上表可以看出，算子分割的效果最好，分割效果其次，算子的分割效果最差。接下来的局部阈值法，采用的就是算子分割的图像。在将边缘分割后的图像进行分割后，分成四块小图像，在实验现象中可以看出，这四块小图像的灰度直方图都有很明显的双峰，但是由于波谷宽阔平坦，不满足双峰法的使用条件，所以不能使用双峰法，所以在对不同的图像进行阈值化的时候，采用的是全局阈值法里面的迭代法，总的来说，就是将算子分割后的图片继续分割成四小块，对四块不同的图片用迭代法求取阈值，再将阈值化后的图片合并起来。局部阈值化后，由现象可以看出，并没有对原图进行多大的改善，只是在些很细微的地方有了些边缘的细化以及平滑，这说明在经过算子分割后，由灰度直方图可以看出，这个灰度图双峰的谷底是在接近的位置，而且是绝大部分像素都是接近于的位置，所以图像的改善并不大，并且图像并没有太多的灰度不连续以及阴影的情况存在，但是这并不能否定局部阈值化的效果的存在性。小结本文主要工作总结通过对大量文献的阅读，在对图像分割领域研究现状和研究内容有了定了解的基础上，本文围绕图像分割技术的理论基础及其实际应用情况，主要进行了以下几个方面的研究工作对图像分割的概念进行详细的陈述。对图像分割的常用方法进行分析和总结根据图像分割所基于的原理不同，把图像分割方法主要分为基于阈值分割基于边缘检测分割和基于区域分割三大类，并对他们做了简单的介绍和比较。提出本次图像分割的方案，并且对方案进行详细的论述以及分析。运用软件进行实验，展示实验现象，得到了较好的效果，根据实验现象对图像分割进行分析，运用相关的图像分割评价标准来对分割出来的图像进行分析，根据数据说明图像分割结果的优劣，总结本次图像分割方案的优缺点。结论通过研究分析，可以得到以下结论阈值分割法的重点是对阈值的选择,因此该方法的关键是如何选择最佳阈值，如果阈值选择不合适，则影响了图片分割出来的效果，也影响下步边缘分割的效果。从实验现象中可以看出，图像中的目标和背景灰度差异不明显或灰度值范围有重叠的地方分割效果不明显，这块的背景和目标就没有得到很好的区分，而其他灰度差异比较大的地方分割效果较好。因此，全局阈值法适用于灰度差异较大的图片，如果图像灰度变化不是很明显，则达不到理想的效果。同样都是边缘检测法，不同的边缘检测算子对同幅图像分割出来的效果是不同的，因为每种边缘算子的卷积形式是不同的，对于图像的明暗程度，分辨率，灰度变化的敏感程度也是不同的。没有哪种边缘算子是绝对的合适，从以上实验现象可以看出，例如算子的整体效果最好，它的分割结果很明显没有算子分割细致，这是它不足的地方，每种边缘检测算子分割的图像都有相应的优缺点，我们只能选取当中效果较好的种，但是这也不能判定为这种算子就是最好的，只能说对于特定的图片，这种算子达到的效果最好。局部阈值分割法是将原始图像划分成较小的图像，并对每个子图像选取相应的阈值。局部阈值分割法虽然能改善分割效果，但存在几个缺点每幅子图像的尺寸不能太小，否则统计出的结果无意义。每幅图像的分割是任意的，假如有幅子图像正好落在目标区域或背景区域，而根据统计结果对其进行分割，也许会产生更差的结果。局部阈值法对每幅子图像都要进行统计，速度慢，难以适应实时性的要求。通常对于幅图像的分割，仅仅只用种图像分割方法是不够的，仅仅拥有依照分割算法本身进行了完善归纳和分类的图象分割理论也是远远不够的，每种方法都有它不足的地方，因此仅仅只用种方法往往达不到很好的效果，可以运用其他的方法结合使用，互相弥补不足。因为没有哪种分割方法能够对所有的图象都产生理想的分割结果，而根据待分割图象的不同特点，结合已知的先验知识，研究符合具体图象特性的分割模型，才是提高图象分割的重要手段。尽管人们在图像分割方面作出了很多的研究，但是，迄今为止，没有哪种方法是适合于所有图像的，本文中提出的方法都有它的使用前提条件，因此，对于特定的图像分割，最主要的是分析这幅图像的特性，针对这幅图像的特点，制定适合它的方案，以达到最好的分割效果。展望图像分割是图像理解与计算机视觉领域国际学术界公认的将会长期存在的最困难的问题之，到目前为止既不存在种通用的图像分割方法，也不存在种判断是否分割成功的客观标准。从般意义上来说，只有对图像内容的彻底理解，才能产生完美的分割。近年来，随着各学科许多新理论和新方法的提出，人们也提出了许多与些特定理论方法和工具相结合的分割技术，例如基于数学形态学的分割技术，基于模糊技术的图像分割方法，基于人工神经网络技术的图像分割方法，遗传算法在图像分割中的应用和基于小波分析和变换的分割技术。虽然近年来研究成果越来越多，但由于图像分割本身所具有的分为四个子图像统计每个灰度值的个数画出灰度直方图,求出图象中最大的灰度最小的灰度赋初值，为最大值和最小值的平均值记录几次循环迭代最佳阈值分割算法为计算灰度大于阈值的元素的灰度总值个数赋值为计算灰度小于阈值的元素的灰度总值个数赋值大于阈域值图像点灰度值累加大于阈域值图像点个数累加小于阈域值图像点灰度值累加小于阀域值图像点个数累加求小于阀域值均值求大于阀域值均值迭代至前后两次阀域值相差几乎为时停止在阈值下，迭代阈值的计算过程显示运行次数显示最佳阈值算出图像在最佳阈值下二值化统计每个灰度值的个数画出灰度直方图,求出图象中最大的灰度最小的灰度赋初值，为最大值和最小值的平均值记录几次循环迭代最佳阈值分割算法为计算灰度大于阈值的元素的灰度总值个数赋值为计算灰度小于阈值的元素的灰度总值个数赋值大于阈域值图像点灰度值累加大于阈域值图像点个数累加小于阈域值图像点灰度值累加小于阀域值图像点个数累加求小于阀域值均值求大于阀域值均值大于阈域值图像点灰度值累加大于阈域值图像点个数累加小于阈域值图像点灰度值累加小于阀域值图像点个数累加求小于阀域值均值求大于阀域值均值大于阈域值图像点灰度值累加大于阈域值图像点个数累加小于阈域值图像点灰度值累加小于阀域值图像点个数累加求小于阀域值均值求大于阀域值均值迭代至前后两次阀域值相差几乎为时停止在阈值下，迭代阈值的计算过程显示运行次数显示最佳阈值算出图像在最佳阈值下二值化合并子图像局部阈值化度，使研究没有大的突破性的进展。从图像分割研究的历史来看，可以看到对图像分割的研究有几个明显的趋势是对原有算法的不断改进，二是新方法新概念的引入和多种方法的有效综合运用，人们逐渐认识到现有的任何种单独的图像分割算法都难以对般图像取得令人满意的分割效果，因而很多人在把新方法和新概念不断的引入图像分割领域的同时，也更加重视把各种方法综合起来运用，相信随着研究的不断深入，存在的问题会很快得到圆满的解决。致谢本次毕业设计是在王凤琴老师的悉心指导下完成的，从课题的选择到项目的最终完成，王老师始终给我细心指导和不懈的支持，她严谨细致的作风深深感染了我，在我做这个项目遇到困难的时候，在我想对论文中的难点想退却的时候，也是王老师始终没有放弃的帮助我，让我最终可以完成这个项目。另外，还要感谢这四年来陪伴我度过大学时代的老师和同学们，是他们丰富了我的大学生活，在求学的路上给我指引了方向，训练我科学严谨的治学态度。参考文献高秀娟图像分割的理论方法及应用吉林大学硕士学位论文管慧娟基于区域的图像分割方法大连理工大学硕士学位论文杨卫平,李忠科,王勇,吕培军基于区域的图像分割算法综述电子测量与仪器学报,赵春燕,闰长青,时秀芳图像分割综述基础及前沿研究中国科技信息,韩思奇,王蕾图像分割的阈值法综述系统工程与电子技术第卷第期周强图像分割算法研究福建电脑,刘爽图象分割中阈值选取方法的研究及其算法实现电脑知识与技术黄春艳河南大学硕士学位论文图像分割若干算法研究杨金龙西北师范大学硕士学位论文图像分割算法研究与实现吕玉琴，曾光宇基于图像边缘检测算法的研究太原科技特尼格尔，汪滢图像边缘检测的研究与分析科技论坛，