图像分割和图像边缘检测
边缘检测和图像分割的联系：边缘检测是通过图像的梯度变化将图像中梯度变化明显的地方检测出来，针对的是边缘信息。

图像分割是将目标分割出来，针对的是目标对象，边缘检测是空间域图像分割的一种方法，属于包含关系
边缘检测后的图像是二值图像，对二值图像可以运用形态学操作来分割目标，所以边缘检测是图像分割的一个前提。

但分割不一定非要用边缘检测。

图像分割：概念：
图像分割是将图像划分成若干个互不相交的小区域的过程，所谓小区域是某种意义下具有共同属性的像素的连通集合。

从集合的观点看：它应该是具有如下性质的一种点集，集合R代表整个区域，对R的分割可看作将R分成N个满足以下五个条件的非空子集R1，R2，，RN：
目的：
无论是图像处理、分析、理解与识别，其基础工作一般都建立在图像分割的基础上；
将图像中有意义的特征或者应用所需要的特征信息提取出来；
图像分割的最终结果是将图像分解成一些具有某种特征的单元，称为图像的基元；
相对于整幅图像来说，这种图像基元更容易被快速处理。

图像分割原理图像分割的研究多年来一直受到人们的高度重视，至今提出了各种类型的分割算法。

Pal把图像分割算法分成了6类：阈值分割，像素分割、深度图像分割、彩色图像分割，边缘检测和基于模糊集的方法。

但是，该方法中，各个类别的内容是有重叠的。

为了涵盖不断涌现的新方法，有的研究者将图像分割算法分为以下六类：并行边界分割技术、串行边界分割技术、并行区域分割技术、串行区域分割技术、结合特定理论工具的分割技术和特殊图像分割技术。

图像分割的特征：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，区域内部是连通的的且没有过多小孔。

区域边界是明确的。