The liver is considered as one of the complicated organs in human body. It has close proximity to the neighboring organs in abdomen with numerous anatomical variations. It is difficult to find out the severity of disease connected to the liver unless the scanned image is subjected to segmentation process. The difficulty level also varies with the diseases that affect the liver. Any of the disease alters its density, homogeneity, color and texture. Liver image segmentation is necessary to identify the complexity and severity of the disease and it remains as an open challenge to researchers. Among all liver segmentation algorithms, threshold segmentation is fastest, simplest and numerically less complex. The accuracy of threshold-based segmentation lies in the selection of threshold values which separates foreground and background. This paper proposes a novel multi-threshold liver segmentation model based on “Slope Difference Distribution” (SDD) of image histogram. It consists of three stages. In the first stage, the noise in Computed Tomography (CT) scan image is reduced using a median filter. In the second stage, automatic threshold values are obtained from SDD of image histogram. These threshold values separate the liver image accurately from abdominal CT scan image. In the third stage, seed points are selected automatically which grow outwardly using the Fast Marching Method (FMM) discovering liver border in CT scan image. The proposed model is tested on 55 CT scan images and it is providing satisfactory results.

肝脏被认为是人体复杂的器官之一。它与腹部的邻近器官非常接近，具有许多解剖学变异。除非对扫描图像进行分割处理，否则很难找出与肝脏相关的疾病的严重程度。难度也因影响肝脏的疾病而异。任何疾病都会改变其密度、均匀性、颜色和质地。肝脏图像分割对于识别疾病的复杂性和严重性是必要的，这对研究人员来说仍然是一个公开的挑战。在所有肝脏分割算法中，阈值分割是最快、最简单且在数值上不那么复杂的。基于阈值的分割的准确性在于选择分离前景和背景的阈值。本文提出了一种新的基于图像直方图“斜率差分分布”（SDD）的多阈值肝脏分割模型。它由三个阶段组成。在第一阶段，使用中值滤波器降低计算机断层扫描 (CT) 扫描图像中的噪声。第二阶段，从图像直方图的SDD中获取自动阈值。这些阈值准确地将肝脏图像与腹部 CT 扫描图像分开。在第三阶段，自动选择种子点，使用快速行进法（FMM）在CT扫描图像中发现肝脏边界向外生长。所提出的模型在 55 个 CT 扫描图像上进行了测试，并提供了令人满意的结果。在第一阶段，使用中值滤波器降低计算机断层扫描 (CT) 扫描图像中的噪声。第二阶段，从图像直方图的SDD中获取自动阈值。这些阈值准确地将肝脏图像与腹部 CT 扫描图像分开。在第三阶段，自动选择种子点，使用快速行进法（FMM）在CT扫描图像中发现肝脏边界向外生长。所提出的模型在 55 个 CT 扫描图像上进行了测试，并提供了令人满意的结果。在第一阶段，使用中值滤波器降低计算机断层扫描 (CT) 扫描图像中的噪声。第二阶段，从图像直方图的SDD中获取自动阈值。这些阈值准确地将肝脏图像与腹部 CT 扫描图像分开。在第三阶段，自动选择种子点，使用快速行进法（FMM）在CT扫描图像中发现肝脏边界向外生长。所提出的模型在 55 个 CT 扫描图像上进行了测试，并提供了令人满意的结果。使用快速行进法 (FMM) 在 CT 扫描图像中发现肝脏边界，自动选择种子点向外生长。所提出的模型在 55 个 CT 扫描图像上进行了测试，并提供了令人满意的结果。使用快速行进法 (FMM) 在 CT 扫描图像中发现肝脏边界，自动选择种子点向外生长。所提出的模型在 55 个 CT 扫描图像上进行了测试，并提供了令人满意的结果。