布特征,找出灰度直方图分布的两波峰之间的波谷，选定恰当的阈值将图像分割开，然而这种分割方法依赖于图像灰度的分布，对灰度分布不呈双峰特征或复杂背景的图像,这种方法往往会造成错误，并且有些细节不能很好的显示出来，应用较窄。

第2章数字图像处理数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。

数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展（特别是离散数学理论的创立和完善）;三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长[4]。

数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。

2.1发展概况数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。

数字图像处理作为一门学科大约形成于20世纪60年代初期。

早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。

图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。

首次获得实际成功应用的是美国喷气推进实验室（JPL）。

他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。

随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。

在以后的宇航空间技术，如对火星、土星等星球的探测研究中，都发挥了巨大的作用。

数字图像处理取得的另一个巨大成就是在医学上获得的成果。

1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（Computer Tomograph）。

CT的基该方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。

1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。

1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。

与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。

随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。

人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。

很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。

其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。

图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。

2.2主要目的一般来讲，对图像进行处理（或加工、分析）的主要目的有三个方面：（1）提高图像的视感质量，如进行图像的亮度、彩色变换，增强、抑制某些成分，对图像进行几何变换等，以改善图像的质量。

（2）提取图像中所包含的某些特征或特殊信息，这些被提取的特征或信息往往为计算机分析图像提供便利。

提取特征或信息的过程是模式识别或计算机视觉的预处理。

提取的特征可以包括很多方面，如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。

（3）图像数据的变换、编码和压缩，以便于图像的存储和传输。

不管是何种目的的图像处理，都需要由计算机和图像专用设备组成的图像处理系统对图像数据进行输入、加工和输出。