虽然图像分割技术随着科技社会不断的发展而随之成长起来，迄今为止已有近万种图像分割算法。不过，所有的方法化繁为简都可以概括为以下3种：

(1)采用基于阈值的图像分割。其本质是找出目标与背景之间像素的灰度的差值，利用这个灰度差值对应的灰度值对图像进行下一步的处理。

(2)采用区域生长的方法。基本原理是将具有比较雷同的特点的那一些像素集合起来形成新的图像部分。

(3)利用已有的边缘检测算子。经过计算找出图像边缘，然后在图像上画出他的的轮廓。

2.1 基于阈值的图像分割

阈值分割的意思是找出目标与背景之间像素灰度的差，利用这个差对应的灰度值对图像进行下一步的处理，然后将图像中各个像素点的灰度值与之比较，并分成两个邠：一个是比阈值大的部分和另一个是比阈值小的部分。

阈值分割还可以被划分为全局阈值和局部阈值两种。一般大家都比较熟知的的阈值选取方法主要有：直方图双峰法，迭代法，最大熵法。

2.1.1 直方图双峰法

直方图中极小值点处的灰度值可被认为是分割图像所需的阈值。将直方图中其他的所有点的像素灰度值看作离散数组，再利用加权算术平均法对这个离散数组进行处理。也可利用相同平滑系数对上述的数组实施二次指数平滑处理。

2.1.2 迭代法

这种方法设计包括数学形态学，形变模型，以及阈值法的各类技术的应用。先用最初的开启分割函数把原图全部像素按照灰度值大小的分布分成目标、背景两个部分，然后分别对目标和背景进行积分并对结果取平均值就会得出新的阈值，之后再次依照上面提到的阈值调用开关函数将图像分为目标和背景两个部分，并用作新的开关函数。不过，迭代法技术存在停止准则的问题，需要均值漂移对处理后的图像进行特征分析来予以补充。文献综述

2.1.3 最大熵法

熵是平均信息量的表征： 

对图像灰度直方图的熵进行测量的一种研究，并依据这个熵值来找出最佳门限分割图像。

2.2 区域生长和分裂合并

区域生长和分裂合并大致可以分为有两种模式，一种是先在给定图像中目标部分内取一个小块也可以称之为种子区域，再在这个种子区域作为起点源头不断将其周围的像素点按照特殊的规则合并进来，最终的目的是要把所有相关的像素点合并为一个区域，而其他的像素点成为另外一个或者几个背景区域；另一种是先将图像分割成无数的一小块，然后把其中非常类似，特点相近的区域，比如他们的像素灰度值相同等特点，再把有同样特性的小区域融合成一个或几个大区域，最后完成对图像的成功分割。区域生长法被人诟病的缺点是很容易造成过度分割，即将图像分割后的区域比预期多出很多。

区域生长的基本原则就是把性质特征比较雷同的像素集合起来，构成一个新的区域。我们先在每个待分割的区域中选取其中一个像素作为生长用的初始位置，其次，在这个像素的相邻区域中，与种子比较雷同的性质的像素合并到种子像素所处的区域。而新的像素继续作为种子成为起点，再向四周蔓延。一直到没有符合条件的像素可以合并进来后，就完成了。

在运用区域生长法处理图像时，需要注意以下三个问题：

（1）选择的种子像素是否能正确的说明代表那个区域的其他像素；

（2）要保证种子像素能在生长过程找那个把相邻区域的像素合并进来； 红外图像分割算法研究MATLAB仿真(3):http://www.751com.cn/tongxin/lunwen_72341.html