根据医学图像的一些相似特征（如亮度、颜色、纹理、面积、形状、位置、局部统计特征或频谱特征等），将医学图像分为几个不相交的连接区域。
联通集合和基本分割单元作为图像分割中的像素，按不同的连通性定义为4联通区域和8连通区域。
基于
基于
基于
的分割方法
临床上医学图像分割有哪些应用？
1.提取感兴趣的目标区域2.计算和测量目标病变、器官和组织的大小、体积或体积3.医学图像的三维重建和可视化4.收集目标分割后的图像数据，建立医学图像数据库 2、在阈值分割中，如何选取一个合适的阈值？
阈值分割法作为一种简单有效的图像分割方法，广泛应用于医学图像分割中。除了直方图、迭代法和大津阈值法外，还有最大熵法、矩量保持法、灰度共生矩阵法等。在许多情况下，阈值的选择将综合使用两种或两种以上的方法。在分割实际图像时，需要灵活应用。如何检测边缘点？边缘点用一阶导数的极值和二阶导数的过零点来判断 4.不同检测算子的特点是什么？
Sobel算子相对于Prewitt算子的边缘检测效果在噪声抑制方面更好，线条更流畅。一些支气管边缘信息可以保留，但仍有断点和断线，但信息的完整性明显优于Prewitt算子检测结果。Kirsch图像中的算子灰a6a5a4度的小变化比较敏感，可以同时检测8个方向的灰度变化，取最大值，是边缘检测算法的最佳适应性LoG算子:在Log高斯滤波器宽度o值的大小直接影像边缘检测结果。σ噪声过滤效果越大，但也会失去重要的边缘信息，影响边缘检测器的性能。σ值越小，平滑不完全，留有太多的噪声。一般来说，使用大o值会产生鲁棒边缘，小o值会产生精确定位的边缘，两者的结合可以检测到图像的最佳边缘。Canny算子是边缘检测算子的最佳方法，具有以下优点：①检测错误率低。基本上所有的边缘都可以找到，没有伪相应的边缘②准确定位边缘。检测标记的边缘与真实边缘的中心距离最小③单边响应。检测后的边缘只返回一个点，形成一条边缘线的上述优点使Canny将算子检测到相对完美的边缘，线条单一、流畅、准确。
基于阈值的分类方法和基本思想：
P-分位数法
（p-分位数法(也称)p- tile方法)是最古老的阈值选择方法之一。其基本思想是设置阈值，使目标在医学图像中占图像素数的比例等于其先验概率p。
双峰法**
假设图像由前景和背景组成，灰度直方图呈现明显的双峰结构：一个对应于目标，另一个对应于背景。选择双峰之间的最低谷 图像分割可以通过选择阈值来实现。单阈值，双阈值。
迭代法
迭代法基于最佳接近思想，通过迭代过程选择最佳阈值，实现图像分割。
最大熵法
(阈值选择一直是基于最大熵原则的最重要的阈值分割方法之一。该方法的目的是将图像的灰度直方图分为两个或两个以上的独立类别， 使各种熵的总量最大。 从信息论的角度来看，这种选择的阈值可以获得最大的信息量。图像阈值按照最大熵原理分割，人们通常选择阈值t,使 该阈值分割的两部分的一阶灰度统计信息量最大，即一维熵最大。）
矩量保持法
(保矩法或保矩法(moment-preserving)）
(其基本思想是保持阈值分割前后图像的矩不变。
Ostu法律(大津法)**
基本原理：将直方图分为两组，一组对应于背景，另一组对应于目标。当两组之间的方差最大时，得到最佳的分割阈值。
7.基于区域的分割方法:区域生长法、分裂合并法
8.区域成长的基本思想
：P119
(掌握)最简单的区域生长方法是根据一定的连接方式和规则，从种子像素点出发，检查周围相邻的像素点，如果与种子像素点相似 性质表明它们属于同一区域，有点类似于计算机图形中的多边形种子填充算法。种子点的选择直接影响分割的最终结果 。
9.分裂合并的基本思想:
(掌握)如果图像中某一块的特征不均匀，则将该块分为四个相等区域，四叉树生长；当某一层的四个小块的特征具有一定的一致性时，它们被合并成一个大块，四叉树被剪掉；当图像中的每个区域都满足均匀性时，就不可能进一步分裂和合并。四叉树的生长和剪枝过程结束 。
数学形态学操作及其特点：
膨胀：
膨胀是将图像中与目标对象接触的所有背景点合并到对象中的过程。因此，增加目标，缩小孔径，增加目标中的空间，形成连接域。
腐蚀：
腐蚀具有使目标缩小、目标内孔增大以及消除外部孤立噪声的效果。
开运算：
开操作通过去除边缘处细小的凹陷不平达到平滑边缘的目的。作用：开运算具有消除图像中细小物体, 并在物体影响纤细处分离物体和平滑较大物体边界。
闭运算：
闭运算在过去除边缘上细小的凸起达到平滑边缘的目的。作用：闭运算具有填充物体影像内细小空间、连接邻近物体和平滑边界。
11、结构元素的概念：
结构元素是一个可以在图像上平移且尺寸比图像小的集合。