摘要图像分割是把图像划分为有意义的若干区域的图像处理技术，分割技术在辅助医学诊断及运动分析、结构分析等领域都有着重要的研究价值和广泛的应用发展前景。
在阅读大量文献的基础上，本文对图像分割技术的理论基础、发展历程及图像分割方法的热点、难点问题进行了分类综述，对不同分割算法优缺点进行了总结和归纳，并对图像分割的发展趋势进行了初步的展望和预测。
在此基础上，为了对图像分割理论有更直观的认识，本文选取并行边界算法和分水岭算法这两种方法，用MATLAB软件进行了基础的仿真，并对结果进行了分析和总结，本文重点对一些近年来新兴的算法，比如水平集（Level-set）算法、马尔科夫随机场算法（Markov）、模糊算法、遗传算法、数学形态学算法等进行了概略性的探讨，对这些新兴算法的特点、原理、研究动态进行了分析和总结。
关键词：图像分割；边界；区域；水平集；马尔科夫AbstractImage segmentation is an image processing technology that divides the image into a number of regions. Image segmentation has very important significance in supporting medical diagnosis, motion analysis, structural analysis and other fields.Based on recent research, a survey on the theory and development of image segmentation, hot and difficult issues in image segmentation is given in this article. And describes the characteristics of each method as well as their respective advantages and disadvantages in image segmentation .This article introduces and analyzes some basic imaging and image segmentation methods in theory and describes the development trends of medical image segmentation. To have a better understanding of image segmentation, I use MATLAB software to stimulate on images about the parallel edge algorithms and watershed algorithm. And the analysis of the segmentation results is given in the article.This article introduces and analyzes the new algorithms in recent years such as Level-set algorithm, Markov algorithm, Fuzzy algorithm, Genetic algorithm and Morphological algorithm. In this paper, the features, theory and research trends of these algorithms are analyzed and summarized.Keywords: Image segmentation; Border; Area；Level-set；Markov第1章引言1.1 图像分割的背景和重要作用图像是传达信息的一种方式，图像中含有大量的有用信息，理解图像并从图像中抽取信息以用来完成其他工作是数字图像技术中一个重要的应用领域，而理解图像的第一步就是图像的分割。
图像分割是对图像进行分析和理解的关键步骤，是数字图像处理中最重要和最基本的技术手段，是一种基本的计算机视觉技术，准确地对图像进行分割，对工程实践及量化分析都有重要的价值。
其中，感兴趣目标的参数测量和特征提取等过程都是以图像分割为预处理的，图像的分割技术使得进一步的图像理解和应用成为可能。
在实际工程中，研究者不是对图像的所有部分都感兴趣的，而图像分割的目的就是把图像空间分割成一些有意义的区域,从而把感兴趣的区域提取出来，以便进行进一步的图像应用和处理，因此图像分割算法的研究有着重要的理论价值和实际意义。
图像分割技术在医学、军事工程等领域中都有着广泛的应用。
图像分割技术可以便于对获得的各种定量定性的图像数据进行分析,使这些数据更好的应用到工程实践中。
例如在医学上，随着影像医学技术在医学中的作用越来越大，图像分割在医学应用中具有特殊的重要意义，分割技术使得人们能够获得有效的医学图像信息。
分割后的图像广泛应用于病变部位诊断、术前方案制定、术后监测等各个重要的环节。
图像分割是一个经典难题，图像分割是提取数字图像中组织信息的关键步骤，图像分割技术的发展更是决定了数字图像处理中其它相关技术的发展。
而如何找到科学、准确的分割方法，使分割后的图像具有良好的分割效果，从而具有非常广泛的应用，是分割方法研究领域的重点。
本文综述和讨论了图像分割技术的应用，分割技术的发展趋势、研究热点及其图像分割的评价等问题, 并重点讨论了每类分割方法的原理、特点, 展望了医学图像分割的前景和面临的挑战。
1.2 本文的安排和结构框架本文基于如下结构展开：第二章中介绍了图像分割的基础性理论、发展历程及应用中存在的难点问题；第三章中分析了图像分割算法的原理及特点，包括传统的分割算法和近年来新兴的分割算法，并分析了相关的研究动态；第四部分对并行边界算法和分水岭算法进行了MATLAB仿真，对仿真结果进行了分析和归纳；在第五章中进行了总结和展望，在这个部分，对上文进行了总结，并对图像分割的发展趋势和前景进行了简单的概括。
第2章 图像分割方法本章中对图像分割的相关研究状况进行了总结，其中包括、图像分割的历史和分割算法等方面的内容，并重点对图像分割的方法进行了归纳和分析。
2.1 图像分割理论介绍图像分割是指将图像分成具有不同特性的区域并提取出感兴趣目标的技术和过程，它是图像处理到图像分析的关键步骤，是一种基本的数字计算机视觉技术。
图像分割的过程是将整个图像区域分割成若干个非空子区域，并且确保所分割后的每个子区域是内部连通的，并且不同子区域间无交叠的现象，同一区域的内部具有相同或相似的特性。
即满足以下特点：(1)图像分割的结果中所有子区域的总和应等于原图像；(2)分割结果中各个子区域互不重叠；(3)分割结果中同一子区域的任意两个像素在本子区域内是相互连通的。
(4)分割结果中同一子区域的像素具有相似性；(5)分割结果中位于不同子区域的像素具有不同的特性。
待分割图像用R 来表示，图像被分割成若干部分，即12,,...n R R R ，其数学描述如下：(1)R R i ni ==1 ；(2)j i R R j i ≠∅=⋂,(3)i R 是连通的区域,n i ,...2,1=；(4)TRUE R P n i i ==)(,,...2,1；(5)FALSE R R P j i j i =⋃≠)(,;图2-1 图像分割在数字图像技术中的位置2.2 图像分割的发展过程图像分割技术是一个从“手工分割”到“半自动分割”、“自动分割”的逐步发展的过程。
早期的图像分割完全是靠人工来完成的，随着计算机技术的不断发展,半自动的分割方法随即应运而生，它是一种人机交互式的图像分割方法,它把操作者的主观能力和计算机高速的数据处理能力有机地结合起来，从而完成对图像的分割处理。
与人工方法相比，半自动的分割方法大大减少了人的主观因素的影响,而且分割速度和精度都得到了提高，但操作者的经验和知识仍然是图像分割过程的一个重要组成部分。
近年来，由于大量的新兴技术如模糊分割算法和遗传算法在图像分割领域中的应用，图像分割领域中也涌现出一些自动的分割技术，自动分割方法是由计算机实现图像分割的整个过程。
近年来图像分割技术的发展重点是研究出实用的自动分割方法，并希望最终能够取代非常繁琐的人工分割和主观性很强的半自动分割。
近几年来，研究人员做了大量的工作，提出了很多实用的医学图像分割算法，本文将介绍几种传统的分割算法以及近几年提出的一些分割的新方法和新观念。
2.3 图像分割在应用发展中的难点图像分割是提取图像中特殊组织的定量信息的不可或缺的途径和手段，同时也是三维可视化实现的前提和进行预处理的关键步骤。
分割后的图像在实践中有着极其重要的作用，在组织容积的定量分析，病症诊断，病变组织的定位等领域中有着很高的理论价值和实际意义，是实现集成化图像可视化系统中最基本的研究内容之一，是成功进行图像分析、理解与描述的至关重要的组成部分。
图像分割技术可以对图像数据进行更好的分析和处理，运动分析、结构分析、三维可视化等后续操作，以及图像引导手术以及治疗效果的评估等应用研究都是以图像分割为前提和基础的。
而如何提供科学、便捷、准确的图像信息，并为其分析处理提供辅助性的建议，研究出更有效的图像分割方法成为人们的主要研究目标。
因此，对图像分割相关原理的研究具有重要的实际意义和应用价值。
目前，图像分割技术仍然是制约数字图像处理中其它相关技术发展和应用的一个瓶颈。
近些年来，图像分割领域中涌现出不少自动分割方法技术，虽然它们完全由计算机来实现图像分割的全部过程，脱离了人为的主观性干预，但算法复杂，计算量大，还存在很多亟待解决的问题。
图像分割是图像分析和处理中的一项重要技术,自20世纪70年代起一直受到人们的高度重视,至今已提出很多种分割算法。
目前，现提出的很多分割算法大都是针对具体问题来说的，对于图像分割方法的选择, 在很大程度上取决于图像的成像方式以及成像过程中的人为因素和其他不可预测的因素。
近年来，图像分割技术研究中的难点是实用的自动分割方法，原因在于图像本身所具有的复杂性和多样性。
例如医学图像常表现为对比度低、组织特征可变、不同软组织之间或软组织与病灶之问边界模糊、形状结构和微细结构的分布复杂等特征，因此对研究自动分割技术造成了极大的困难。
另外，在临床实践中，由于人体的解剖组织结构和形状非常复杂，并且人与人之间差异非常大，这就导致了分割中很大的不确定性。