CCD视觉检测中的图像切割是将图像分成若干有些每一有些对应于某一物体外表在进行切割每一有些的灰度或纹路符合某一种均匀测度衡量。某实质是将像素进行分类。分类的 依据是像素的灰度值、颜色、频谱特性、空间特性或纹路特性等。

CCD视觉检测中图像切割是图像处理技能的根本办法之一使用于比如染色体分类、景物了解体系、机器视觉等方面。 通常按两种准则进行图像切割一是依据点有关的切割技能即依据各个像素点的灰度不连续性进行切割二是依据区域有关的切割技能即依据同一区域具有类似 的区域或安排特征这一特征寻求不一样区域之鸿沟。 依据这两条准则图像切割 办法分为依据直方图、依据边际、依据区域、依据区域和边际切割等办法。

一般有两种办法一是鉴于衡量空间的灰度阈值切割法。它是依据图像灰度直方图来决议图像空间域像素聚类。但它只运用了图像灰度特征并没有运用图像中的其它有用信息 使得切割成果对噪声非常灵敏二是空间域区域增加切割办法。它是对在某种意义上如灰度级、安排、梯度等具有类似性质的像素连通集构成切割区域该办法有极好的切割。作用但缺陷是运算杂乱处理速度慢。其它的办法如边际追寻法、锥体图 像数据结构法、标记松懈迭代法、依据常识的切割办法等等。通常简略图像的切割如陶瓷插针CCD图像的切割用灰度阈值切割法就足够了。 灰度阈值切割法是一种根本区域的技能这种办法是把每一个像素的灰度值与一个阈 值进行比较依据它是不是超越该阈值而将该像素归于两类中的一类。其关键在于阈值 的核算与挑选。

现在大有些CCD视觉检测系统都选用LED做为外部光源，实践上在运用在当外部光源照明不均匀、有突变噪音或许布景灰度改变比较大时整幅图像切割将没有合适的单一阈值因为单一的阈值不能统筹图像各个像素的实践情况。这时可对图 像按照坐标分块对每一个分别挑选一个阈值进行切割这种与坐标有关的阈值称为 动态阈值法。这类算法的时刻杂乱度和空间杂乱度比较大但是抗噪音才能较强对 选用大局阈值不容易切割的图像有比较好的作用。动态阈值的挑选比较简略的法则是对每个像素断定以它为基地的一个邻域窗口 核算窗口内像素的最大值和最小值然后取它们的均值作为阈值。