基于边界检测和区域生长彩色图像分割.pdfVIP

基于边缘检测和区域生长的彩色图像分割 叶刚 (浙江大学 信息与通信工程研究所，处理组 摘要：图像分割是任何图像分析中的首要任务，彩色图像比灰度图像更具有丰富的色彩信息， 因此备受重视。本文采用的自然图像分割算法，可以获得图像的主要几何结构；并将代表区域 分布的边界作为潜在的区域模型，可以自动得获得种子点进行区域生长最后实现分割。试验表 明分割结果与人类视觉系统判断基本一致。 关键词：图像分割 边缘检测 颜色空间 区域生长 1 引言 图像分割是图像处理到图像分析的关键步骤，也是下一步图像理解的基础。图像分割技 术的研究已经有几十年的历史，至今还没有一种通用的方法能够使用于所有类型的图像。图 像分割技术大致可以划分为以下四类：特征阈值或聚类、边缘检测、区域生长和区域提取。 使用这些方法对灰度图像的分割技术比较成熟，由于自然的彩色图像比灰度图提供更多的色 彩信息，随着计算机处理能力的提高，自然彩色图像处理正受到越来越多的关注。 边缘检测能够快速准确的找到图像边缘，并通过边缘确定区域内的颜色信息，从而快速 分割彩色图像。区域生长法作用于颜色空间，在分割过程中同时考虑色彩分布以及在空域上 的划分，较聚类和阈值算法更适合于彩色图像的分割。本文融合了边缘检测和区域生长的优 势提出了一种简单的彩色图像分割算法。 2 颜色空间 颜色空间是对颜色进行量化的空间坐标。目前彩色模型一般有RGB 彩色模型、HIS 彩 色模型、CMY 和CMYK 模型等。在RGB 模型中，每种颜色出现在红、绿、蓝的原色光谱 分量中，这个模型基于笛卡尔坐标系统。RGB、CMY 和其他类似的彩色模型不能很好地适 应实际上人解释的颜色。当人观察一个彩色物体时，用色调、饱和度和亮度描述它。色调是 描述纯色的属性，饱和度给出一种纯色被白光稀释的程度的度量。亮度是一个主观的描述子， 实际上它是不可测量的。他体现了无色的强度概念，并且是描述彩色感觉的关键参数。HSI 模型正是一种基于以上描述的分量的色彩模型，它对人来说是自然而直观的。其中 H 代表 色调分量，S 代表饱和度，I 代表亮度。 各个颜色空间相互之间是可以转换的。由于在计算机中，彩色图像的存储、显示一般都 采用RGB 格式，算法中使用的HSI 空间通过转换得到。本文采用以下变换。 给定一幅RGB 彩色格式的图像，每个RGB 像素和H 分量计算如下： q ; B G H 360 q ; B G 此处 0.5R G R B q arccos 2 1 2 R G R GG B 色饱和度分量由下式给出： 3 S 1 min R , G,B R G B 最后，强度分量由下式给出： 1 I R G B 3 3 彩色图像边缘检测 边缘检测对图像分割是一个重要的工具。传统的边缘算