簡述
一幅圖像往往是由多種物類分布在其上，且不同物類占據某一部位，為了將我們感興趣的一部分或幾部分從一幅圖像中區別出來，我們就必須把一幅圖像按物類的不同劃分成若干個不同區域，這就稱為區域分割。區域分割的目的是為了便於提取可區別性、可靠性、獨立性好的少量特徵。總之，特徵提取的首要工作就是對圖像作區域分割。正確的分割才能產生正確的對象特徵。分割圖像區域和提取區域特徵兩者常常是難以分開的。由於圖像的複雜性和多樣性，目前尚無一種區域分割的標準方法。只能採取按處理對象和處理目的不同，而採用不同方法對待。常用的區域分割方法有直方圖法、輪廓擬合法、區域生長法和分裂、合併混合法。
一幅圖像中屬於同一一區域的像素應具有相同或相似的屬性，不同區域的像素屬性不同。因此圖像的分割就要尋求具有代表性的屬性，利用這類屬性進行劃分，使具有相同屬性的像素歸屬同一區域，不同屬性的像素歸屬不同區域。當只利用一個屬性時，圖像區域分割就成為確定屬性的閾值的問題。
方法
模板匹配
基於區域分割圖像的一種直接方法是將圖像中的區域和一組給定的模板進行比較匹配，從而將符合模板的物體從圖像的其他部分中分割出來，而剩餘的圖像則可根據需要再用其他方法分析。例如，模板匹配可用於分割圖文混排的書稿。當文字用模板匹配的方法找出來以後，圖形可再用其他方法進行分析。模板匹配的過程往往用相關或卷積計算來進行。
紋理分割
當物體置於明顯的紋理背景中或物體本身具有較強的紋理特徵時，就需要利用基於紋理的區域分割方法。由於紋理是某種模式，或者說圖案、花樣、結構等的重複，所以不能用單個的像素的特性(灰度或顏色)來描述。當然也無法用基於像素的分類方法(參見圖像像素分類)。由於紋理經常包含有大量的邊緣，因此，除非濾去紋理，否則用邊界跟蹤的方法分割有豐富紋理的圖像很難有好的效果。
紋理的描述與分類是分割的基礎。當知道圖像中有某種紋理存在時，可利用已知紋理的特徵(如該紋理在頻域中的描述或空間灰度關係矩陣)在圖像中尋找。如果事先沒有知識的話，可以採用基於區域的聚類方法進行紋理區域的分割。一種容易想到的辦法是：把圖像分成若干(小)塊，計算每一塊的紋理特徵，根據特徵差別的程度決定是否把小塊合併。
區域聚類法
聚類法一般可分為區域生長法及分裂合併法。
1.區域生長
區域生長的基本思路是：從滿足檢測準則的點或一塊區域開始，在各個方向上“生長”物體。“生長”的依據是：同一類型區域的特徵，如灰度、顏色及紋理特徵等，相差不會太遠。滿足一定合併條件的鄰域可以併入該區域。在生長過程中，合併條件可以調整。當再也找不到可合併的鄰域時，生長停止。
2.區域的分裂和合併
這個方法的基本思路是：首先將圖像分為若干“初始”區域，然後再分裂或合併這些區域，逐步改進區域分割的指標，直到最後將圖像分割為數量最少(或符合某一要求)的“基本一致”的區域為止。通常，“一致”性的標準可用特性的均方誤差來量度。
與基於邊界的圖像分割方法相比，基於區域生長法和分裂合併法對噪聲相對不敏感，但是計算複雜度較高。
特點
區域分割應該有下列一些特點。
(1)均勻性。在一個區域內，各個部分或各個象元應該具有相同的圖像屬性。
(2)連通性。一個區域應該是整塊的，即內部各象元相互連通，很少出現空洞或裂縫。
(3)邊緣完整性。一個區域與其他區域的分界處，存在邊緣或邊界，一個區域的邊界曲線顯然應該是封閉的。
(4)反差性。兩個不同類型的區域有著不同的圖像屬性，特別是那些相鄰區域應該有明顯不同的圖像特性。
