簡介
灰度值是指將灰度對象轉換為 RGB 時，每個對象的顏色值。把白色與黑色之間按對數關係分成若干級，稱為“灰度等級”。範圍一般從0到255，白色為255，黑色為0，故黑白圖片也稱灰度圖像，在醫學、圖像識別領域有很廣泛的用途。灰度分布是指灰度圖像的灰度值的分布情況，反映了圖象的最基本的統計特徵。灰度分布主要套用於圖像分割中，通過對灰度圖像的灰度分布的理解，來分析圖像一些性質。
灰度圖像
在計算機領域中，灰度（Gray scale）數字圖像是每個像素只有一個採樣顏色的圖像。這類圖像通常顯示為從最暗黑色到最亮的白色的灰度，儘管理論上這個採樣可以任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色。灰度圖像與黑白圖像不同，在計算機圖像領域中黑白圖像只有黑白兩種顏色，灰度圖像在黑色與白色之間還有許多級的顏色深度。但是，在數字圖像領域之外，“黑白圖像”也表示“灰度圖像”，例如灰度的照片通常叫做“黑白照片”。在一些關於數字圖像的文章中單色圖像等同於灰度圖像，在另外一些文章中又等同於黑白圖像。
灰度圖像經常是在單個電磁波頻譜如可見光內測量每個像素的亮度得到的。
用於顯示的灰度圖像通常用每個採樣像素8 bits的非線性尺度來保存，這樣可以有256種灰度（8bits就是2的8次方=256）。這種精度剛剛能夠避免可見的條帶失真，並且非常易於編程。在醫學圖像與遙感圖像這些技術套用中經常採用更多的級數以充分利用每個採樣10或12 bits的感測器精度，並且避免計算時的近似誤差。在這樣的套用領域流行使用16 bits即65536個組合（或65536種顏色）。
灰度直方圖
灰度直方圖是關於灰度級分布的函式，是對圖像中灰度級分布的統計。灰度直方圖是將數字圖像中的所有像素，按照灰度值的大小，統計其出現的頻率。灰度直方圖是灰度級的函式，它表示圖像中具有某種灰度級的像素的個數，反映了圖像中某種灰度出現的頻率。如果將圖像總像素亮度（灰度級別）看成是一個隨機變數，則其分布情況就反映了圖像的統計特性，這可用probability density function （PDF）來刻畫和描述，表現為灰度直方圖。可以通過直方圖的狀態來評斷圖像的一些性質：明亮圖像的直方圖傾向於灰度級高的一側；低對比度圖像的直方圖窄而集中於灰度級的中部，高對比度圖像的直方圖成分覆蓋的灰度級很寬而且像素的分布沒有不太均勻，只有少量的垂線比其他高許多。直觀上來說：若一幅圖像其像素占有全部可能的灰度級並且分布均勻，則這樣的圖像有高對比度和多變的灰度色調。從機率的觀點來理解，灰度出現的頻率可看作其出現的機率，這樣直方圖就對應於機率密度函式(probabilitydensityfunction)，而機率分布函式就是直方圖的累積和，即機率密度函式的積分。
圖像分割
概述
圖像分割即將圖像分成具有各自特性的同質區域並提取出感興趣目標物體的技術和過程，它是圖像處理到圖像分析的關鍵步驟，是圖像處理和機器人視覺領域的基本問題之一。圖論是套用數學的一個分支， 主要以圖為研究對象， 與圖像之間有很好的映射關係， 近年來使用圖論中許多成熟的理論和數學工具進行圖像分割已成為圖像分割領域研究的熱點。其主要思想是將待分割圖像映射為加權圖， 圖像的像素構成圖的頂點集， 其特徵信息(灰度、 顏色等)對應每個頂點的屬性， 像素之間的相鄰關係對應圖的邊集， 邊的權值對應像素之間的相似性或差異性。將圖像映射為圖後， 圖像分割過程可以看作是根據像素的特徵信息， 對每一個像素分配標記的過程，相同特性的像素具有相同的標記， 不同特性的像素具有不同的標記。圖像分割的結果是圖像上子區域的集合（這些子區域的全體覆蓋了整個圖像），或是從圖像中提取的輪廓線的集合（例如邊緣檢測）。一個子區域中的每個像素在某種特性的度量下或是由計算得出的特性都是相似的，例如顏色、亮度、紋理。鄰接區域在某種特性的度量下有很大的不同。
圖像分割兩種策略
1) 根據圖像灰度值的相似性或同質性將圖像劃分為區域，目標物體通過部分區域的合併產生，例如閾值法、 聚類法、區域分離以及區域融合等。
2) 根據圖像灰度值的不連續性和突變性尋找目標物體或其輪廓的位置，根據該位置進行空間上的延伸，即通過檢測圖像的特徵點、線、面進行圖像分割，例如邊緣檢測法 。
