【正文】 兩類(lèi)像素一般分屬圖像的兩類(lèi)區(qū)域，從而達(dá)到分割的目的。區(qū)域提取法的缺點(diǎn)是往往會(huì)造成過(guò)度分割，即將圖像分割成過(guò)多的區(qū)域，因此近年來(lái)針對(duì)這種方法的研究較少。生長(zhǎng)準(zhǔn)則一般可分為三種：基于區(qū)域灰度差準(zhǔn)則、基于區(qū)域內(nèi)灰度分布統(tǒng)計(jì)性質(zhì)準(zhǔn)則和基于區(qū)域形狀準(zhǔn)則。區(qū)域生長(zhǎng)法的基本思想是將具有相似性質(zhì)的像素合起來(lái)構(gòu)成區(qū)域，具體做法是先給定圖像中要分割的目標(biāo)物體內(nèi)的一個(gè)小塊或者說(shuō)種子區(qū)域，再在種子區(qū)域的基礎(chǔ)上不斷將其周?chē)南袼攸c(diǎn)以一定的規(guī)則加入其中，達(dá)到最終將代表該物體的所有像素點(diǎn)結(jié)合成一個(gè)區(qū)域的目的。在實(shí)際中使用的通常是這兩種基本形式的結(jié)合。經(jīng)典的邊緣檢測(cè)方法，是通過(guò)對(duì)原始圖像中像素的某小鄰域構(gòu)造邊緣檢測(cè)算子來(lái)達(dá)到檢測(cè)邊緣這一目的。我們將邊緣定義為圖像中灰度發(fā)生急劇變化的區(qū)域邊界。邊緣檢測(cè)方法是人們研究得比較多的一種方法，它通過(guò)檢測(cè)圖像中不同區(qū)域的邊緣來(lái)達(dá)到分割圖像的目的。下面就這些方法展開(kāi)介紹。多年來(lái)人們對(duì)圖像分割提出了不同的解釋和表述，借助集合概念對(duì)圖像分割可給出如下定義：令集合R代表整個(gè)圖像區(qū)域，對(duì)R的圖像分割可以看做是將R分成N個(gè)滿足以下條件的非空子集R1，R2，R3，…，RN；?。?）在分割結(jié)果中，每個(gè)區(qū)域的像素有著相同的特性；　?。?）在分割結(jié)果中，不同子區(qū)域具有不同的特性，并且它們沒(méi)有公共特性；　?。?）分割的所有子區(qū)域的并集就是原來(lái)的圖像；?。?）各個(gè)子集是連通的區(qū)域；　圖像分割是把圖像分割成若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過(guò)程，這些特性可以是像素的灰度、顏色、紋理等提取的目標(biāo)可以是對(duì)應(yīng)的單個(gè)區(qū)域，也可以是對(duì)應(yīng)的多個(gè)區(qū)域。最近幾年又出現(xiàn)了許多新思路、新方法、或改進(jìn)算法。因此，對(duì)圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點(diǎn)之一?！?圖像分割主要研究方法圖像分割是圖像處理中的一項(xiàng)關(guān)鍵技術(shù)，自20世紀(jì)70年代起一直受到人們的高度重視，至今已提出了上千種各種類(lèi)型的分割算法，現(xiàn)提出的分割算法大都是針對(duì)具體問(wèn)題的，并沒(méi)有一種適合于所有圖像的通用分割算法，而且近年來(lái)每年都有上百篇相關(guān)研究報(bào)道發(fā)表。尤其是近年來(lái)迅速發(fā)展起來(lái)的小波理論為圖像處理帶來(lái)了新的理論和方法。早在1965年就有人提出檢測(cè)邊緣算子，邊緣檢測(cè)已產(chǎn)生不少經(jīng)典算法?！　∑渲凶钪饕募夹g(shù)是圖像分割技術(shù)，從圖像中將某個(gè)特定區(qū)域與其它部分進(jìn)行分離并提取出來(lái)的處理。傳統(tǒng)的圖像分割方法存在著不足，不能滿足人們的要求，為進(jìn)一步的圖像分析和理解帶來(lái)了困難?！?圖像分割技術(shù)的現(xiàn)狀和發(fā)展情況圖像分割算法的研究已有幾十年的歷史，一直以來(lái)都受到人們的高度重視。簡(jiǎn)要介紹了醫(yī)學(xué)圖像分割的研究目的和意義，給出了醫(yī)學(xué)圖像分割的基本方法及步驟。關(guān)鍵詞：小波變換；圖像分割；閾值AbstractThe image segmentation is an important technology of image processing. It is still a hot point and focus of image image segmentation is an important application in the field of image segmentation, and it is also a classical difficult problem for researchers. Thousands of methods have been put forward to medical image segmentation. Some use classical methods and others use new methods.　　In this paper , first introduced the petronas method and maximum between class variance .Then focus introduced a method of image segmentation based on wavelet transform is discussed. In this method, the wavelet multiscale transform of image gray histogram is done first .Moreover , the gray threshold is gradually found out from large scale coefficients to small scale coefficients. Finally,the effects of the methods in segmentation are pared . The experimental results indicate that the system can obtain a good performance of image segmentation.Medical image segmentation is a classical puzzle for researchers. Image segmentation is the method to delineate anatomic structures or other interested regions automatically or semiautomatically, which is helpful to diagnosis and plays a crucial role in many medical imaging applications.　　Key words： Wavelet Transform。　醫(yī)學(xué)圖像分割是醫(yī)學(xué)圖像處理中的一個(gè)經(jīng)典難題。最后，對(duì)這幾種算法的分割效果進(jìn)行了比較。醫(yī)學(xué)圖像分割是圖像分割的一個(gè)重要應(yīng)用領(lǐng)域，也是一個(gè)經(jīng)典難題，至今已有上千種分割方法，既有經(jīng)典的方法也有結(jié)合新興理論的方法。數(shù)字圖像的多分辨率分析處理方法研究　　—基于小波變換的醫(yī)學(xué)圖像分割的研究電信學(xué)院 電子信息工程專(zhuān)業(yè) 　　摘 要　圖像分割是一種重要的圖像分析技術(shù)。對(duì)圖像分割的研究一直是圖像技術(shù)研究中的熱點(diǎn)和焦點(diǎn)?！　”菊撐氖紫冉榻B了雙峰法以及最大類(lèi)方差自動(dòng)閾值法，然后重點(diǎn)介紹一種基于小波變換的圖像分割方法,該方法先對(duì)圖像的灰度直方圖進(jìn)行小波多尺度變換,然后從較大的尺度系數(shù)到較小的尺度系數(shù)逐步定位出灰度閾值。實(shí)驗(yàn)結(jié)果表明, 本設(shè)計(jì)能夠?qū)崟r(shí)穩(wěn)定的對(duì)目標(biāo)分割提取，分割效果良好。圖像分割能夠自動(dòng)或半自動(dòng)描繪出醫(yī)學(xué)圖像中的解剖結(jié)構(gòu)和其它感興趣的區(qū)域，從而有助于醫(yī)學(xué)診斷。 Image Segmentation；threshold目 錄　　第一章 緒論 1　　 圖像分割技術(shù)的現(xiàn)狀和發(fā)展情況 1　 圖像分割主要研究方法 1　 邊緣檢測(cè)法 2　　 區(qū)域提取法 2 閾值分割法 3　　 結(jié)合特定理論工具的分割法 3　　 論文的內(nèi)容與結(jié)構(gòu)安排 ...4　　第二章 圖像分割預(yù)處理 5 圖像平滑 5　 中值濾波原理 5 平滑效果分析 6　　 灰度調(diào)整 7　 灰度調(diào)整原理 7　 灰度調(diào)整效果分析 7　 本章小結(jié) 8　　第三章 基于閾值的圖像分割技術(shù) 9　 閾值分割原理 9 圖像分割方法 10　 圖像二值化 10　　 雙峰法 10　 最大方差自動(dòng)取閾值法 12　　 本章小結(jié) 13　第四章 基于小波圖像閾值分割技術(shù) 14　 基于小波閾值分割技術(shù)簡(jiǎn)述 14　 小波分析 14　　 小波變換 14 小波分割算法及步驟 15 閾值選取以及實(shí)驗(yàn)分析 16 直方圖分辨率的小波表示 16　 多分辨率閾值選取 17　 實(shí)驗(yàn)分析 18　　 本章小結(jié) 20　　第五章 總結(jié)與展望 21　 工作總結(jié)................................................21　　 工作展望............................................21　致謝 22　參考文獻(xiàn) 23附 錄 24第一章 緒論　本章對(duì)論文涉及的研究領(lǐng)域進(jìn)行了較為詳細(xì)的綜述。在對(duì)醫(yī)學(xué)圖像分割問(wèn)題的起源、發(fā)展和研究現(xiàn)狀進(jìn)行簡(jiǎn)要綜述的基礎(chǔ)上，介紹了該領(lǐng)域當(dāng)前的研究熱點(diǎn)及論文的主要研究?jī)?nèi)容。關(guān)于圖像分割的原理和方法國(guó)內(nèi)外已有不少的論文發(fā)表，但一直以來(lái)沒(méi)有一種分割方法適用于所有圖像分割處理。隨著計(jì)算機(jī)技術(shù)的迅猛發(fā)展，及其相關(guān)技術(shù)的發(fā)展和成熟，結(jié)合圖像增強(qiáng)等技術(shù)，能夠在計(jì)算機(jī)上實(shí)現(xiàn)圖像分割處理。圖像分割的方法有許多種，有閾值分割方法，邊界分割方法，區(qū)域提取方法，結(jié)合特定理論工具的分割方法等。越來(lái)越多的學(xué)者開(kāi)始將數(shù)學(xué)形態(tài)學(xué)、模糊理論、遺傳算法理論、分形理論和小波變換理論等研究成果運(yùn)用到圖像分割中，產(chǎn)生了結(jié)合特定數(shù)學(xué)方法和針對(duì)特殊圖像分割的先進(jìn)圖像分割技術(shù)。小波變換具有良好局部特性，當(dāng)小波函數(shù)尺度較大時(shí)，抗噪聲的能力強(qiáng)，當(dāng)小波函數(shù)尺度較小時(shí)，提取圖像細(xì)節(jié)的能力強(qiáng)，這樣就可以很好地解決抑制噪聲和提取圖像邊緣細(xì)節(jié)之間的矛盾。然而，還沒(méi)有制定出選擇合適分割算法的標(biāo)準(zhǔn)，這給圖像分割技術(shù)的應(yīng)用帶來(lái)許多實(shí)際問(wèn)題?！　D像分割在圖像工程中的位置它起著承上啟下的作用，可以認(rèn)為是介于低層次處理和高層次處理的中間層間。下面對(duì)一些經(jīng)典傳統(tǒng)方法作簡(jiǎn)要的概述。圖像分割方法有許多種分類(lèi)方式，在這里將分割方法概括為四類(lèi)：(1)邊緣檢測(cè)方法(2)區(qū)域提取方法(3)閾值分割方法(4)結(jié)合特定理論工具的分割方法。 邊緣檢測(cè)法　圖像分析和理解的第一步