（1）好的检测性能。即具有低的把真实边缘点为非边缘点或把非边缘点误判断
为边缘点的概率。
（2）好的定位性能。即判断为边缘的点应尽可能靠近真实边缘的中心。
（3）唯一性。即对于单个边缘点仅有一个响应。因为第一准则可能对相同的边缘
给出两个响应，所以必须认为其中有一个是假的。第一准则不能给出单一响应，必须进行明晰化操作。
5．2 方差度量[8]
根据聚类分析中离差平方和方法的思想，对于给定的分类数，如果分类是恰当的，那么同一类样本的离差平方和比较小，而类间离差平方和比较大，二者之比比较小。因此，对于给定的分类数，比值越小,分类的准确度就越高。
设图像I 被分割为K 类：I1 ，I2 ,……,Ik ,像素点 p 也相应的分为K 类：G1 , G2,……,GK ,类内离差平方和与类间离差平方和分别定义为：
其中， f(p)表示像素点 p 处对应的彩色灰度值，一般为 3 维向量， 表示第k 类像素点对应彩色灰度向量的均值， Nk为第k 类的像素点个数。记：J = SW2/SB2。在某种彩色空间，图像分割越准确，J 的值就应越小。
在两个空间下的图像分割结果如表1。
（3）根据表1的数据，为了进一步检验RGB与HSI的两组J值之间是否存在显著差异，利用SAS软件进行了方差分析。其结果如表2。
（4）由表1的数据可知，有18幅图像在RGB空间的J值比在HSI空间的小，而只有两幅图像在HSI空间下的J值比较小，总体反映出用分水岭分割方法对图像进行分割时，在RGB空间下的分割效果比在HSI空间下的分割效果好。由表2可知，两种空间下的显著水平为0.1797,故两种空间下的分割效果在0.1水平下不显著。 |
