一种基于图的分水岭区域合并算法.pdfVIP

第33卷第2期 南昌大学学报(理科版) V01．33No．2 of 2009年4月 JoumalNanch肌gUniversity(Natu豫lScience) Apr．2009 文章编号：1006—0L464(2009)02—0200—05 一种基于图的分水岭区域合并算法 李健宏，付淇 (江西科技师范学院，江西南昌330013) 摘要：介绍了一种对分水岭算法的初始分割结果进行区域合并的方法。该方法计算每一待合并区域与所有邻居 之间的“不相似度”函数值，以此为依据进行区域合并；算法使用了图(Graph)数据结构来存储区域间的相邻信息。 实验结果表明，此方法能够较好地从大量的区域中找出那些相似的区域并将其合并，最终达到图像分割的目的。 关键词：图像处理；分水岭算法；区域合并；不相似性函数 中图分类号：TP39l 文献标识码：A 分水岭(wate础ed)算法是一种基于数学形态…，K’}；并且 学的图像分割方法¨。j。由于watershed算法对梯C。≠C。，如果尺。和尺。相邻 (2) 度图像强度的变化十分敏感，因此采用Watershed公式(1)中，Ri为图像s经过分水岭算法分割 算法得到的分割结果往往存在过分割(Over se酽 后得到的、总数为K’个初始区域中的第i个区域(1 mentation)的现象∞“J。本文采用了一种基于图 (Gmph)数据结构的最近邻区域合并算法1，得到 了很好的效果。该区域合并算法原图像数据和分水 记号，它是以区域R。和R。中的像素为输入、能够将 岭初始分割区域来计算“不相似度函数值”，并以此 R。和尺。区分开的任何可能的函数。这里，能够用于 为依据区域进行合并。合并结果可作为外边界跟踪 区分两区域的依据可以是区域中的像素值；或区域 算法怕1的输入，进行区域的轮廓提取，最终得到合 的纹理特征；又或是区域的形状、大小等等。C。表示 并后区域的边界像素点坐标。 函数x()作用于区域R。中所有像素后得到的值。本 文中，在计算函数x()时利用了区域最直观的信息 1 区域合并算法介绍 ——灰度值；求得的C值代表的是区域灰度均值 本文介绍的区域合并算法是一个逐层优化的区 (文中讨论对象为灰度图像，“像素值”和“灰度值” 域合并算法，包括两部分内容：区域不相似度函数和 含义相同)。 利用吩图”数据结构的区域合并。 不妨设△‰是由分水岭算法得到的初始区域分 1．1逐层优化的区域合并算法 割，很明显△％能够满足公式(1)；但由于存在“过 算法使用的区域合并准则为，每个区域内部应 分割”，其中的许多相邻的“区域对”无法满足式 当具有某种同一性，而相邻区域之间应当具有足够 (2)。这里讨论的逐层区域合并算法就是将初始划 的区别。设图像由记号s表示，通常图像数据可以 分△心转换成我们想要的划分△K’的过程。 被认为是“分段地”取常数值，也就是说存在一个对 假设△K‘使得一个定义在“K一划分空间”上 图像S的分割(或划分)△K’(5)。即， 的目标函数，的取值最小化；于是，待搜索的合并序 列应当使得其对图像的分割能够最小化F的值。因 Vs，j△K’(S)={月。，R：，…，RK．，其中K’为 自然数，且 此，区域合并问题变成了组合优化问题。然而搜索全