区域生长算法
硕士学位论文
边缘合并为边缘链，最终得到物体或图像部分的边缘链。不同的边缘检测子所得到的边缘图像是不同的，基于边缘的分割方法常用的有以下几种：
１．边缘图像阂值化乜２３
对于几乎没有Ｏ值像素，但小的边缘值对应于由量化噪声、弱且不规则照明等引起的非显著的灰度变化的边缘图像，就可以对边缘图像做简单的闽值化处理清除这些小数值的边缘。简单检测子会是边缘变粗，如果边缘带有方向信息，则可以通过应用边缘数据的非最大抑制来抑制单个边界领域内的多个响应，以实现部分矫正。在边缘图像的８．邻域内，对每个非Ｏ幅值的像素，考察由边缘方向指出的两个邻接像素，如果两个邻接像素的幅值都超过当前考察像素的幅值，则将它们标记出删除，直到所有像素都考察过。
２．边缘松弛测２３】
边界受图像噪声影响大的边缘图像，在处理的时候难免会遗漏重要的部分，可以通过对边缘进行上下文邻域的边缘信度评价来解决这个问题。在两个强边缘间的一个弱边缘构成的一个上下文里，这个位于其间的弱边缘就可能属于结果边界的一部分。如果一个边缘没有上下文邻域，那么它可能就不属于任何边界的一部分。在边缘图像中，裂缝边缘就是进行上下文邻域评价的典型例子。边缘松弛法是一个迭代的过程，边缘信度或者收敛到Ｏ（边缘终结）或者收敛到１（边缘形成边界）。在迭代的第一次，每个边缘Ｐ的信度ｃ例俐可以定义为规范化的裂缝边缘幅值，规范化既可以是基于整幅图像裂缝边缘的全局最