黃 誼，任 毅

（中北大學 信息與通信工程學院 山西太原 030051）

0 引言

圖像分割是圖像處理到圖像分析的關鍵步驟，在圖像工程中占據(jù)重要的位置。一方面，它是目標表達的基礎，對特征測量有重要的影響。另一方面，因為圖像分割及其基于分割的目標表達、特征提取和參數(shù)測量等將原始圖像轉化為更抽象更緊湊的形式，使得更高層的圖像分析和理解成為可能[1]。

在圖像分割領域中，許多從事圖像研究的學者提出并實現(xiàn)了多種不同風格的分割方法，以自適應閾值法為例，它雖然具有閾值計算精確的優(yōu)點，但其精確閾值計算卻嚴重依賴于獲得精確的邊緣，而獲得精確的邊緣同樣也是圖像研究領域的一大難題[2]。本文提出一種基于閾值分割法和區(qū)域生長法相結合的分割方法，該算法的目標是保證分割結果相對合理的前提下使運算盡量簡單，以進一步提高分割的效率。

1 閾值分割法

假設圖1所示的灰度直方圖對應一幅圖像f( x,y)。這幅圖像由亮的對象和深的背景組成，從背景中提取對象的一種顯然的方法是選擇一個閾值T，將背景和對象分離開[3]?；谠撜撌觯撝堤幚砜梢钥闯墒且粋€關于T的函數(shù)：

其中f(x, y)是點(x, y)的灰度級，p(x, y)表示這個點的局部性質(zhì)，例如以(x, y)為中心的鄰域平均灰度級。經(jīng)閾值處理后的圖像定義為：

當T僅取決于f(x, y)時，即僅取決于灰度級值時，此時閾值稱為全局閾值。如果T取決于f(x, y)和p(x, y)，則閾值稱為局部閾值。另外，如果T取決于空間坐標(x, y)，則閾值稱為動態(tài)閾值或自適應閾值。

2 區(qū)域生長法

以選定的種子點作為目標的起始像素，從該生長點出發(fā)，按照事先制定的生長規(guī)則和生長順序對生長點附近的像素進行一致性檢測，也就是判斷其鄰域的灰度均值是否滿足一致性判別準則[4]。如果滿足，就把這些像素并入生長區(qū)中，反之則丟棄，從而完成目標的分割?，F(xiàn)在給出一個區(qū)域生長的示例。

矩陣(a)是需要分割的圖像矩陣，已知兩個種子像素(以單雙下劃線標記)，現(xiàn)采用的判斷標準是：如果所考慮的像素與種子像素灰度值的絕對值小于某個門限T，則將該像素包括進種子像素所在區(qū)域。矩陣(b)給出T=2時的區(qū)域生長結果，有些像素無法判定；矩陣(c)給出T=3時的區(qū)域生長結果，整幅圖被較好地分成兩個區(qū)域；矩陣(d)給出了T=9時的區(qū)域生長結果，整幅圖都被分在一個區(qū)域中了。由示例可知，區(qū)域生長中的主要問題有[5]：一是選擇或確定一組能正確代表所需區(qū)域的種子像素；二是確定在生長過程中能將像素包括進來的準則；三是制定讓生長停止的條件或規(guī)則。

3 基于閾值法與區(qū)域生長法相結合的圖像分割方法

單一的分割方法不能獲得滿意的結果，我們很自然地想到能否將多種分割方法的優(yōu)勢互補，以得到更加令人滿意的分割結果，即通過將若干種分割方法有機地結合，以達到改善分割效果的目的[6-8]。假定R是已經(jīng)生長得到的部分目標區(qū)域，并將R作為種子區(qū)域，其均值m和標準差σ的表達式如下：

采用灰度均值作為一致性判別的依據(jù)的話，那么判別條件，也就是灰度變化的閾值T可以表示為：

式中，Tc是人為設定的反映生長條件苛刻程度的量，而由灰度閾值變化可以列出生長準則不等式。

綜上所述，我們采用的方法為：首先用自適應閾值分割方法中的最大類間方差法獲取最佳灰度閾值T1；然后，將該閾值應用到區(qū)域生長法的生長準則當中，作為它的一個約束條件。即：

這樣的話，在進行區(qū)域生長的時候，是否將新的測試像素并入生長區(qū)，不再由區(qū)域生長法原來的生長規(guī)則單獨決定，還要受到T1的制約。這種制約可以帶來兩個方面的優(yōu)勢：一是由于T1的約束，Tc可以取得稍微大一些，這樣可以盡可能避免目標本身灰度不均勻造成的欠分割現(xiàn)象；二是可以有效防止目標邊界模糊造成的過分割現(xiàn)象。

4 實驗結果分析

本文選取的樣本圖像是一顆在山林的上空飛行的導彈的256級灰度圖像如圖1所示。圖2是用閾值法分割得到的二值化圖像，可見噪聲干擾比較嚴重；圖3、圖4這兩幅圖像是采用區(qū)域生長法得到的；圖3顯示的是Tc取得太小，造成的欠分割；圖4顯示的是Tc取得太大，造成的過分割。圖5是將閾值法和區(qū)域生長法結合之后分割得到的圖像。

圖1 原始圖像

圖2 閾值法

圖3 Tc=8欠分割

圖4 Tc=20過分割

圖5 相結合的方法

5 結論

本文采用了基于閾值法與區(qū)域生長法形結合的圖像分割方法，并對上述圖像進行了分割。實驗結果表明，用閾值法對圖像進行分割無法得到理想的效果，會產(chǎn)生噪聲干擾；區(qū)域生長法雖然不會產(chǎn)生噪聲干擾，但是會出線欠分割和過分割的現(xiàn)象，因此實驗效果也不理想；最后采用的相結合的方法得到了較理想的效果。在圖像分割領域中，該分割算法不僅適用于較簡單的圖像分割問題，而且適用于分割因照明不均勻使得圖像質(zhì)量受到一定影響的這樣一類較復雜的圖像的分割。

[1]陳方昕.基于區(qū)域生長法的圖像分割技術[J].科技信息,2008,4(15):58-59.

[2]羅文村.基于閾值法和區(qū)域生長法綜合集成的圖像分割法[J].現(xiàn)代計算機,2001.5(25):13-14.

[3]Rafael C.Gonzalez Richard E.Woods.Digital Image Processing(Second Edition)[M].北京:電子工業(yè)出版社,2010:482-483.

[4]李久權,王平,王永強,等.CT 圖像分割幾種算法[J].微計算機信息,2006,22(21):240-242.

[5]閆成新,桑農(nóng),張?zhí)煨?基于過渡區(qū)提取的多閾值圖像分割[J].華中科技大學學報:自然科學版,2005,33(1):65-67.

[6]片兆宇.圖像分割若干問題的研究與應用[D].沈陽:東北大學,2009.

[7]Gray A.Automatic recognition of welding defects in real-time radiography[J].NDT Intern ational,1990,23(3):131-136.

[8]羅希平,田捷,諸葛嬰,等.圖像分割方法綜述[J].模式識別與人工智能,2009,12(3):300-312.