1、“.....第章详细分析了分水岭分割原理，针对基于改进分水岭的图像分割算法进行了探讨，利用改进的形态学算子应用分水岭算法的图像分割，并进行了实验验证针对研究图像，利用不同的算法做比较实验，并对实验结果及数据进行了综合分析。第章对本文的主要工作进行了小结，并对图像分割的前景进行了展望。数学形态学数学形态学是数学基础和所用语言是集合论。数学形态学的算法具有天然的并行实现的结构，实现了形态学分析和处理算法的并行，大大提高了图像分析和处理的速度。在有关数学形态学的许多研究成果中，其已经影响到包括图像增强分割恢复边缘检测纹理分析颗粒分析特征生成骨架化形状分析压缩成分分析及细化等诸多领域。膨胀与腐蚀将二值数学形态学推广至灰度形态学,则在以下讨论中将处理的是数学图像函数而不是集合。设,是输入图像是结构元素,它可被看作是个子图像函数。如果表示的是实整数集合,同样假设,是来自的整数......”。

2、“.....象素灰度值的函数来自实数集的实数。如果灰度也是整数,则可由整数所代替。最基本的数学形态学算子有膨胀和腐蚀或者由这两种基本算子复合而成的其它的数学形态学算子,如形态开运算由上述分析可知区域对比度越大，则分割效果就越好表给出了上述三组实验图像分割结果的性能评价数据。表实验数据统计结果分割方法算法时间区域对比度区域内部均匀性边缘保持图像方法欠佳方法般本文方法良好图像方法欠佳方法般本文方法良好图像方法欠佳方法般本文方法良好从上述图实验结果和数据可以看出，本文所采用的改进分割方法不论是在主观视觉还是客观质量评价指标上，都明显优于迭代法和分水岭分割方法。从三组数据上可以很直观的看到本文的分割速度较其他算法有很大的提高，能够较快的将目标对象分割出来，分割效率比其他方法提高了很多，而且分割图像内图像边缘较完整，对于图像实验结果，迭代法分割方法并没有很好将表面有虫分割出来......”。

3、“.....相比于本文图像分割方法还是有较大的差距，本文的分割方法结果能够准确的分割出表面有虫的部位，有利于有利于梨表面缺陷检测。其中本文算法时间比迭代法在算法时间上降低了，区域对比度上提高了，本文方法比分水岭分割方法在算法时间上降低了，而在区域对比度上提高了，在区域内部均匀性上本文方法明显比迭代法提高了，较分水岭分割方法法提高了，这说明分割效率有了显著提高对于图像，为研究血细胞的细胞以及细胞内的物质进行分割，将细胞以及细胞内的物质进行分割出来，迭代法和分水岭分割方法分割效果差，区域对比度不高，缺少了细胞内的些物质，导致血细胞产生去分割现象，本文分割方法很好的保留了血细胞图像分割的完整性，从数据上可以看出本文图像分割方法的区域对比度和区域内部均匀性较迭代法分别提高了和，比分水岭分割方法提高了和，本文图像分割方法的算法时间比迭代法降低了......”。

4、“.....本文方法区域对比度较迭代法提高了，较分水岭图像分割方法提高了，区域内部均匀性较迭代法提高了，较分水岭图像分割方法提高了，本文方法的算法时间比迭代法和分水岭图像分割方法分别降低了和，从图像上看迭代法和分水岭图像分割方法有明显的过分割现象，而本文提出的改进的图像分割方法可以得到完整并且连续的图像边缘且图像边缘完整区域对比度高，其分割结果更具有实用性。结束语本文首先对图像分割的定义和研究发展进行了概述，然后叙述了数学形态学膨胀和腐蚀以及开闭运算，在以数学形态学的基础上引入分水岭变换。分水岭变换具有计算数度较快，边界定位精确，在图像分割中得到物体轮廓线的优点是具有封闭性，但分水岭变换对灰度变化有很大的敏感性，常常使分割结果出现过分割现象，难以得到很法大都是针对具体问题的，并没有种适合所有图像的通用分割算法......”。

5、“.....阈值分割方法阈值分割法分为全局阈值法和局部阈值分割法。所谓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。在阈值分割后，相邻子图像之间的边界处可能产生灰度级的不连续性，因此需用平滑技术进行排除。局部阈值法常用的方法有灰度差直方图法微分直方图法。局部阈值分割法虽然能改善分割效果，但存在以下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，如果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。全局阈值分割方法在图像处理中应用比较多，它在整幅图像内采用固定的阈值分割图像。经典的阈值选取以灰度直方图为处理对象。根据阈值选择方法的不同，可以分为模态方法迭代式阈值选择等方法......”。

6、“.....另外还有类间方差阈值分割法二维最大熵分割法模糊阈值分割法以及共生矩阵分割法等等。基于边缘检测法边缘检测法是种处理不连续性图像的分割技术。图像的大部分信息不会只存于个特定的区域，而是存于不同区域的边缘上，而且人的视觉系统在很大程度上都是根据图像边缘差异对图像进行识别分析的。所以通过对图像的边缘信息检测，可以实现对图像的分割。按照处理技术可以分为并行边缘检测技术和串行边缘检测技术。检测过程中可以通过空域微分算子来完成卷积。这些微分算子包括梯度算子梯度算子综合正交算子等。这些方法主要是对检测图像中灰度的变化，图像边缘是灰度突变的地方。在有噪声时，得到的边缘常是孤立不连续的，为了得到完整的边缘信息，还需进行边界闭合处理。边界闭合是根据像素梯度的幅度及梯度方向满足规定的条件将边缘素连接起来，就有可能得到闭合的边界......”。

7、“.....其分割过程后续步骤的处理要根据前面步骤的结果进行判断而确定。区域生长法是根据预先规定好的指标，提取图像中相互连接区域的方法，它是利用区域致性准则对目标进行分割。规定的指标包括图像的灰度信息，边缘，种特性。区域生长法般都会放在系列过程中使用，不会单独使用。它主要的缺陷是，每个需要提取的区域，都必须先给出种子点，然后提取出和种子样，符合规定的指标的区域，这样有多少区域就必须给出多少个种子数。这种法对噪声也很敏感，会造成分割区域不连续。相反的，局部且大量的噪声会使影响会使原本来分开的区域连接起来。分裂合并法是从整个图像出发，将图像分割成各个子区域，再把前景的区域合并起来，这样就实现了目标的提取。分裂合并法的目标区域由些相互连通的像素组成的，如果把图像分割到像素级的话，就可以判断该像素是否为目标像素。当所有的分割的子区域都判断完，把目标区域就可得到前景目标......”。

8、“.....但算法比较复杂，计算量也比较大，在分裂过程中可能会破坏目标区域的边界。论文主要内容和组织结构本文详细介绍了数学形态学和分水岭算法原理，对基于改进分水岭的图像分割算法进行了较为详细的探讨和研究，突出了分水岭图像分割算法在图像处理中的优点重点研究了形态学算子的改进应用于分水岭算法的图像分割，并通过不同分割方法得到的分割结果，对分割结果进行了分析。本文共分为章，各章内容安排如下第章绪论部分，简要介绍了本课题研究的目的和意义，重点分析了图像分割的研究进展。第章详细介绍了数学形态学，了解了数学形态学中的膨胀与腐蚀以及形态学的开闭运满意的分割效果。如何克服分水岭变换的过分割现象的是图像分割领域的个研究热点，至今未有方法很好的解决这个问题。本文先进性分水岭变换，再利用数学形态学的方法，得到最终分割结果。用灰度图像进行测试......”。

9、“.....分割结果更有意义。基于分水岭和形态学的图像分割方法具有广泛的应用前景，虽然到目前为止，这种技术还不够成熟，相信通过人们坚持不懈的努力探索，分水岭变换在图像分割领域必定获得更大的发展。参考文献,崔屹图像处理与分析数学形态学方法及应用北京科学出版社,宋利伟,宋朝昀,庄天戈基于分水岭算法的磁共振脑图像自动分割上海交通大学学报王蜀,李永宁,陈楷民,黄戈基于数学形态学的医学图像分割计算机应用王鹏伟，吴秀清，张名成基于多尺度形态学融合的分水岭图像分割方法数据采集与处理冯林,管慧娟,孙焘,滕弘飞基于分水岭变换和核聚类算法的图像分割大连理工大学学报白相志,周付根基于改进形态学算子的多尺度边缘检测中国图像图形学报梁萍,程伟基于分水岭的粘连雾滴图像分割方法重庆工学院学报杨洪薇,肖志涛,翁秀梅基于分水岭和模糊均值聚类的图像分割方法天津工业大学学报冯林,孙焘,吴振宇......”。