图像分割是依据不连续性和相似性这两个原则把一幅图像分成具有特殊性质且互不相交的区域,并从中提取出感兴趣的目标的过程和方法。本文主要研究基于区域的图像分割算法,该类算法主要是利用对象内部的相似性对图像进行分割。本文重点研究了两种基于区域的图像分割算法:Otsu图像分割算法和分水岭图像分割算法:Otsu图像分割算法是在图像灰度直方图的基础上,用一个或者多个阈值把图像分成两个或者多个区域的一种方法。分水岭算法是通过“浸没”过程把图像分割成各具特性的区域的方法。本文针对该课题进行了一下的研究:本文取得的主要的研究成果如下:(1)提出了一种基于平均方差和邻域信息的改进型二维Otsu算法。传统二维Otsu算法忽略边界信息对图像分割结果有一定影响,而且计算时间比较长,为此,通过重新构建一个二维直方图,并利用平均方差重新定义一个新的二维阈值选取函数,以达到提高分割的精度,减少运行时间的目的。(2)提出了一种基于多尺度滤波和自适应标记提取的分水岭新算法。分水岭算法中梯度噪声的存在,致使其出现较为严重的过分割现象。而HSV空间中V参数表示色彩的明亮程度,与颜色无关,而H,S与颜色信息都有关,所以仅对V分量进行滤波,不仅可以滤除噪声,而且能保留图像的重要的颜色信息。(3)提出了一种基于改进形态学梯度和自适应标记提取的分水岭新方法。该算法用两组结构元素进行梯度计算;并对重构后的梯度图像用Otsu算法提取标记,已达到改善过分割的目的。