1、“.....无论是基于哪种分割方法，灰度图像的分割方法都发展得比较点孤立线组成边界边界跟踪区域分割阈值分割区域分裂合并区域生长自适应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台州学院毕业设计论文法，边缘检测法，基于分水岭的方法和神经网络的方尽相同。把图像分割方法的发展划分为两个阶段灰度图像分割方法阶段和彩色图像分割方法阶段。对于灰度图像的分割方法，人们从不同的角度提出了如直方图阈值法，区域生长图像分割不连续的分割灰度相似性边界分割孤立的提取方法边缘检测的分割方法基于主动轮廓模型方法神经网络方法等等。而且分割的图像的种类也各有不同，分割中用到的图像的模型不同有物理模型和随机模型......”。

2、“.....这些图像分割方法的分类也不合转化为灰度图像，然后利用灰度图像的分割方法进行分割，该方法由于忽略了颜色信息和亮度信息之间的关联，因而分割效果并不十分理想。因此后来人们专门针对彩色图像又提出了很多分割方法，如直方图阈值法基于区域像素点或者区域。这种技术明显导致了时间复杂度，但理论上它更可靠更准确。而串行分割则简单，方便些。目前对彩色图像的分割已经提出了很多算法，最简单的彩色图像分割方法是直接将彩色图像的各个分量进行适当的组的结果。台州学院毕业设计论文图经典图像分割方法框架对普通的电脑处理器来说，串行分割方法当然比并行分割有明显的优势......”。

3、“.....如下图所示所谓的串行图像分割是指对图像的每个像素上所做的运算或者处理不依赖图像中其他像素点处理的结果。而在并行算法中，对图像每个像素的处理依赖其他像素处理后这种方法是假设图像定有边缘存在另类是区域法，这种方法认为被分割后的图像区域定会具有些相同的特性，不同的区域的像素则会有不同的特性。图像分割的技术主要有种并行边界分割技术串行边界分割技术图像分割，但是这些方法却是图像分割方法进步发展的基础。正是因为我们站在巨人的肩膀上，从而产生了新的更有效率更准确的图像分割算法。在早期的图像处理的研究中，图像分割的方法般被分为类类是边界法，这图像分割......”。

4、“.....正是因为我们站在巨人的肩膀上，从而产生了新的更有效率更准确的图像分割算法。在早期的图像图像分割的技术主要有种并行边界分割技术串行边界分割技术图像分割，但是这些方法却是图像分割方法进步发展的基础。正是因为我们站在巨人的肩膀上，从而产生了新的更有效率更准确的图像分割算法。在早期的图像处理的研究中，图像分割的方法般被分为类类是边界法，这图像分割，但是这些方法却是图像分割方法进步发展的基础。正是因为我们站在巨人的肩膀上，从而产生了新的更有效率更准确的图像分割算法。在早期的图像处理的研究中，图像分割的方法般被分为类类是边界法，这种方法是假设图像定有边缘存在另类是区域法......”。

5、“.....不同的区域的像素则会有不同的特性。图像分割的技术主要有种并行边界分割技术串行边界分割技术并行区域分割技术和串行区域分割技术。如下图所示所谓的串行图像分割是指对图像的每个像素上所做的运算或者处理不依赖图像中其他像素点处理的结果。而在并行算法中，对图像每个像素的处理依赖其他像素处理后的结果。台州学院毕业设计论文图经典图像分割方法框架对普通的电脑处理器来说，串行分割方法当然比并行分割有明显的优势，因为并行分割必须在每个图像点完成相同的计算以后再决定是否继续处理或者放弃处理这个像素点或者区域。这种技术明显导致了时间复杂度，但理论上它更可靠更准确。而串行分割则简单，方便些......”。

6、“.....最简单的彩色图像分割方法是直接将彩色图像的各个分量进行适当的组合转化为灰度图像，然后利用灰度图像的分割方法进行分割，该方法由于忽略了颜色信息和亮度信息之间的关联，因而分割效果并不十分理想。因此后来人们专门针对彩色图像又提出了很多分割方法，如直方图阈值法基于区域的提取方法边缘检测的分割方法基于主动轮廓模型方法神经网络方法等等。而且分割的图像的种类也各有不同，分割中用到的图像的模型不同有物理模型和随机模型，分割的目的不同等，这些图像分割方法的分类也不尽相同。把图像分割方法的发展划分为两个阶段灰度图像分割方法阶段和彩色图像分割方法阶段。对于灰度图像的分割方法，人们从不同的角度提出了如直方图阈值法......”。

7、“.....边缘检测法，基于分水岭的方法和神经网络的方法等等。其中直方图法和区域生长法处理的对象是像素边缘检测和分水岭方法则是对图像纹理基元进行处此随着计算机处理能力的提高，彩色图像处理正受到人们越来越多的关注。自数字图像处理问世不久就开始了图像分割的研究，吸引了很多研究者为之付出了巨大的努力，在不同的领域也取得了很大的进展和成就，现在人们还直在努力发展新的更有潜力的算法，希望实现更通用更完美的分割结果。目前......”。

8、“.....对图像分割的效果也有很好的分析结论。但是，由于图像分割问题所面向领域的特殊性，而且问题本身具有定的难度和复杂性，到目前为止还不存在个通用的分割方法，也不存在个判断分割是否成功的客观标准。对于寻找种能够普遍适用于各种复杂情况的准确率很高的分割算法，还有很大的探索空间。对图像分割的深入研究不仅会不断完善对自身问题的解决，而且有助于推动模式识别计算机视觉人工智能等计算机科学分支的发展。早期由于设备的限制，主要处理的是灰度图像。因此针对灰色图像的分割算法比较多，也比较成熟。随着彩色图像的需求和应用以及人们生活水平的提高，人们越来越关注彩色图像分割，也提出了些分割方法......”。

9、“.....因此还不能满足人们的要求。在彩色图像分割这个领域，由于缺少理论和评估系统的支持，必须经过大量的实验来验证种分割算法。虽然研究者已经提出了些有意义的算法，但还没有种能适应大部分图片的算法，所以进步研究专门用于彩色图像分割的方法，并且使它具有通用性和更好的分割效果是人们努力的方向。彩色图像分割的现状事实上，人们对灰度图像进行的研究较早，算法也相对成熟。随着计算机处理速度的提高和对图像处理技术的进步，彩色图像使用越来越多，彩色图像分割在最近几年越来越引起了人们的重视，与灰度图像相比，彩色图像不仅包括亮度信息，而且还有更多的有效信息，如色调饱和度......”。