图像分割是图像分析和模式识别的首要问题,它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,对拼图图像进行图像分割。由于利用模糊属性进行图像分割,可以为后期的图像处理保留更多的图像信息。因此,我们首先利用模糊属性来进行图像分割。实验和分析表明,该分割方法速度快,分割效果好。其最大的优点在于不受背景颜色数目的影响。考虑到拼图图像背景颜色较单一的特点,又通过对背景进行区域生长来实现图像的分割。在分析了现有四邻域区域生长算法的基础上,针对其不足,提出了一个改进的基于背景的单方向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像素的处理转化为对种子点周围单方向一个像素的处理,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。针对于本课题所使用的拼图图像,分析和比较基于模糊属性的分割方法和基于背景的区域生长算法,可以发现,基于背景的单方向二邻域区域生长算法是相对简单、快速、准确的分割方法。其次,在分割的基础上,对多个目标区域进行标号,以提取各个感兴趣的区域。所采用的区域标号算法只要判断当前点的左边点和上方点的标号值及像素值,以选择合适的标号值给当前点,数值比较2至3次即可,且不需要额外的数据结构存储标号等价表,算法速度得到了提高。最后,将标号后的各个目标区域分别进行存储。为了方便后期拼图的实现,将每个目标分别存储在一个独立的正方形的中央。