外观缺陷检测基于区域的图像分割算法包括阈值分割法、区域生长法、 分裂—合并法和聚类分割法等。下面源欣将给大家详细介绍以上几种常见的图像分割算法。

阈值分割法是一种传统的图像分割方法，其基本原理是：通过设定不同的灰度阈值，把图像像素点分为若干类。因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割方法，其中阈值的选取是图像阈值分割方法中的关键。

区域生长法的基本思想是依据一定的生长准则，将若干个“相似”子区域聚合成较大的区域。它首先对每个需要分割的区域找到一个种子像素作为生长的起点，再将种子像素邻域中与其具有相同或相似性质的像素根据某种事先确定的准则合并到种子像素所在的区域中；将这些新像素当作新的种子像素继续像上面的操作，直到再没有满足条件的像素可包括进来。此法原理简单，对于较均匀的连通目标有较好的分割效果;缺点是依赖于初始条件的选取，计算量较大，不适用于实时检测。

分裂—合并法也是一种基于区域的分割算法，其基本思想是：根据图像和各区域的不均匀性，将图像或区域分裂成新的子区域，再将包含相同内容的区域合并成新的较大区域，最后得到分割图像。四叉树分解是一种常用的分裂—合并法，其具体过程是：将图像分成4块大小相等的方块，判断每个小块是否满足一致性标准(如两区域参数统计特征结果相同，等等)。若满足，则不再分解；若不满足，则再细分成四块，再用细分块进行一致性标准检查，直到满足一致性标准，结果可能包含大小不同的块。

聚类法进行图像分割是根据图像在特征空间的聚集对特征空间进行分割，再映射到原图像空间得到分割结果，K均值聚类算法、模糊C均值聚类(FCM)算法是常用的聚类算法。

东莞市源欣光电仪器有限公司，专注从事光学、视觉检测二十年余年可按客户不同的检测需求，为客户提供非标视觉检测成套方案，以及相关产品测量的定制化服务。在产品的外观缺陷检测、产品尺寸检测，以及产品的细分挑选有丰富的行业经验。