韓白靜+劉歡

摘要 隨著工業(yè)生產(chǎn)智能化的不斷發(fā)展，圖像分割多年來一直受到眾多學(xué)者的高度關(guān)注。關(guān)于圖像分割的方法也是層出不窮。本文從圖像分割的簡(jiǎn)介開始談起，粗略地論述了幾種常見的分割方法，然后較詳細(xì)討論了幾種分割方法的優(yōu)缺點(diǎn)和適用范圍，最后給出了總結(jié)并展望以后圖像分割算法的發(fā)展趨勢(shì)。

關(guān)鍵詞

圖像分割；分割方法；發(fā)展趨勢(shì)

1圖像分割簡(jiǎn)介

圖像分割是指將一幅完整的圖像分解成若干個(gè)互不交疊的、有意義的、具有獨(dú)特性質(zhì)的區(qū)域然后根據(jù)需求提出自己感興趣目標(biāo)的技術(shù)和過程。它是圖像識(shí)別和圖像理解的最基本步驟，其分割效果的好壞關(guān)系到后面圖像處理的結(jié)果，甚至最終決定其成敗。而圖像分割的好壞最重要的是取決于所用到的算法。圖像分割算法的質(zhì)量和效率對(duì)圖像系統(tǒng)的性能起著關(guān)鍵作用。

2常見的幾種分割方法

從20世紀(jì)60年代以來，好多國(guó)內(nèi)外學(xué)者提出了許多關(guān)于圖像分割的算法，主要是基于閾值、基于區(qū)域、基于邊緣和基于特定理論的分割方法。而閾值分割方法是圖像分割中很古老但又簡(jiǎn)單方便的常用方法?；趨^(qū)域的分割方法基本思想是將具有相似性質(zhì)的像素點(diǎn)集合起來構(gòu)成區(qū)域?；谶吘墮z測(cè)的分割方法是圖像分割最重要的一種，是實(shí)現(xiàn)基于邊界的圖像分割的重要基礎(chǔ)。邊緣的檢測(cè)是利用物體和目標(biāo)背景在一種圖像特性上的差異以此實(shí)現(xiàn)的，它實(shí)際上就是檢測(cè)圖像特性一些發(fā)生變化的位置。圖像分割到現(xiàn)在為止尚無通用的自身理論。隨著各學(xué)科各種新理論和新方法的提出，出現(xiàn)了好多與一些特定理論、方法結(jié)合的圖像分割方法。在這幾種分割方法中，閾值法是使用最普遍的，故本文著重介紹。

3幾種基于閾值分割方法的簡(jiǎn)介和對(duì)比

3.1一維Ot su閾值分割法

Otsu算法是由日本學(xué)者天津于1979年提出的一維最大類間方差法，它以分割效果較好、適用范圍較廣、簡(jiǎn)單而有效的特點(diǎn)而廣受關(guān)注。該算法在圖像灰度的一維直方圖基礎(chǔ)，以圖像的主體目標(biāo)背景和背景的類間最大方差為圖像分割閾值選取準(zhǔn)則，完成圖像目標(biāo)部分與背景部分的分離，其類間方差越大，則說明構(gòu)成圖像的主體目標(biāo)與圖像背景兩部分的差距就越大。圖像分割效果越好，意味著在分割時(shí)，圖像內(nèi)容錯(cuò)分的機(jī)率和比例就越小。該方法通常只是針對(duì)目標(biāo)和圖像背景灰度特性區(qū)分比較明顯的圖像有較好的效果，但是由于圖像來源多種多樣，圖像在拍攝時(shí)也很容易受到噪聲干擾，最終導(dǎo)致直方圖分布形式多樣化，因此采用簡(jiǎn)單的一維Otsu算法無法得到令人們滿意的結(jié)果。

3.2二維Otsu閾值分割法

針對(duì)一維Otsu分割法的缺點(diǎn)，劉建莊等提出了二維Otsu法。其基本原理為關(guān)聯(lián)原始圖像像素點(diǎn)信息與其鄰域像素點(diǎn)信息，建立圖像像素信息聯(lián)合直方圖。將一維OTsu算法推廣到二維OTsu算法，并建立閾值的自適應(yīng)判別算法。該方法不但很好地利用了圖像像素點(diǎn)的信息，而且也充分考慮到了圖像像素點(diǎn)與其鄰域空間的相關(guān)信息，所以它具有較好的抗噪性。但該算法計(jì)算二維最佳閾值時(shí)采用窮舉方法，其運(yùn)算量超大，很難應(yīng)用于實(shí)時(shí)處理。并且它還有一個(gè)重要缺陷就是，在計(jì)算最佳閾值時(shí)，將靠近對(duì)角線的概率非零數(shù)據(jù)忽略，這樣勢(shì)必會(huì)影響分割結(jié)果，造成分割誤差。

3.3二維Otsu斜分閾值分割法

為克服二維Otsu直分的缺陷，吳一全等人提出了斜分。其原理為由于像素點(diǎn)都比較集中在主對(duì)角線的附近，這樣就可以首先通過4條斜線，這4條斜線位于主對(duì)角線兩側(cè)并且與主對(duì)角線平行，它們其直方圖的區(qū)域劃分為內(nèi)點(diǎn)區(qū)、邊界點(diǎn)區(qū)和兩個(gè)噪聲點(diǎn)區(qū)，然后將上述的每個(gè)內(nèi)點(diǎn)區(qū)、邊界點(diǎn)區(qū)和噪聲點(diǎn)區(qū)更進(jìn)一步劃分為一一對(duì)應(yīng)于目標(biāo)和背景的兩個(gè)子區(qū)。然后利用快速實(shí)現(xiàn)算法進(jìn)行最佳閾值的選取。該算法在一定條件之下，可以將概率不為零的點(diǎn)都包括進(jìn)來，避免了誤分割。而且運(yùn)算時(shí)僅包括窄帶內(nèi)的數(shù)據(jù)，而將其余部分忽略，縮小了運(yùn)算范圍。在一定條件下，也大幅降低了運(yùn)算量。

3.4二維直方圖叉分閾值分割法

斜分法雖然用起來較為精確，但是它又忽視了邊緣點(diǎn)的存在，這就很有可能導(dǎo)致邊緣點(diǎn)區(qū)被劃分到噪聲點(diǎn)區(qū)，影響圖像邊緣的形狀的描述。因此李淼等人提出了叉分法。叉分法把目標(biāo)圖像細(xì)節(jié)保留的更清晰，它的抗噪聲能力更堅(jiān)定。對(duì)于噪聲很少或無噪聲的圖像，相比于其他方法而言，叉分法更優(yōu)，尤其對(duì)一些目標(biāo)邊緣輪廓很難處理的圖像。叉分法雖然有良好的分割效果，但怎么選取能把區(qū)域劃分更為精確的匹配參數(shù)，就不同的二維直方圖來說，還將進(jìn)一步深入研究。

4結(jié)論

現(xiàn)在，圖像處理技術(shù)已經(jīng)成功地應(yīng)用到各行各業(yè)，其中，指紋識(shí)別、紙幣識(shí)別等已經(jīng)為我們所熟知。但是，雖然人們做了許多研究工作在圖像分割方面，但由于至今還尚無通用的分割理論，因此人們都是針對(duì)具體問題而提出的分割算法，并沒有適合于所有圖像通用的一種分割算法。但是我們不可否認(rèn)，圖像分割方法正在向更快速、更精確的方向發(fā)展，前途一片光明。我們也要緊跟時(shí)代的步伐，用發(fā)展的眼光去學(xué)習(xí)圖像分割，為這一領(lǐng)域的發(fā)展做出自己的一點(diǎn)貢獻(xiàn)。