这类方法按照图像的相似性准则划分不同的区域块。其中较为典型的方法优：种子区域生长法、分水岭法、区域分裂合并法。
种子区域生长法：首先通过一组表示不同区域的种子像素开始，逐步合并与种子周围相似的像素，从而扩大区域，直到无法合并像素点或者区域为止。这个相似性度量可以采用平均灰度值、纹理、颜色等信息。该方法的关键就是如何选择初始的种子像素以及生长准则。
区域分裂合并法：该方法首先要确定分裂合并的准则，然后对图像进行分裂（1->4;4->16...），直到相邻区域满足一致性特征时，将他们合并为一个大区域，直到所有区域不满足分裂合并准则为止。分裂的最差一种情况就是，分裂到单个像素级别，这就类似种子区域生长法了，合并与种子周围相似的像素。但是该方法不同于种子生长法，该方法可以从一个大的区域开始生长，而种子区域生长法只能从一个像素开始。
分水岭法：我们可以获取到图像中某个区域的中的最小灰度值（局部极小值），而这个像素点与周围的环境形成一个集水盆。而这个算法要做的就是不停的像这个集水盆中倒水，如果水位达到一定高度就会溢出，我们在这个溢出的位置修建堤坝。重复这个过程，知道图像中的所有点都被淹没，这时候所建立的堤坝就是分开各个盆地的分水岭。从而实现了图像的分割。该方法对于弱边缘有着较好的分割，但是图像中的噪声会造成过分割现象。
标签：分割,合并,像素,算法,区域,种子,图像 From： https://www.cnblogs.com/peixu/p/16844950.html