1、“.....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，和是对坐标为，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......”。

2、“.....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。这种方法处理复杂图像时效果较好，但算法比较很敏感，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......”。

3、“.....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。基于区域分割法区域分割法主要包括区域生长和分裂合并法，其分割过程后续步。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......”。

4、“.....为了得到完整的边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灰度直方图为处理对象。根据阈值选择方二〇三年六月十九日星期三法的不同，可以分为模态方法迭代式阈值选择等方法。这些方法都是以图像的直方图为研究对象来确定分割的阈值的。另外还有类间方差阈值分割法二维对其进行分割，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......”。

5、“.....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分割算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。前人的方法主要有三大类阈值分割方法边缘检测方法和区域提取方法。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。所谓局部上的传输速度至关重要。分割后的图像与噪声的关系减弱，具有降噪功能，便于图像的理解。图像分割的研究进展图像分割是图像处理中的项关键技术，至今已提出上千种分割算法。但因尚无通用的分割理论......”。

6、“.....分割后的图像与噪声的关系减弱，具有降噪功能，便于图像的理解。图像分割的研究进展图像分割是图像处理中的项关键技术，至今已提出上千种分割算法。但因尚无通用的分割理论，现提出的分割算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。前人的方法主要有三大类阈值分割方法边缘检测方法和区域提取方法。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......”。

7、“.....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。根据阈值选择方二〇三年六月十九日星期三法的不同，可以分为模态方法迭代式阈值选择等方法。这些方法都是以图像的直方图为研究对象来确定分割的阈值的。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......”。

8、“.....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。基于区域分割法区域分割法主要包括区域生长和分裂合并法，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......”。

9、“.....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。这种方法处理复杂图像时效果较好，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......”。