機器視覺中常用的圖像分割算法主要包括以下幾類：

1. 基于閾值的分割方法：這種方法利用圖像的灰度直方圖信息獲取用于分割的閾值，將圖像的灰度級分為幾個部分，認為屬于同一部分的像素是同一個物體。閾值分割法可分為全局閾值分割法和局部閾值分割法，全局閾值分割法又包括手動閾值分割和自動閾值分割，如雙峰法、迭代法、大津法（OTSU）等。

2. 基于區(qū)域的分割方法：這種方法根據(jù)像素鄰域信息或相似性進行分割。常見的區(qū)域分割方法有區(qū)域生長法、區(qū)域合并法以及聚類分割法等。區(qū)域生長法從一個或多個種子點開始，逐步將具有相似特征的像素合并到同一區(qū)域；區(qū)域合并法則是通過合并具有相似特征的區(qū)域進行分割。

3. 基于邊緣的分割方法：這種方法通過識別圖像中像素強度的突變來定位物體的邊界。常用的邊緣檢測算子有Sobel、Canny、Laplacian等。邊緣檢測法對噪聲敏感，且可能產(chǎn)生偽邊緣。

4. 基于特定理論的分割方法：隨著科技的發(fā)展，圖像分割方法也逐漸出現(xiàn)一些基于特定理論的算法，如數(shù)學(xué)形態(tài)學(xué)法、小波變換法、人工神經(jīng)網(wǎng)絡(luò)法、遺傳算法、基于模糊理論的算法等。這些方法通常具有更強的適應(yīng)性和魯棒性，能夠處理更復(fù)雜的圖像分割任務(wù)。

還有一些其他的圖像分割算法，如全卷積神經(jīng)網(wǎng)絡(luò)（FCN）、DeepLab、SegNet、U-Net、Mask R-CNN等，這些方法在深度學(xué)習(xí)領(lǐng)域得到了廣泛應(yīng)用，特別是在處理復(fù)雜場景和精細分割任務(wù)時表現(xiàn)出色。

機器視覺中常用的圖像分割算法多種多樣，選擇哪種算法取決于具體的應(yīng)用場景和圖像特性。