目标的位置、大小和形状等先验知识，可有效地对目标进行分割、匹配和跟踪分析。从物理学角度，可将形变模型看成是一个在施加外力和内部约束条件下自然反应的弹性物体。323基于模糊集理论的方法图像分割问题是典型的结构不良问题，而模糊集理论具有描述不良问题的能力，所以模糊理论被引入到图像处理和分析领域，其中包括用模糊集理论来解决分割问题。基于模糊理论的图像分割方法包括模糊阈值分割方法、模糊聚类分割方法和模糊连接度分割方法等。模糊阈值技术利用不同的s型隶属函数来定义模糊目标，通过优化过程最后选择一个具有最小不确定性的s函数，用该函数表示目标以及属于该目标像素之间的关系，这样得到的s型函数的交叉点为阈值分割需要的阈值，这种方法的困难在于隶属度函数的选择。模糊C均值聚类FCMFuzzyCMea
s方法通过优化表示图像像素点和C个类中心之间的相似性的目标函数来获得局部极大值，从而得到最优聚类。这种方法的缺点是计算量大。FCM方法常被用于医学图像的分割。324图像分割中的其它方法除了上述几大类分割方法，图像分割领域中的方法和文献还有很多，如图谱引导法、基于数学形态学方法、基于神经网络的图象分割方法、以及将尺度空间理论运用于该领域的方法等。特别是基于形态学的图象分割和基于神经网络的图象分割分别由于其符合人体视觉和具有“智能分析”的特点，近几年发展特别迅速。第四章：灰度阈值化图像分割方法41什么是灰度阈值化图像分割灰度阈值化方法是确定一个或几个灰度门限来区分物体和背景，用像素的灰度值同门限值进行比较来划分像素到背景区或物体区。这种分割方法对于物体与背景之间存在明显差异的景物十分有效，但近些年随着对阈值化方法的不断探索，很多新方法对物体与背景之间差异不很明显的景物的分割效果也是相当不错的。实际上，在任何实际应用的图像处理系统中，最终都要用到阈值化技术。设给定的灰度图像为fxy∈t1t2，用一定的方法得到一个或多个阈值或子集tt1t2。现以子集t为例说明图像阈值化分割，因为利用一个或多个阈值的原理跟它是一样的。根据个像素是否属于t将其进行分类，即：
gxy

axyfxytbxyfxyt
1
其中，axybxy分别为指定的灰度值或原灰度值。如果取axy1bxy0，则分割后的图像为二值图像。目标与背景具有最大的对比度。如果取axyfxybxy0则分割后的图像背景为0，目标保留原灰度，属于背景干净的目标图像。42阈值化方法的分类阈值化r