-
图像分割是技术利用电脑进行图形处理的一个典型课题，其核心问题目前还没有圆满地解决，即目前还没有一种适用性强且分割效果好的方法可以满足不同领域的分割要求，也不存在一个判别分割结果好坏的标准。在医学图像处理领域中更是这样。医学图像是描绘人体内部组织结构的图像，信息复杂，由于个体之间差异和不同、组织结构器官大小形状不规则等很多原因使普通的图像分割方法对医学图像的分割效不够理想，尤其是脑部图像。39975
- 上一篇：注塑模具的开发研究现状
- 下一篇：逆变式弧焊电源的国内外研究现状和发展趋势
目前对于医学图像的分割方法，学者们已经做了大量的研究工作，主要是几下几点：
(1) 改进算法的自适应能力，尽量减少人工干预。
(2) 优化算法，降低算法的复杂度。医学图像信息量一般很庞大，这不仅考验着学者们的大脑，也考验着计算机的计算存储能力。一个好的算法可以在不丢失信息的情况下有效降低计算的复杂度，从而节约了计算资源。论文网
(3) 提高算法的分割精度。由于个体之间的差异性，人体器官的不规则性，图像噪声的等因素的影响，使得被分割的图像可能有一些干扰因此，降低分割的进度。
(4) 提高算法的鲁棒性。即提高算法的稳定性。同样一副医学图片，不同的时候或者不同的情况下对其进行分割可能会有不同结果，原因也许是收到了不同噪声的影响，因此排除这些细小的干扰，提高其鲁棒性则显得十分重要。
目前，医学图像分析与处理技术的研究还有以下三个趋势：
(1) 提高识别容易度，降低分析图像的门槛，使得普通人对图像也能够进行简单的分析。
(2) 加快图像处理速度。医学图像信息量一般很庞大，这不仅考验着学者们的大脑，也考验着计算机的计算存储能力。一个好的算法可以在不丢失信息的情况下有效降低计算的复杂度，从而节约了计算资源。
(3) 目前图像分割领域对于分割结果的好坏还没有一个统一的标准，未来需要继续研究该标准的制定问题。
(4) 系统的整合问题，是否有一种方法可以将一整套图像分割方法整合成为一个系统，如一个软件或者一个便携性较好的硬件。如果有这样的产品推出，将更加有利于该领域形成一个产业，加快其发展
由于本文主要讨论一种阈值分割方法，所以此处先对阈值分割的相关概念做简要分析。阈值分割算法诞生与五十年之前，目前，阈值分割又可以分为很多其他算法，但是所有分割算法的基本思想是一致的。阈值分割思路一般是：线取一个合适的灰度值作为阈值，之后将这个灰度值与灰度图像中每个像素点的灰度值都进行比较，最后根据比较结果将对应的像素点分为两类，从而得到分割的结果。显然，使用阈值分割，如何确定一个最佳的阈值是整个过程中的核心问题。根据分割算法的基本原理或者特点，能够将其分成以下几种：最小误差法与均匀化误差法、最大类空间方差法、共生矩阵法、直方图与直方图变换法、最大熵法、概率松驰法、特征空间聚类法、简单统计法与局部特性法、模糊集法、基于过渡区的阈值选取法等。不论用什么样的分割方法，什么样的工具，其基本思路是一致的，就是如何寻求最佳阈值。