图像分割是图像处理的一个重要组成部分,其目的是希望将图像中感兴趣的对象与图像中的其余部分分离,以便为更高层的图像处理服务。传统的图像分割由于方法本身的局限性,难以满足复杂图像的分割要求,因此,人们希望引入人机交互来解决传统方法的不适定性。近年来,交互式图像分割方法的研究有了很大的发展,并且在实践中得到了广泛的应用。通过对现有的各种交互式图像分割算法进行总结和性能比较,可以看出:传统的图像分割理论和方法是交互式图像分割方法的研究基础。因此,本文对数字图像的边缘检测方法进行了简要的介绍,通过实验分析了它们的优缺点;同时介绍了水平集方法的基本理论及其在基于偏微分方程的图像分割方法中的应用。基于GAC模型的基本原理,提出了一种改进的交互式图像分割算法。首先,采用全变分去噪模型对图像进行预处理,在去除噪声的同时更好地保护了边缘;第二,采用梯度模值曲率加权边缘检测方法获得图像的边缘点集;第三,将边缘点集中曲率较大的边缘点作为候选边界点推荐给用户;最后,用户通过主观判断,在候选边界点中选择合适的“初始边界点”,或直接选取推荐边缘点的前几个点,算法便可采用GAC模型完成对目标的分割。为了验证本文方法的有效性和实用性,开发了简单的交互式图像分割图形用户界面,使图像分割更直观化、形象化。用户可从列表中选定初始边界点,这样不仅使分割结果的精确性和一致性得到了保障,而且也大大降低了原有方法对用户操作经验和技巧的要求。实验结果表明,改进的交互式图像分割算法抗噪能力强,检出的候选边界点定位精确。有效地提高了交互式图像分割的自动化程度,减少了交互过程中的人工参与量。