1、“.....，，，。，，，，，，缺点是组的数量是个输入参数。对不适当的选择可能得不出什么结果。这种演算法也采用变化是组散开的适当方法。直方图法直方图法是非常有效的相对于其他图像分割的方法，因为它们通常只需要通过个像素。在这种技术中，直方图计算图像所有的像素，直方图中高峰和低谷是用来寻找集群中的形象，彩色或强度可以作为衡量。优化这技术的是递归应用直方图寻求方法集群的形象，以分裂成更小的簇。这是重复小群......”。

2、“.....直方图寻求方法不利的是，它可能很难找出高峰和低谷中重要的形象。在此技术中的图像分类距离度量和综合区域匹配是了解的。边缘检测方法边缘检测是个发达的领域内对自己的图像处理。区域边界和边缘是密切相关的，因为往往是个大幅调整的强度在该地区的边界。边缘检测技术，因此被用来作为基础的另中分割技术。所确定的边缘边缘检测往往脱节。细分个对象从个图像然而，有个需要封闭区域的界限......”。

3、“.....如果两个边是在些预先确定的阈值。这样的个方法是联系在起的先进方法，提出和。区域生长方法第区域生长方法是种子区域生长的方法。这种方法考虑了套种子作为输入连同形象。种子马克每个物体分割。该地区的反复比较，增加了所有邻国像素分配到各区域。之间的区别像素的强度值和该地区的平均值，是用来作为衡量相似。像素的最小差异衡量这种方式分配给各自的区域。这进程仍在继续，直到所有像素被分配到个区域......”。

4、“.....的分割结果是依赖于选择的种子。噪声在图像可能会导致不良的种子要放在。非种子选手区域增长是个改进算法，不需要明确的种子。它开始了同个区域格像素选择在这里的影响并不显着的最后分割。在每个迭代认为邻近像素的同样方式种子区域生长。它不同于种子区域生长的，如果最低低于预定的阈值接着它添加到各自的区域欧塞尔。如果没有，那么像素被认为是显着不同目前所有地区和爱的个新的区域创建这个像素......”。

5、“.....提出和夏皮罗，是基于像素的强度。平均和分散的区域和强度的候选人像素是用来计算检验统计。如果测试统计足够小，像素被添加到该地区，该地区的平均和分散的重新计算。否则，像素被拒绝，用于组建个新的区域。图分割方法图能有效地用于图像分割。通常是个像素或组的顶点，像素边缘界定的相似性之间的邻里像素。些受欢迎的算法这类是随机沃克，最低平均削减，最小生成树算法......”。

6、“.....在此方法中，图像被分割是仿照作为加权，无向图。是每个像素中的节点图，以及边缘之间形成每对像素。重量的优势是衡量相似之处像素。该图像是分割成不相交集部分通过消除连接的边缘部分。最优分割的图是个最小的权重的边缘被删除。轼的算法要求，以尽量减少正常化削减，这是比被淘汰的所有边缘的设置。基于模型的分割中央假定这样种做法是，结构的兴趣机关反复形式的几何形状。因此......”。

7、“.....然后分割图像时，施加限制使用这个模型之前。要完成这任务，包括登记的培训例子，个共同的威胁，二概率代表性的变化登记样本，及三之间的统计推断模型和图片。目前最先进的方法在文献中的知识为基础的分割积极参与的形状和外观模式，积极轮廓和变形模板和水平集的方法。半自动分割在这样的分割，用户概述感兴趣区域用鼠标点击和算法的应用，这样的路径，最适合的边缘图像显示......”。

8、“.....组神经网络。经过这样处理的决策机制等领域的商标图像相应类别承认的神经网络。型的网络，目的是为这个，是自组织特征映射图。脉冲耦合神经网络是神经模型建模提议猫的视皮层和发展高性能生图像处理。年，介绍了模型来模拟神经机制猫视觉皮层。该模型提供了个简单而有效的工具，学习小哺乳动物的视皮层，并很快被确认为具有重大应用前景的图像处理。年，模型适应是个图像处理算法的约翰逊......”。

9、“.....在过去十年中，已被用于各种各样的图像处理应用，包括图像分割，特征生成，面临提取，运动检测，区域生长，降低噪声，等等。阿的是二维神经网络。每个神经元网络中的个像素对应的输入图像，接受相应的像素的颜色信息如强度作为个外部刺激。每个神经元又与周边连接的神经元，接收地方刺激他们。外部和地方刺激相结合，在内部激活系统，它积累的刺激，直到它超过了动态阈值，导致脉冲输出。通过迭代计算......”。