图像分割指的是将原图像按照灰度、纹理、颜色、形状等划分成不同的区域，因此，在同一个区域间，呈现出具备一些相同的特点，而在不同的区域间，分割出的各个图像会有一定的差别。 (1)基于阈值的分割方法 基于阈值的分割方法是按照原图像的灰度特征划分出一个或者几个灰度阈值，将原图像的每个像素的灰度值与灰度阈值进行比较，继而确定每个像素应该位于哪个区域。 比如我们的研究对象是在一个较暗的背景下的一个亮图像，其中目标图像像素和背景像素组成了两种主导模式，我们可以选择一个灰度值阈值，使用这个灰度值阈值来分离这两个模式，如果像素的灰度值大于灰度值阈值的话，那么这个像素点就是图像点，反之如果像素点的灰度值比灰度值阈值小的话，那么这个像素点就是背景点。如果使用一个灰度值阈值就可以实现图像点与背景点的分离，这个过程称为全局阈值处理，如果灰度值阈值需要随着图像的不同部分而发生变化的话，这个过程称之为可变阈值处理。另外基于阈值的图像分割方法会受到图像噪声、图像反射是否均匀、光照是否均匀的影响。比如说如果图像的噪声很大，噪声大模式的宽度就会很大，大到一定程度的时候就会使这几个灰度值模式之间的界限不明显，继而无法分割。 (2)基于边缘的图像分割 边缘是指一个区域的结束与另一个区域的开始，也就是说图像边缘代表的是两个不同的区域边界线上的一些像素的集合，它一般代表着图像的灰度、纹路、颜色发生了一些突变，是图像局部特征不连续的体现。基于边缘的图像分割方法一般是基于图像灰度值检测的分割方法，即图像边缘是图像灰度值发生突变的一个转折，图像边缘有两个要素：幅度与方向。沿着边缘的方向，灰度值的变化比较小，垂直于边缘的方向，灰度值的变化比较大。因此我们可以对像素的灰度值进行求导来判断图像的边缘。 (3)基于区域的分割方法 基于区域的分割方法主要有区域生长、区域分离聚合、分水岭法等。 区域生长指的是根据同一区域内像素具有一些相似的性质 (灰度值、纹路、颜色) 来聚集像素点的一种方法。我们可以从一个像素或者是一块很小的区域开始，将周围具有相同性质的像素或者区域划入到目前的区域当中，直到没有其他的像素或者是区域能够划入到当前区域为止，以此来实现区域不断增长的过程。 区域分离与聚合将图像看成是一组不相交的区域。分割指的是将图像进行越来越细的划分，直到最后被划分出来的区域满足同一性质。也就是说对于不满足同一性质的某个图像区域来说，我们将它划分为四个子象限区域，如果子象限区域还不满足同一性质的话，我们继续进行划分，直到所有的区域都满足同一性质。那么此时肯定具有满足同一个性质的邻接区域，我们使用图像聚合就可以充分的弥补这一个缺点。对于满足同一性质的邻接区域来说，我们聚合这些区域，直到不含有具有同一性质的邻接区域为止。 分水岭法是将图像看为一个山谷地形图，图像中每一个像素的灰度值代表着地形的高度。如果把水滴放在任意的某点，水滴必然会流入的那个极小值点称之为汇水盆地或者为分水岭，水可以等概率的流向的多个汇水盆地的点构成的那条线也叫做分界线或者分水线。分水岭法的实现过程与洪水淹没地形的过程极其类似，我们假设在汇水盆地处钻了一个洞，让水从洞中以均匀的速度上升。水会先没过汇水盆地，然后随着水位的不断上升，水会逐渐没过山谷。当水位上升到一定的程度时，水会发生溢出的现象，我们此时建造堤坝来防止水的溢出，一直重复这个过程直到水没过山谷中的所有点，这时所建造的全部的堤坝就可以看成各个汇水盆地的分界线。堤坝就对应于分水线，这些分水线也就是我们所希望得到的不同区域之间的分界线。 (4)基于图论的图像分割 图是由一定的顶点以及连接这些顶点的边组成，假如图G有顶点集V和边集E组成，则图有下列表示： G=(V,E) 如果图中的边是没有方向的，那么就叫做这个图为无向图，反之，为有向图。也就是说对于无向图来说，若(Vi,Vj)属于图G，则必有(Vj,Vi)属于图G。有向图则不然。如果图中的边是有一定权值的话，那个这个图就被称为带权图。 基于图论的分割方法就是把要进行分割的图像看成是一个带权无向图。原图像中的各像素点就是带权无向图中的结点。边是在各结点之间形成的。边的权值W(i,j)可以反正出顶点i与顶点j之间的相似程度，其可以由空间关系(如顶点i到顶点j的距离)与灰度测试(如纹理、颜色、灰度值)形成。我们可以将原带权无向图按照每各个像素之间的相似程度切割成若干个子集区域。每个子集区域内的像素相似度比较高，不同的子集区域的像素相似性较低。切割的过程实际上就是去除相似度低的结点之间的边。