区域生长算法
基于分水岭与区域生长的彩色图像分割算法研究
似然、决策树、Ｋ２最近邻、神经元网络等。Ｈａｎｃｅ等比较了自适应阈值法、模糊Ｃ２均值、球坐标变换／中心分裂、主分量变换（ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔｓ仃ａｎｓｆｏｍ，ＰＣＴ）、分裂合并、多分辨率等６种无监督彩色图像分割方法在边界识别算法中的效率，结果显示，自适应阈值法、主分量变换具有较低的错误分割率，若将不同的方法相结合则可以进一步提高肿瘤边界的正确识别率，并且在合并过程中加入启发算法还可以潜在地提高成功率‘６～。Ｐａｌ等对彩色图像分割进行了简要介绍［８】，并称彩色图像可以作为多光谱图像的一个特例，且任何适用于多光谱图像的分割方法都可以用于彩色图像分割。
对于灰度图像的分割方法，人们从不同的角度提出了如直方图阈值法，区域生长法，边缘检测法，基于分水岭的方法和神经网络的方法等等。其中直方图法和区域生长法是基于像素的分割方法，处理的对象是像素；边缘检沏０和分水岭方法则是对图像纹理基元进行处理；神经网络的方法是利用分类的思想对图像分割的方法。无论是基于哪一种分割方法，灰度图像的分割方法己经发展得比较成熟了。
现在大部分的灰度图像分割技术（如直方图阈值法、聚类、形态学分水岭、区域增长、边缘检测、模糊方法、神经元网络等）也可以扩展到彩色图像。目前，许多彩色图像分割方法不仅把灰度图像分割方法应用于不同的颜色空问，而且可以直接应用于每个颜色分量上，其结果再通过一定的方式进行组合，即可获取最后的分割结果【９．１０１。