第四熊强.docVIP

计 算 机 图 形 学 课 程 设 计 学院：基础科学学院 专业：信息计算 班级：08-2 姓名：熊礼强 学号：20080810010223 一、常见的图像分割技术 （一）以区域特性为对象的分割技术 分裂合并和区域生长是区域的分割技术的两种基本形式，分裂合并是从整个图像出发，逐渐分裂或合并以形成所需要的分割结果；而区域生长则是从单个像素出发，逐渐合并以形成所需的分割结果。这类方法不但考虑了空间上的邻接性，也考虑了像素的相似性。分裂合并算法将相邻的具有相似性的区域合并以得到分割结果，但首先做的工作是从整个图像开始不断的分裂得到各个区域。 （二）以边缘为对象的分割技术 以边缘为对象的分割技术通过检测不同均匀区域之间的边界来实现对图像的分割，主要基于图像灰度级的不连续性。依据执行方式的不同，这类方法通常又分为并行边缘检测技术和串行边缘检测技术。并行边缘检测技术通过其模板与图像卷积完成。串行边缘检测技术根据某种相似性准则，采用轮廓跟踪、光栅跟踪和全向跟踪三种方法寻找与前一点同类的边缘点，其优点在于可以得到连续的单像素边缘。其他边缘检测算法不能得到连续的单像素边缘，通常在进行上述边缘检测之后，需要进行一些边缘修正的工作，对分割来说是很不利的，因此，不常使用。 （三）以统计模式分类为对象的分割技术 图像分割可以被视为以像素为基元的模式分类过程，模式可以定义为对图像中的目标或其它感兴趣部分的定量或结构化的描述。模式分类和特征提取是分类过程的两个步骤。模式分类分割技术的主要差别在于特征提取的方法，可以借鉴模式识别技术中的FCM算法和SOM算法。阂值分割就相当于在一维(灰度)或二维(共生矩阵)特征空间进行的模式分类，常用的特征有基于自相关的特征、基于共生矩阵的特征和行程长度特征等等。 二 图像分割技术评价 图像分割的评价与图像分割方法一样是人们一直讨论的难题，分割评价的目的是为了能指导、改进和提高分割算法的使用性能，同时也为研究新的技术起指导作用。图像分割评价方法可分为实验法和分析法。实验法包括偏差法和优度法。偏差法是在有理想分割结果的情况下，通过算法得到的结果和理想结果作比较。而优度法是在没有理想分割结果的情况下，提出某些指标来衡量算法的优劣。分析法是直接对算法本身进行分析，主要从算法原理、性能、复杂度等方面分析，但分析法不可能获得分割算法的所有性质，常常结合其他算法使用。 图像分割评价可分为两种情况，第一，比较多个算法分割给定图像的性能，以帮助在具体分割应用中选取合适的算法；第二，掌握各算法在不同分割情况中的表现，通过选择算法参数来适应分割具有不同内容的图像和分割在不同条件下采集到的图像需要。这两方面的内容是相互关联的，分割评价不仅可以提高现有算法的性能，对研究新的技术也具有指导意义。图像分割评价指标要满足三点为最佳，一是相邻区域必须有不同的各向同性特征值，二是区域内部是简单的，没有太多的洞，三是区域必须是均匀或各向同性的。对评价方法的基本要求有三点，第一，应选取通用的图像进行测试使评价结果具有可比性；第二，应采用定量的客观的性能评价准则；第三，应该具有通用性，适于评价不同类型的分割算法并且适合各种应用领域情况。 三 图像分割技术的运用 （一）应用于图像的预处理 图像分割技术应用于图像的预处理，主要运用在灰度转换、灰度拉伸灰度拉伸以及基于DcT变换的平滑经典的边缘检测方法。灰度转换或灰度化处理是将彩色图像转变成灰度图像的过程，包含亮度信息，不包含色彩信息的图像，通常将灰度分成24位真彩色图像，每一个象素包含红(R)、绿(G)、蓝(B)三个分量，通过灰度转换可为计算机快速处理图像信息提供了必要的条件。灰度拉伸是指根据灰度直方图的分布有选择的拉伸某段灰度区间以改善输出图像。例如，如果图像灰度集中在较亮的区域而导致图像偏亮，可以用灰度拉伸功能来压缩物体灰度去。同时，可以用灰度拉伸功能来拉伸物体灰度区间以改善图像因在较暗的区域而导致图像偏暗的情况。采用分段式的线性拉伸方程强化前景和背景的灰度差异，增强前景区域，从而增加前景和背景的对比度。 （二）应用于边缘检测 图像分割技术在边缘检测主要表现两个方面，第一是运用微分算子确定边界；第二是扩展微分算子增强抗噪性。微分算子法作为一个经典的算法，成为了所有图像分割算法的基础，已经有很多的算法是根据它发展起来的，更能突出其基于并行边界技术的图像分割算法的经典性。微分算子具有两大的特点，第一，算子的模板大小都不超过3x3，并且模板中的数据都是很简单的数；第二，每一个模板中所有数据的和都是零，在灰度为常数的区域，这些微分算子卷积的结果都是零。因此，扩展微分算子增强抗噪性可以用这些算子快速的计算图像微分。为了得到了扩展的差分算子，大范围的加权平均然后求差分，这样可以更好的抑制噪声。只使用5xs、7x7和9只9等大小