王 磊

(蘇州市職業(yè)大學(xué) 計(jì)算機(jī)工程系，江蘇 蘇州 215104)

圖像分割相關(guān)技術(shù)及其應(yīng)用研究

王 磊

(蘇州市職業(yè)大學(xué) 計(jì)算機(jī)工程系，江蘇 蘇州 215104)

圖像分割是圖像處理中的一個(gè)重要問題，也是一個(gè)經(jīng)典難題.文章介紹了常用的圖像分割的常用技術(shù)：如閾值分割方法、邊緣檢測方法和區(qū)域分割方法，以及圖像分割的新技術(shù).應(yīng)用了基于標(biāo)記的分水嶺算法，從仿真實(shí)驗(yàn)結(jié)果可以看出，標(biāo)記的選取是該算法圖像分割的關(guān)鍵.

圖像處理；圖像分割；分水嶺；標(biāo)記

在對圖像的研究和應(yīng)用中，人們往往只對其中的某些目標(biāo)感興趣，這些目標(biāo)一般占據(jù)一定的區(qū)域.為了辨識和分析目標(biāo)，借助圖像分割技術(shù)，將有關(guān)區(qū)域分離提取出來，在此基礎(chǔ)上對目標(biāo)進(jìn)一步利用，如進(jìn)行特征提取和測量等.

1 常用的圖像分割技術(shù)

1.1 閾值選取的圖像分割

閾值方法是灰度圖像分割普遍采用的方法，其實(shí)現(xiàn)簡單、計(jì)算量相對較小、性能也比較穩(wěn)定[1].該類方法首先確定一個(gè)處于圖像灰度取值范圍的灰度閾值，再將圖像中各個(gè)像素的灰度值都與該閾值進(jìn)行比較，并根據(jù)比較結(jié)果將對應(yīng)的像素分類，從而達(dá)到分割的目的.

基于閾值的圖像分割方法一般分為全局閾值方法和局部閾值方法.全局閾值方法對于灰度相差很大的不同目標(biāo)和背景能進(jìn)行有效的分割；當(dāng)圖像的灰度差異不明顯或不同目標(biāo)的灰度值范圍有重疊時(shí)，一般采用局部閾值方法.按照分割的結(jié)果來劃分，閾值分割可分為二元閾值分割和多元閾值分割[2].

1.2 區(qū)域圖像分割

區(qū)域圖像分割算法又稱為區(qū)域生長法，一般采用均勻化的條件，可分為區(qū)域生長、區(qū)域分裂和分裂-合并技術(shù).從本質(zhì)上說，區(qū)域圖像分割就是將各個(gè)像素進(jìn)行分類的過程，可根據(jù)像素的灰度值、顏色或空間特性和紋理特性等對圖像進(jìn)行分割.該類算法對某些復(fù)雜物體定義的復(fù)雜場景的分割或者對某些自然景物的圖像分割，效果較好.

基于區(qū)域的圖像分割方法往往需要人為確定種子點(diǎn)，對噪聲敏感，可能導(dǎo)致區(qū)域內(nèi)有空洞.高曉亮[3]等提出了一種基于灰度特征統(tǒng)計(jì)的可變區(qū)域的分割算法，利用基于全局灰度統(tǒng)計(jì)信息的活動(dòng)輪廓模型進(jìn)行曲線演化，使用水平集表示輪廓，通過不斷改變和縮小分割區(qū)域的策略，利用鄰域替代算法，將分割過程分為多個(gè)階段進(jìn)行.該方法可以自動(dòng)地完成工作而無需人工干預(yù).

1.3 邊緣檢測的圖像分割

數(shù)字圖像的邊緣檢測是圖像分割等圖像分析領(lǐng)域的基礎(chǔ).其基本思想是利用邊緣增強(qiáng)算子，突出圖像中的局部邊緣，從而定義像素的邊緣強(qiáng)度，通過設(shè)置閾值的方法提取邊緣點(diǎn)集，達(dá)到分割圖像的目的.常用的檢測算子有微分算子、拉普拉斯高斯算子(LOG)以及Canny算子.

微分算子中，一般用到的有Robert算子、Sobel算子、Prewitt算子和Laplacian算子.Robed算子是2×2算子，利用局部差分算子尋找邊緣的算子，直接計(jì)算圖像差分，不包含平滑，故不能抑制噪聲，對具有陡峭的低噪聲圖像響應(yīng)最好.Sobel算子和Prewitt算子都是對圖像進(jìn)行差分和濾波，對灰度漸變和噪聲較多的圖像處理較好.Laplacian算子是二階微分算子，其零交叉點(diǎn)也可作為圖像的階躍型邊緣點(diǎn)，而其極小值點(diǎn)可作為圖像的屋頂型邊緣.LOG算子先用高斯函數(shù)對圖像濾波，再對濾波后的圖像進(jìn)行拉普拉斯運(yùn)算，算得的值等于零的點(diǎn)認(rèn)為是邊界點(diǎn).優(yōu)點(diǎn)是過濾了噪聲，缺點(diǎn)是可能將原有的邊緣也給平滑了，高斯函數(shù)的方差直接影響到邊緣檢測的結(jié)果.Canny算子是一階算子，其梯度是用高斯濾波器的導(dǎo)數(shù)計(jì)算的，檢測邊緣的方法是尋找圖像梯度的局部最大值.Canny算子是傳統(tǒng)一階微分中檢測階躍型邊緣效果最好的算子之一，它比Prewitt算子、Sobel算子、Laplacian算子的去噪能力都要強(qiáng)，能夠檢測到弱邊緣，但也容易平滑掉一些邊緣信息.

2 圖像分割新技術(shù)

近年來，遺傳算法、數(shù)學(xué)形態(tài)學(xué)、小波變換等被引入到圖像分割中來，進(jìn)而產(chǎn)生很多新的圖像分割算法.

遺傳算法于1973年由美國學(xué)者Holland提出并在20世紀(jì)90年代被引入到圖像分割領(lǐng)域，其在求解過程中使用隨機(jī)轉(zhuǎn)換規(guī)則來工作.孫鵬飛[4]等將最小誤差分割法與遺傳算法進(jìn)行改進(jìn)并且相互結(jié)合，提出了一種結(jié)合遺傳算法的局部最小誤差孔穴圖像分割法，利用局部圖像信息確定最佳閾值范圍，并根據(jù)模擬退火思想對個(gè)體適應(yīng)度進(jìn)行自適應(yīng)的調(diào)整，該方法能準(zhǔn)確地分割出孔穴圖像.

數(shù)學(xué)形態(tài)學(xué)的基礎(chǔ)是集合論，由一組形態(tài)學(xué)的代數(shù)運(yùn)算子組成，其基本思想和方法對圖像處理產(chǎn)生重大影響，成為計(jì)算機(jī)圖像處理的一個(gè)重要研究領(lǐng)域.數(shù)學(xué)形態(tài)學(xué)用于圖像分割最典型的例子就是分水嶺算法(Watershed變換).劉榮[5]等把分水嶺和圖像分割相結(jié)合，實(shí)現(xiàn)了三維空間上序列輪廓的自動(dòng)提取，該算法在分割效果和分割時(shí)間都優(yōu)于傳統(tǒng)算法.

小波變換是在傅里葉分析的基礎(chǔ)上發(fā)展起來的，是一種在空間域和頻率域同時(shí)擁有分辨性的多尺度的分析方法，劉洲峰[6]等提出了基于小波變換多分辨率分析方法與改進(jìn)分水嶺分割算法相結(jié)合的綜合分割方法，利用逐層影射和小波反變換得到高分辨率的圖像，能有效地減少分水嶺算法圖像過分分割的現(xiàn)象.

3 本研究采用的方法

本研究所采用的是一種基于標(biāo)記的分水嶺算法的圖像分割方法[7]，分水嶺算法是一種基于拓?fù)淅碚摰臄?shù)學(xué)形態(tài)學(xué)的分割方法，近年來基于形態(tài)學(xué)的分水嶺算法因其計(jì)算速度快，且能精確定位圖像的邊緣而受到極大關(guān)注.

3.1 分水嶺算法

分水嶺算法的基本思想是基于局部極小值和積水盆的概念，一般分排序過程和淹沒過程兩個(gè)步驟，先對每個(gè)像素的灰度級進(jìn)行從低到高排序，然后再從低到高實(shí)現(xiàn)淹沒，從而得到輸入圖像的積水盆圖像，積水盆之間的邊界點(diǎn)即為分水嶺，分水嶺表示的是輸入圖像極大值點(diǎn).為得到圖像的邊緣信息，通常把梯度圖像作為輸入圖像，即

式中：f(x，y)表示原始圖像；grad{.}表示梯度運(yùn)算.

分水嶺算法對微弱邊緣具有良好的響應(yīng)，圖像中的噪聲、物體表面細(xì)微的灰度變化，都會(huì)產(chǎn)生過度分割的現(xiàn)象，如圖1所示.同時(shí)可以看出，分水嶺算法對微弱邊緣具有良好的響應(yīng)，是得到封閉連續(xù)邊緣的保證.

為降低分水嶺算法產(chǎn)生的過度分割，通常要對梯度函數(shù)進(jìn)行修改，一個(gè)簡單的方法是對梯度圖像進(jìn)行閾值處理，以消除灰度的微小變化產(chǎn)生的過度分割.即

式中g(shù)θ表示閾值.

3.2 基于標(biāo)記的分水嶺算法

因?yàn)榉炙畮X是以梯度圖的局部最小點(diǎn)作為積水盆地的標(biāo)記點(diǎn)，會(huì)出現(xiàn)過度分割現(xiàn)象.實(shí)際應(yīng)用中首先確定圖像中目標(biāo)的標(biāo)記，再進(jìn)行生長，并在生長過程中僅對具有不同標(biāo)記的標(biāo)記點(diǎn)建筑防止溢流匯合的壩，產(chǎn)生分水嶺，這就是基于標(biāo)記的分水嶺算法.其過程主要分為3個(gè)步驟：①對原始圖像進(jìn)行梯度變換，得到梯度圖；②用合適的標(biāo)記函數(shù)把圖像中相關(guān)的目標(biāo)及背景計(jì)算出來，得到標(biāo)記圖；③將標(biāo)記圖中相應(yīng)標(biāo)記作為種子點(diǎn)，對梯度圖像進(jìn)行Watershed變換，得到分水嶺.

圖2是基于標(biāo)記的分水嶺算法的圖像分割，由圖1、圖2比較看出運(yùn)用合適的標(biāo)記可以盡量避免過度分割的現(xiàn)象.

圖1 分水嶺算法圖像分割

圖2 基于標(biāo)記的分水嶺算法圖像分割

4 結(jié)論

本文主要對圖像分割相關(guān)技術(shù)及其應(yīng)用進(jìn)行論述，應(yīng)用了基于標(biāo)記的分水嶺算法進(jìn)行圖像分割，從仿真實(shí)驗(yàn)結(jié)果可以看出，標(biāo)記的選取是該算法圖像分割的關(guān)鍵，在標(biāo)記的基礎(chǔ)上把相鄰的具有相似性質(zhì)的區(qū)域合成為一個(gè)區(qū)域，可以有效解決傳統(tǒng)分水嶺算法導(dǎo)致的過度分割現(xiàn)象.

[1]王國權(quán)，周小紅，蔚立磊. 基于分水嶺算法的圖像分割方法研究[J]. 計(jì)算機(jī)仿真，2009，26(5)：255-258.

[2]陳兵旗，孫明. 實(shí)用數(shù)字圖像處理與分析[M]. 北京：中國農(nóng)業(yè)大學(xué)出版社，2007：56-68.

[3]高曉亮，王志良，劉冀偉，等. 基于灰度特征統(tǒng)計(jì)的可變區(qū)域圖像分割算法[J]. 光學(xué)學(xué)報(bào)，2011，31(1)：1-6.

[4]孫鵬飛，任洪娥，董本志. 結(jié)合遺傳算法的局部最小誤差孔穴圖像分割法[J]. 計(jì)算機(jī)工程與應(yīng)用，2012，48(7)：169-171.

[5]劉榮，彭艷敏，唐粲，等. 基于分水嶺與圖割的自動(dòng)分割方法[J]. 北京航空航天大學(xué)學(xué)報(bào)，2012，38(5)：636-640.

[6]劉洲峰，徐慶偉，李春雷. 基于小波變換的圖像分割研究[J]. 計(jì)算機(jī)應(yīng)用與軟件，2009，26(4)：62-64.

[7]張德豐. Matlab數(shù)字圖像處理[M]. 北京：機(jī)械工業(yè)出版社，2009：209-246.

Image Segmentation Technique and Its Application

WANG Lei

(Department of Computer Engineering，Suzhou Vocational University，Suzhou 215104，China)

Image segmentation is an important issue and it’s also a classical problem.In this paper three kinds of image segmentation technology are intruduced. They are threshold segmentation method，Edge detection method and region segmentation method. New technology of Image segmentation is also described.Watershed algorithm based on tag is applied in this paper. From the simulation results we conclude that marker selection is the key to image segmentation algorithm.

image processing；image segmentation；watershed；marker

TP317.4

A

1008-5475(2012)04-0010-03

2012-09-18；

2012-10-15

王 磊(1978-)，女，江蘇鹽城人，講師，碩士，主要從事·net平臺(tái)開發(fā)、圖像處理研究.

(責(zé)任編輯：李 華)