唐鳳仙

摘要：圖像分割技術(shù)關(guān)系到圖像的處理效果，是優(yōu)化圖像的關(guān)鍵技術(shù)。目前對圖像分割方法的研究內(nèi)容較多，由于圖像的特異性和對圖像的需求不同，圖像分割不能確定一個具有廣泛意義的分割方法。該文介紹圖像分割的基本內(nèi)容，針對目前使用較為普遍的圖像分割技術(shù)如閥值分割、基于邊緣的圖像分割以及利用數(shù)學(xué)模型進(jìn)行分割的方法，提出各個分割方法的特點(diǎn)和優(yōu)勢，并介紹圖像分割技術(shù)的應(yīng)用現(xiàn)狀，給圖像分割提供一定的參考和技術(shù)支持。

關(guān)鍵詞：圖像分割；閥值分割；邊緣優(yōu)化；算法分析

中圖分類號：TP302 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2014）25-5974-02

圖像分割是將圖像按照一定方法進(jìn)行劃分，并提取出想要的部分進(jìn)行分析。圖像分割技術(shù)是對圖像進(jìn)行處理的第一步，圖像分割質(zhì)量將對最后的圖像處理效果產(chǎn)生直接的影響，盡管目前業(yè)界已經(jīng)認(rèn)識到圖像分割的重要性，但并沒有統(tǒng)一的方法適用于所有的圖像分割，目前圖像分割技術(shù)已經(jīng)成為計算機(jī)技術(shù)和圖像處理技術(shù)中的重要課題，加強(qiáng)對圖像分割技術(shù)的研究有助于提高圖像分割質(zhì)量。

1 圖像分割的定義

人類可以通過多種感覺感知外界信息，圖像作為視覺感知的主要內(nèi)容，其傳遞的信息更加豐富，但生活中我們可能只對所看到圖像中的一部分感興趣，這部分感興趣的目標(biāo)只是圖像中的一小部分，而且可能與周邊的環(huán)境存在一定差別。圖像分割就是利用計算機(jī)技術(shù)和圖像處理技術(shù)將具有不同特征的圖像部分從總體中提取出來，圖像分割技術(shù)關(guān)系到圖像處理效果的好壞，也逐漸引起人們的重視。

目前對于圖像分割的研究還不夠深入，不能獲得一種通用的辦法對所有的圖像或者大部分圖像進(jìn)行有效的分割，也沒有一種方法能夠兼顧所有需要注意的內(nèi)容。其主要原因在于圖像本身的色彩、內(nèi)容較為復(fù)雜，圖像獲得過程中受到的影響較大，而且對圖像分割質(zhì)量的評判標(biāo)準(zhǔn)無法統(tǒng)一，主觀性較大，因此圖像分割技術(shù)是目前計算機(jī)視覺中的經(jīng)典問題。

2 經(jīng)典的圖像分割方法

從圖像分割技術(shù)提出開始，已經(jīng)出現(xiàn)了成百上千種的圖像分割方法，新的針對圖像分割技術(shù)的算法也在逐漸涌現(xiàn)。盡管這些算法在進(jìn)行圖像分割時采用的方式存在一定的差別，但其本質(zhì)都是基于像素灰度值的不連續(xù)性和相似性兩個特點(diǎn)進(jìn)行的，像素的相似性指的是在圖像的同一個部分，像素的灰度值比較接近，不連續(xù)性指的是在相鄰兩個區(qū)域的連接位置像素的灰度存在跳躍現(xiàn)象。目前的圖像分割技術(shù)主要有以下幾種：閥值分割、基于邊緣的圖像分割和基于函數(shù)的圖像分割。

2.1 閥值分割方法

閥值分割是圖像分割技術(shù)最經(jīng)典的方法之一，該方法主要依靠圖像上各個位置的像素灰度差別進(jìn)行圖像分割。進(jìn)行圖像分割時，針對一個分割圖像，根據(jù)需要設(shè)定一個閥值，就能將圖像進(jìn)行有效的分割，分割后的圖像包括目標(biāo)圖像和背景圖像兩個部分，這種分割方法一般稱為單閥值分割。當(dāng)所要分割的圖像較為復(fù)雜或者對圖像分割的精度要求較高時，單閥值分割不能滿足需要，需要在閥值選擇時同時選擇多個閥值，才能將目標(biāo)圖像分割成想要獲得的結(jié)果，這種分割方法成為多閥值分割。多閥值分割后還要對分割后的目標(biāo)圖像進(jìn)行分析處理，確定目標(biāo)圖像的唯一性。閥值分割方法簡便快捷，能夠在短時間內(nèi)實(shí)現(xiàn)圖像的快速分割，當(dāng)圖像灰度值相差十分明顯時，閥值分割能夠?qū)崿F(xiàn)圖像的快速有效處理，當(dāng)圖像灰度變化很小時，閥值分割的精度有限。此種分割方法的關(guān)鍵在于閥值的選取，近年來對閥值的選取也進(jìn)行了很多的研究，選取方法包括最大相關(guān)性原則、拓?fù)浞€(wěn)定原則、共生矩陣等等，為了提高閥值分割的精度，進(jìn)行閥值選擇時可以考慮多種算法同時使用，這也是圖像分割的前進(jìn)方向。

2.2 基于邊緣的圖像分割技術(shù)

邊緣的定義與其字面意思不同，在圖像分割中可以指代任何出現(xiàn)圖像信息突變的位置，包括圖像的局部不連續(xù)等情況，具體的如圖像的灰度突變或者圖像內(nèi)容的突變等等。在圖像分割中，邊緣意味著某一區(qū)域范圍圖像的結(jié)束和下一范圍圖像的開始，邊緣的檢測目前使用最普遍的是空間微分算子。在灰度存在明顯差別的圖像之中肯定有邊緣的存在，這也是一種邊緣確定的方法，灰度的不連續(xù)能夠利用灰度導(dǎo)數(shù)確定。目前對于邊緣的檢測還包括一次微分、模板操作等方法。對于一些圖像較為簡單，且邊緣過渡十分明顯的圖像，邊緣檢測能夠收到良好的效果，但對于邊緣結(jié)構(gòu)較為復(fù)雜如邊緣不連續(xù)甚至邊緣丟失的圖像，利用這種方法檢測難度較大，而且噪聲的存在會降低檢測的精度，這也給圖像分割帶來了一定的難度。目前普遍使用的方法是先對圖像進(jìn)行降噪處理，然后求導(dǎo)或者進(jìn)行圖像的灰度擬合，利用擬合函數(shù)進(jìn)行分析，這種方法能夠降低噪聲對圖像分割的影響，但分割效果還是差強(qiáng)人意，如何獲得精度較高的邊緣是基于邊緣圖像分割方法將來研究的關(guān)鍵。

2.3 基于函數(shù)優(yōu)化的圖像分割

區(qū)別于傳統(tǒng)的分割方法，這種方法主要利用數(shù)學(xué)函數(shù)對圖像進(jìn)行分割。進(jìn)行圖像分割時，根據(jù)用戶需求和圖像特點(diǎn)確定一個目標(biāo)函數(shù)，利用目標(biāo)函數(shù)的變化曲線確定分割圖像的位置，一些研究人員已經(jīng)提出了廣泛意義上的目標(biāo)函數(shù)，利用統(tǒng)計學(xué)原理、結(jié)合貝葉斯公式對目標(biāo)函數(shù)進(jìn)行處理，進(jìn)而完成圖像的分割是這種分割方法的主流。

利用統(tǒng)計學(xué)的方法對圖像分割主要原理在于，將圖像上的像素點(diǎn)看做隨機(jī)分布的數(shù)學(xué)變量，對數(shù)學(xué)變量進(jìn)行統(tǒng)計，根據(jù)看到的實(shí)際物體情況和分割的目標(biāo)圖像特點(diǎn)進(jìn)行統(tǒng)計學(xué)分析，找到最佳的分割方法，統(tǒng)計學(xué)分割根據(jù)分割方法的不同可以進(jìn)一步劃分為標(biāo)號法、混合分步布等。

基于區(qū)域信息也能進(jìn)行圖像分割，具體方法包括增長法和分裂合并法。增長法可以通過兩種方式實(shí)現(xiàn)，其一是現(xiàn)將所要分割圖像分成多個一致性較強(qiáng)的區(qū)域，然后按照目標(biāo)圖像特點(diǎn)將小區(qū)域融合成大的圖像，實(shí)現(xiàn)圖像分割的目的。其二是在圖像上先劃分出一定范圍的種子區(qū)域，在不斷從周圍引入像素點(diǎn)到種子區(qū)域中，實(shí)現(xiàn)目標(biāo)圖像和背景圖像的分離。分裂合并法與增長法方向相反，利用給定的相似度從圖像的某一點(diǎn)開始，逐漸覆蓋到整個圖像，保留與給定圖像相似度滿足要求的像素點(diǎn)，剔除與圖像相似度較差的像素點(diǎn)，進(jìn)而實(shí)現(xiàn)圖像的分割。

3 結(jié)合特定工具的圖像分割算法

目前并沒有一個適用性較強(qiáng)的圖像分割技術(shù)，近些年國內(nèi)研究人員嘗試將一些新的概念運(yùn)用到圖像分割中，已經(jīng)取得了一定的成果，比如神經(jīng)網(wǎng)絡(luò)和小波分析等數(shù)學(xué)工具的引入，能夠極大程度上提高圖像分割的效果。

3.1 基于遺傳算法的圖像分割

遺傳算法通過模擬生物種群繁衍與進(jìn)化實(shí)現(xiàn)智能化的選擇，從誕生開始就受到人們的重視。隨著對遺傳算法的深入研究，科學(xué)家已經(jīng)將遺傳算法應(yīng)用到各個學(xué)科之中。利用遺傳算法進(jìn)行圖像分割的優(yōu)化研究也有著巨大優(yōu)勢，在進(jìn)行圖像分割時，由于涉及到的信息參數(shù)和用戶需求種類繁多，從多種信息中選擇最優(yōu)解就顯得尤為重要。利用遺傳算法能夠?qū)δ繕?biāo)信息進(jìn)行優(yōu)化選取，得到滿足需求的最優(yōu)解，且能夠縮短優(yōu)選時間。也有一些研究人員將遺傳算法應(yīng)用到圖像分割的信息融合之中，通過遺傳算法自身的特點(diǎn)降低圖像分割難度，能夠解決彩色圖像分割中問題，給彩色圖像的分割提供了新的思路。

3.2 基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的圖像分割

利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和記憶功能能夠提高函數(shù)最優(yōu)解的求解效率，利用函數(shù)分析對目標(biāo)圖像進(jìn)行有效分割，通過神經(jīng)網(wǎng)絡(luò)的高適應(yīng)性能夠極大提高函數(shù)求解速度。神經(jīng)學(xué)的快速發(fā)展也使得神經(jīng)網(wǎng)絡(luò)模型更加全面，能夠適應(yīng)不同功能需要的函數(shù)求解之中，新型的脈沖耦合網(wǎng)絡(luò)功能更加強(qiáng)大，可以根據(jù)用戶需求進(jìn)行神經(jīng)網(wǎng)絡(luò)設(shè)計，也給圖像分割處理提供了新的方向。脈沖耦合神經(jīng)網(wǎng)絡(luò)具有捕獲特性，會產(chǎn)生點(diǎn)火脈沖傳播，對輸入圖像具有時空整合作用，相鄰的具有相似輸入的神經(jīng)元傾向于同時點(diǎn)火。種種優(yōu)點(diǎn)使得脈沖耦合網(wǎng)絡(luò)在處理灰度圖像上有著無與倫比的優(yōu)勢，可以通過分辨圖像灰度對圖像區(qū)域進(jìn)行快速分割。即使要目標(biāo)圖像在一些相鄰的交叉區(qū)域存在灰度重疊現(xiàn)象，也能利用神經(jīng)網(wǎng)絡(luò)的時空整合功能，根據(jù)圖像上的灰度分布情況，實(shí)現(xiàn)圖像的有效分割。這一特點(diǎn)是其他分割方法不具備的，也決定了神經(jīng)網(wǎng)絡(luò)技術(shù)在未來的圖像分割中將起重要作用。

3.3 基于小波分析和變換的圖像分割

小波理論的興起也給圖像分割技術(shù)提供了新的方法，小波理論在解決局部最優(yōu)解上有著獨(dú)特的優(yōu)勢，針對不同分辨率圖像的分析能力也顯著提高，將小波理論應(yīng)用到圖像分割中，能夠解決目前圖像分割在圖像分辨率和求解速度方面的缺陷。作為一種多通道的分析工具，小波分析最適合圖像邊緣檢測。除此之外，小波分析還能夠利用自身的變焦特點(diǎn)，在不同頻率頻段范圍內(nèi)靈活使用各種分辨率，進(jìn)而有效調(diào)整各個圖像頻段的計算速度，也能根據(jù)用戶需求調(diào)整分辨精度。小波分析在圖像分割中的應(yīng)用不止這些，由于小波技術(shù)能夠與遺傳算法等技術(shù)相融合，國內(nèi)已經(jīng)出現(xiàn)了將小波技術(shù)和其它算法結(jié)合的圖像分割技術(shù)，有效地解決了目前圖像分割在圖像處理速度和精度上存在的一些問題。

4 圖像分割的應(yīng)用現(xiàn)狀

圖像分割技術(shù)是圖像處理技術(shù)中的重要組成部分，分割質(zhì)量的好壞直接影響到對圖像的分析和優(yōu)化，隨著圖像分割技術(shù)的日漸普及，其應(yīng)用范圍也更加廣泛，各行各業(yè)中都能找到圖像分割的影子，需要對圖像進(jìn)行目標(biāo)提取或者目標(biāo)測量時都需要進(jìn)行圖像分割。一般情況下，采用圖像分割主要是為了從圖像中提取出目標(biāo)圖像，圖像分割的效果將影響到后續(xù)工作的進(jìn)行，因此保證圖像分割的準(zhǔn)確性十分必要。目前，圖像分割在圖像工程學(xué)中的位置十分重要，其應(yīng)用范圍已經(jīng)遍布醫(yī)學(xué)、軍事、遙感、通信等各個領(lǐng)域，在醫(yī)學(xué)中，圖像分割技術(shù)已經(jīng)應(yīng)用到X光、圖像分析、CT等多個技術(shù)之中，給相關(guān)醫(yī)學(xué)的開展提供了便利。通信時的可視電話與電視會議中也可以看到圖像分割技術(shù)的影子，圖像分割促進(jìn)了通信技術(shù)的發(fā)展。交通管理中常常需要對司機(jī)、乘客等進(jìn)行

指紋識別、人臉識別等，圖像分割技術(shù)將直接影響識別的準(zhǔn)確性。航空航天中對太空情況進(jìn)行探測以及星際圖像的處理分析等都需要用到圖像分割技術(shù)。可以說，圖像分割技術(shù)已經(jīng)滲入到我們生活中的方方面面，隨著計算機(jī)技術(shù)的快速發(fā)展，圖像分割的應(yīng)用也將更加廣泛。

5 結(jié)束語

圖像分割技術(shù)的廣泛應(yīng)用提高了圖像的處理效率，但圖像分割質(zhì)量也變得更加愛重要。由于圖像自身種類繁多的特性，且用戶對圖像有著不同的需要，難以實(shí)現(xiàn)圖像的統(tǒng)一分割。同時，目前的圖像分割技術(shù)在分割效果上還存在不足，單一的圖像分割技術(shù)不能適用于不同的圖像之中，實(shí)際應(yīng)用時往往會同時使用多種技術(shù)已獲得更加優(yōu)秀的圖像質(zhì)量，浪費(fèi)了大量的人力物力。加強(qiáng)對圖像分割技術(shù)的研究，有著深遠(yuǎn)的經(jīng)濟(jì)價值和社會價值，值得進(jìn)一步的深化分析。

參考文獻(xiàn)：

[1] 孫越泓.基于粒子群優(yōu)化算法的圖像分割研究[D].南京：南京理工大學(xué)，2010.

[2] 胡凱.基于馬爾可夫多特征隨機(jī)場模型的腦部MR圖像分割研究[D].湘潭：湘潭大學(xué)，2013.

[3] 符升高.水平集方法用于圖像分割研究[D].西安：西安電子科技大學(xué)，2010.

[4] 付云鳳.基于閾值的圖像分割研究[D].重慶：重慶大學(xué)，2013.

[5] 陳曉丹，李思明.圖像分割研究進(jìn)展[J].現(xiàn)代計算機(jī)：專業(yè)版，2013（33）：33-36.