图像分割是图像分析和模式识别的首要问题,也是图像处理的经典难题之一,它是图像分析和模式识别系统的重要组成部分,并决定图像的最终分析质量和模式识别的判别结果。因此,图像分割算法的研究具有重要的理论和应用价值。本文着重从以下几方面进行深入的研究和探讨。首先,在分析与研究传统边缘检测的基础上应用相位一致模型进行边缘检测。与传统的边缘检测算法相比,可大幅度提高彩色图像寻找边缘的质量,达到提高分割效果的目的。实验和分析表明,在进行彩色图像分割时,相位一致模型比Canny等算子更加有效。其次,在分析了现有四邻域区域生长算法的基础上,针对其不足,提出了一个改进的单方向的二邻域区域生长算法,把传统区域生长算法中对种子点周围四象素的处理转化为对种子点周围单方向一象素的处理,大幅度提高了区域生长的速度。实验和分析表明,在保持分割结果与传统区域生长算法基本一致的基础上,改进的区域生长速度比传统的区域生长速度更快。然后,在进行图像分割完毕后,对已分割图像进行区域聚类。通过对已分割成小区域的图像进行聚类,使本应属于同一物体的部分进行归类。实验表明,对已分割完毕的图像进行区域聚类,可以使分割结果更具有现实意义,更符合人类视觉要求。