4. 基于聚类法的图像分割
基于聚类法的图像分割时图像分割中较为实用的方法，首先将像素灰度等性质映射到根据一定的规则为几个区域的特征空间，然后根据像素的性质判定其所属的区域，并对此加以标记进行分割。
聚类总体上可包括硬聚类、概率聚类、模糊聚类等方法。目前最常用的聚类方法是模糊C-2均值算法，它是一种基于模糊理论的图像分割方法，该法实际上是两次寻优的迭代过程，首先由C-2均值聚类得到聚类中心的次最优解，在此基础上再由FCM进行模糊聚类，最终得到图像的最优模糊分割。隶属函数的设计是整个模糊算法的关键所在。此算法具有较好的收敛性，结果受初值的设置影响不大。由于医学图像本质上存在模糊性(如CT图像同一组织灰度值的含糊性，容积效应引起的边缘、形状的模糊件及运动伪影造成图像的不确定性等)，因而聚类法更适合采用对图像不确定性有较好描述能力的模糊理论。国内外很多研究者将模糊理论用于图像增强、图像分割及边缘检测中，取得了优于传统图像处理方法的结果。
聚类分析必须解决的两个关键问题就是：(1)如何评定样本之间的类似程度；(2)如何根据样本之间的类似程度将给定的样本划分为不同的群。聚类分割中对图像特征的提取、相似度的计算和正确的聚类方法是基于聚类图像分割的研究关键。
三． 设计方案 1.图像分割方法的选择
根据课题进行分析，以番茄为例，选取分割方法进行自然条件下果实的分割。自然条件下的番茄，其成熟过程大体可分为六个阶段：未熟期、绿熟期、转色期（果实的颜色主要以绿色为主，略微泛红。半熟期（果实顶部的橙红色扩展到果腹部，着色程度约为百分之50左右）、成熟期（果实特有的红色扩大到果实全部，但是果基部有绿色）和完熟期（完全为浓厚的红色）。由此可见，分割目标（番茄果实）和背景之间存在明显的色彩差异（主要为红绿色差）。因此，选择基于阈值的图像分割方法，根据番茄图像的（R-G）色差灰度特征，进行果实的分割。
2.主要步骤和方法
使用基于阈值的图像分割方法实现图像自动分割的主要过程为：（1）对图像进行
预处理；（2）确定阈值；（3）将阈值和像素值比较；（4）把像素归类，完成分割。
其中，阙值选择对于最后的分割结果有很大的影响。自动选择阙值的方法目前有很多种，其中Ostu最大类间方差法是一种性能良好的自动阙值分割方法，是通过计算图像中的目标类和背景类的的类内方差最小，类间方法最大来进行自动阙值求取的。番茄图像的（R-G）色差图像的灰度分布基本呈双峰分布，这种灰度分布特点非常适合Otsu法进行分割处理的要求。
因此，使用基于（R-G）色差特征的自适应阙值分割，利用RGB彩色图像的（R-G）色差灰度特征结合Otsu最大类间方差法，实现果实图像自动分割的主要方法。
四．关键问题
1.利用Otsu法选择适当的阙值； 2.图像分割MATLAB程序的实现；
五．时间安排
第1周～第4周，学习图像分割相关知识，了解相关研究背景和主要方法。 第5周～第8周，完成开题报告。
第9周～第12周，使用MATLAB完成程序的编写，并根据程序运行情况进行修改调试。
第13周～第14周，总结研究成果，撰写论文并装订，准备答辩。