朱姝　王鵬　周星勇

【摘 要】彩色圖像分割是數(shù)字圖像處理和計算機視覺鄰域的關(guān)鍵問題。文章對傳統(tǒng)的彩色圖像分割方法進(jìn)行了總結(jié)，對新型分割算法進(jìn)行了闡述，最后對彩色圖像分割方法發(fā)展趨勢進(jìn)行了展望。

【關(guān)鍵詞】彩色圖像分割；數(shù)學(xué)形態(tài)學(xué)；蟻群算法；熵；Meanshift

圖像分割是根據(jù)像素間性質(zhì)將其劃分為圖像中滿足一致性條件的區(qū)域的過程。近年來，由于包含了更為豐富的色彩信息，彩色圖像分割研究受到越來越多的關(guān)注。文章在查閱國內(nèi)外相關(guān)文獻(xiàn)的基礎(chǔ)上，將彩色圖像分割方法分為基于閾值、基于邊緣、基于區(qū)域和基于理論融合等方法并對每一類方法進(jìn)行總結(jié)。

一、彩色圖像分割方法

（一）基于閾值分割方法

基于閾值的分割方法基于兩個假設(shè)：第一，圖像上存在明顯的目標(biāo)與背景的區(qū)別，兩者之間有較強的亮度（灰度）對比；第二，圖像灰度直方圖上有明顯的目標(biāo)和背景所對應(yīng)的峰，兩峰之間谷底所對應(yīng)的灰度值便是較理想的分割閾值。閾值分割利用目標(biāo)和背景的差異將原圖分割為一幅二值圖。

（二）基于邊緣分割方法

基于邊緣的彩色圖像分割方法通過檢測區(qū)域邊緣從而通過邊緣確定區(qū)域內(nèi)的灰度或顏色信息，進(jìn)行圖像分割。邊緣檢測之后還需進(jìn)行結(jié)果修飾處理，如連接邊緣、去除毛刺和虛假邊緣等。

（三）基于區(qū)域分割方法

區(qū)域生長與區(qū)域分裂合并是最主要的兩類基于區(qū)域的彩色圖像分割方法。區(qū)域生長從單個像素出發(fā)，根據(jù)像素與相鄰點的顏色相似度判斷是否“生長”，直到生長為一個完整區(qū)域。區(qū)域分裂與合并恰好相反，它從圖像整體出發(fā)，不斷地將圖像“分裂”為更小的區(qū)域，直到像素間滿足相似條件為止停止分裂，得到所需結(jié)果。

（四）基于特定理論融合的分割方法

隨著其他學(xué)科不斷發(fā)現(xiàn)新理論方法，人們?yōu)樘岣邎D像分割處理的效率和質(zhì)量，提出了新的融合特定理論的彩色圖像分割算法。

1982年Serra J.首先將數(shù)學(xué)形態(tài)學(xué)用于圖像分割。分水嶺是數(shù)學(xué)形態(tài)學(xué)在圖像分割中的經(jīng)典案例，包括兩個主要步驟：排序和淹沒。排序是對灰度級進(jìn)行排序，并將像素分配到對應(yīng)的灰度級中；淹沒計算了地理影響區(qū)域，對積水盆地進(jìn)行膨脹，完成圖像分割。

蟻群算法是根據(jù)螞蟻覓食過程中選擇路徑這一行為提出的群體智能算法。2011年，Horng將人工蜂群算法應(yīng)用于圖像閾值分割。2013年，邢旭東等提出了一種基于雙搜索方程的人工蜂群彩色圖像分割算法，實現(xiàn)了分割速度和精度的提高。

熵與圖像分割的融合研究一直備受關(guān)注，借助熵構(gòu)造不同的熵函數(shù)能夠確定最優(yōu)分割閾值。1980年，Pun首次提出了最大后驗熵上界法；2005年，常發(fā)亮等提出了基于可變碼長遺傳算法的二維熵多閾值方法自動確定分割閾值，完成彩色圖像分割。

均值漂移算法是一種無參估計方法，其本質(zhì)是使核函數(shù)中心不斷向概率密度梯度方向移動，直到收斂至概率密度最大處。2010年，王晏等提出了基于自適應(yīng)均值漂移的彩色圖像分割方法；2012年，桂陽等融合均值飄逸和加權(quán)譜聚類用于彩色圖像分割，取得了較好效果。

二、彩色圖像分割發(fā)展趨勢

隨著數(shù)學(xué)形態(tài)學(xué)、群體智能算法、信息熵及均值漂移等方法與傳統(tǒng)分割算法的不斷融合，彩色圖像分割的發(fā)展趨勢向優(yōu)化算法性能、新理論突破、面向特定應(yīng)用等方面轉(zhuǎn)變。如何研發(fā)出一種通用、準(zhǔn)確、高效的彩色圖像分割算法，在很長一段時間內(nèi)仍是國內(nèi)外學(xué)者的研究熱點。

三、結(jié)語

當(dāng)前，彩色圖像分割在圖像處理及計算機視覺領(lǐng)域占有一席之地。文章從傳統(tǒng)方法和新理論融合兩個方面對彩色圖像分割方法進(jìn)行了總結(jié)，今后將繼續(xù)彩色圖像分割的學(xué)習(xí)，致力于研發(fā)一種通用、高效的彩色圖像智能分割算法。

參考文獻(xiàn)

[1] 許新征，丁世飛，史忠植等.圖像分割的新理論和新方法[J].電子學(xué)報，2010，38（z1）：76-82.

[2] Grzeszczuk R P，Levin D N.“Brownian strings”：Segmenting images with stochastically deformable contours[J].Pattern Analysis & Machine Intelligence IEEE Transactions on，1997，19：1100-1114.

[3] 翁秀梅，肖志濤，楊洪薇.基于邊緣檢測和區(qū)域生長的自然彩色圖像分割[J].天津工業(yè)大學(xué)學(xué)報，2008，27（01）：50-52.

[4] Serra J.Mathematical Morphology[M].London，UK：Academic Press，1982.

[5] Dorigo M，Di C G，Gambardella L M.Ant algorithm for discrete optimization[J].Artificial Life，1999，5（2）：137 - 172.

[6] Horng M H.Multilevel thresholding selection based on the artificial bee colony algorithm for image segmentation[J].Expert Systems with Applications，2011，38（11）：13785-13791.

[7] 邢旭東，周旭，米健.基于改進(jìn)的人工蟻群的圖像分割算法[J].無線電通信技術(shù)，2013（06）：71-73+81.

[8] Pun T.A new method for gray-level picture threshold using the entropy of the histogram[J].Signal Processing，1980，2（03）：223-237.

[9] 常發(fā)亮，劉靜，喬誼正.基于遺傳算法的彩色圖像二維熵多閾值自適應(yīng)分割[J].控制與決，2005，20（06）：674-678.

[10] 王晏，孫怡.自適應(yīng)Mean Shift算法的彩色圖像平滑與分割算法[J].自動化學(xué)報，2010，36（12）：1637-1644.

[11] 桂陽，苑云，杜晶.融合均值漂移和加權(quán)譜聚類的彩色圖像分割[J].計算機應(yīng)用研究，2012，29（09）：3528-3530.

基金項目：文章為四川省國土資源廳科研資助項目，項目編號：KJ-2016-15；文章為四川省教育廳科研資助項目，項目編號：15ZA0060。

作者簡介：朱姝（1991- ），女，四川自貢人，碩士，研究方向：計算機視覺與圖像處理。