图像分割是由图像处理进到图像分析的关键步骤,也是一种基本的计算机视觉技术。这是因为图像的分割、目标的分离、特征的提取和参数的测量将原始的图像转化为更抽象更紧凑的形式,使得更高层的分析和理解成为可能.因此,图像分割多年来一直得到人们的高度重视。本文从图像分割的数学描述入手,介绍给出了图像分割中常用的几种方法,即灰度阈值分割法、边缘检测和区域跟踪以及基于分水岭算法的分割方法。论文分析了文档图像的特点,指出文档图像是由一些具有特定性质的区域块组合而成,通常包括文字块、线图、连续色调图像和半色调图像。其中,文字和线图保存了图像较多的细节以及结构信息,具有较高的空间分辨率特征,这一部分区域对颜色分辨率的要求不高;而连续色调和半色调的图像则保存了较多的颜色信息,通常要求较高的颜色分辨率,但对空间分辨率的要求不高。由此采用基于分割的文档图像压缩技术,对不同的分割区域采用不同的压缩方法可以获得更好的压缩效果。而对文档图像进行有效的层分割是论文研究的重点。论文提出了一种优化的文档图像分割模型。该模型将区域分割和层分割的方法结合起来,在论文的文档图像分割优化模型中,主要借鉴L.Vincent分水岭算法中的基于形态学分水岭的分割方法并加以改进来进行图像的层分割。该算法的基本思想是将图像像素点的灰度看作高度,图像中不同灰度值的区域就对应于山峰和山谷盆地,盆地的边缘就是所谓的分水线,分水线这个名称的来历是将图像逐渐沉人一个湖中时:图像的最低点先进水,然后水逐渐漫过整个山谷盆地,当水位达到该盆地的边缘高度时就将溢出。该盆地这时在水溢出处建坝拦截,如此直到整个图像沉入水中,所建的坝就成为分开各个山谷盆地的分水线。在分水岭分割算法中,论文指出分水岭方法计算量较大,且最大的不足之处在于分割算法常会由于噪声和其他诸如梯度的局部不规则性的影响造成过度分割。过度分割足以令应用算法得到的结果变得毫无用处。因此在实际的应用中,采用了改进的分水岭算法的方法,即首先对原始图象进行平滑,将平滑后的图象使用分水岭变换,同一标号的像素属于同一贮水盆地,而将距不同贮水盆地距离相等的像素标为分水岭点,这样就得到了图象的初始分割结果;最后应用灰度齐次性准则和边界强度准则进行区域的融合,从而解决了过度分割问题。实验结果表明,该方法能得到了精确的、有意义的分割结果。最后文章介绍了文档图像层分割的优化模型分割实验,并给出了示例图像的分割情况。就分割的结果与单一的块分割和层分割的实验结果进行了比较。从而说明,优化的层分割模型具有更好的分割效果。