医学图像分割方法汇总本文主要介绍在医学图像分割方面的几种典型算法，详细介绍每种算法的工作原理，通过对具体的医学图像实验来对比每种方法在分割方面的优点和缺点，分析结果产生的原因，从而在后面的实际应用中选择最合适的算法。1 阈值法分割1-1 简单阈值分割简单的阈值处理是图像分割中最为简单基础的一种分割方法。对于一副灰度图像，使用给定的阈值。图像中的像素超过这个阈值的一律设置为最大值（对于八位灰度图像，最大值一般为 255），像素小于这个阈值的设置为 0.下图 1.2 是利用五个不同的阈值对脑部图像（图 1.1）的分割结果。（从上到下，从左到右一次使用的阈值分别为最大值的 0.1,0.3,0.5,0.7,0.9 倍）。图 1.1 原始脑部图像®0=N0/MxN⑴图 1.2 使用不同阈值分割后的结果从实验结果来看，使用简单的阈值分割，过程十分简便，原理简单易懂，但是要是得到比较好的分割结果需要进行多次试验。1-2otsu 阈值分割法Otsu 阈值分割法又称大津阈值分割法。它的原理是对图像所有的像素围进行遍历（对 8 位灰度图像来说呢，就是从 0 遍历到 255），找出合适的 T（阈值），把原始图像分割成前景图像和背景图像并且两者之间的类方差最大。原理：对于图像 I（x,y），前景（即目标）和背景的分割阈值记作 T，属于前景的像素点数占整幅图像的比例记为 Q0，其平均灰度"0；背景像素点数占整幅图像的比例为®1，其平均灰度为“1。图像的总平均灰度记为"，类间方差记为 g°假设图像的背景较暗，并且图像的大小为 MxN，图像中像素的灰度值小于阈值 T 的像素个数记作 N0，像素灰度大于阈值 T 的像素个数记作 N1，则有：®1=N1/MxN(2)N0+Nl=MxN(3)G0+el=l(4)2=30*“0+G1*“1(5)g=Q0("0-")'2+Ql(“l-“)’2(6)将式(5)代入式(6),得到等价公式：g=3031(“0-“1)'2(7)这就是类间方差找出使得 g(类方差)的值到达最大的 T(值)，就是我们需要的结果。下图 1.3 是使用 otsu 阈值分割法对图 1.1 脑部图像的分割结果。图 1.3 使用 ostu 阈值分割得到的结果2 区域生长方法分割区域生长方法是从被分割对象的种子区域（通常是一个或者多个像素点）开始，在种子区域的相邻像素中寻找与种子区域具有某种给定的相似特征（通常是灰度值）的像素加入种子区域。并利用新的种子区域重复上述过程，直到种子区域不再扩大。区域生长是指从某个像素出发，按照一定的准则，逐步加入邻近像素，当满足一定的条件时，区®0=N0/MxN⑴域生...
