在對處理后的圖像數據進行分析之前，圖像分割是最重要的步驟之一。它的主要目標是將圖像化分為與其中含有的真實世界的物體或區域有槍相關性的組成部分。
根據目標可將圖像分割分為：
- 完全分割 —— 結果是一組唯一對應於輸入圖像中物體的互不相交的區域。
- 部分分割 —— 區域並不直接對應於圖像物體。
其中圖像數據的不確定性是主要的分割問題之一，通常伴隨着信息噪聲。
按照主要特征可以將分割方法分為：
- 有關圖像或部分的全局知識，常用直方圖表示。
- 基於邊緣的圖像分割
- 基於區域的圖像分割
一、閾值化
灰度閾值化是最簡單的分割處理。很多物體或圖像區域表征為不變的反射率或其表面光的吸收率，可以確定一個亮度常量——閾值，從而來分割物體和背景。
方法主要是依據對所有像素的函數值與閾值 T 比較，從而確定是物體像素 or 背景像素。應用舉例如下圖：
（一） 閾值檢測方法
1. \(p\) 率閾值化
需要事先知道經過分割后的圖像的某種性質，就可以簡化閾值選擇的任務，因為閾值可以確保該性質得以滿足的條件來選擇。
缺點：通常沒有關於面積比率的先驗信息。
2. 模式方法
二模態閾值檢測算法通常首先尋找最大的局部極大值，然后取它們之間的極小值作為閾值，這種技術稱為模式方法。
還有一些其他的閾值檢測方法，例如：直方圖凹度分析、熵方法、松弛法、多閾值方法等。
（二）最優閾值化
將圖像的直方圖用兩個或更多個正態分布的概率密度函數來近似的方法，代表一種被稱為最優閾值化的方法。這一方法在圖像對比度條件變化很大的范圍內性能良好。
將最優化和自適應閾值化結合起來的方法可應用與腦MR圖像的分割。這種方法的局部子區域中計算局部直方圖，以確定最優灰度分割函數。
（三）多光譜閾值化
許多實際的分割問題需要比單一譜段所含的更多的信息。例如，彩色圖像的信息包含在三個譜段中，氣象衛星圖像可能具有更多的譜段。一種分割方法是在每個譜段中獨立確定閾值，然后綜合起來形成單一的分割圖像。
例如，下圖的算法步驟解釋：
二、基於邊緣的分割
基於邊緣的分割代表了一大類基於圖像邊緣信息的方法。基於邊緣的分割依賴於由邊緣檢測算子找到的圖像邊緣，這些邊緣表示除了圖像在灰度、彩色、紋理等方面不連續的位置。
在分割處理中可獲得的先驗信息越多，能達到的分割效果越好。
（一）邊緣圖像閾值化
在邊緣圖像中幾乎沒有0值像素，但是小的邊緣值對應於由量化噪聲、弱不規則照明引起的費顯著的灰度變化。可以對邊緣圖像做簡單的閾值化處理排除這些小的數值。這種方法是基於圖像的邊緣幅度由合適的閾值處理實現。
（二）邊緣松弛法
由於邊緣圖像閾值化方法得到邊界受圖像噪聲的影響很大，經常會遺漏重要的部分。通過在它們相互鄰域的上下文中考慮邊緣的性質能夠增加圖像的品質。
所有的圖像性質包括進一步的邊緣存在性在內，都經過迭代評價而精確性提高，直至所有的邊緣上下文完全清晰位置。這種評價是基於指定局部鄰域內的邊緣強度進行的，每個邊緣的信度可能被增加 or 被減小。
（三）邊緣跟蹤
如果區域的邊界未知，單區域本身在圖像中已經定義了，那么邊界可以唯一地檢測出來。算法如下：
還有一些其他的搜索方法，eg.基於圖的邊緣跟蹤、作為動態規划的邊緣跟蹤、Hough變換、使用邊界未知信息的邊界檢測等方法。
三、基於區域的分割
以區域的邊界構造區域以及檢測存在的區域的邊界是容易做到的。但是，通過基於邊緣的方法和由區域增長方法得到的分割，通常並不總是相同的。因此引入了基於區域的分割方法。
（一）區域歸並
最自然的區域增長方法是原始圖像數據上開始增長，每個像素表示一個區域。算法如下：
（二）區域分裂
與區域歸並相反，從將整個圖像表示為單個區域開始，該區域一般不能滿足條件\(H(R_i) = True,i=1,2,...S\)。
區域分裂方法一般使用與區域歸並方法相似的准則，區別僅在於應用的方向上。
（三）分裂與歸並
這種方法可以兼有分裂與合並兩種方法的優點。分裂與歸並方法在金字塔圖像表示上進行，區域是方形的與合適的金字塔層元素對應。
算法如下圖：
除以上之外，還有分水嶺分割、區域增長后處理等方法。