基于边缘检测和区域生长的彩色图像分割方法研究.docVIP

基于边缘检测和区域生长的彩色图像分割方法研究 　　【摘要】 彩色图像分割是计算机视觉领域研究的焦点和难点。本文通过介绍常用彩色图像分割方法，论述彩色空间的表示方法，在分析和综合所有方法基础上，选取边缘检测和区域生长相结合的图像分割方法对彩色图像进行研究，分析、总结实验结果，提出彩色图像分割和处理技术的发展方向。 　　【关键词】 彩色图像分割 边缘检测 区域生长 　　一、引言 　　图像在军事、医疗、工农业等领域应用十分广泛，彩图能提供更多样准确的信息，彩色图像处理在现阶段备受关注，如何有效的分割处理彩色图像成为现阶段分析图像分析的关键。灰度图像分割技术发展相对成熟，可在灰度图像分析处理的基础上完善彩色图像分割方法。图像分割是指按照一定的规则、约束将目标图像分割成多个互不相交的区域，使相同特征在同一区域表现一致性，在不同区域表现明显的差异性[1]。光学模拟、电学模拟、数字图像是图像处理技术发展较成熟的技术。图像分割技术中典型的有基于区域的图像分割、基于边缘检测的分割和基于神经网络的分割方法等，综合考虑彩色图像的特点和现阶段图像分割技术的优缺点，本文最终决定采用边缘检测和区域生长技术处理彩色图像。使用边缘检测技术可以快速、准确地找到目标图像的边缘，并通过边缘确定区域内的灰度或颜色信息，从而达到对图像的快速分割[2]。 　　使用区域生长技术去除边缘检测技术中存在的毛刺和虚假边缘，提供更准确，清晰的封闭图像。本文分析了图像边缘检测和区域生长的优缺点，将二者巧妙、有效的结合，完成了彩色图像的分割处理。 　　二、常用图像分割方法 　　图像分割人员在进行图像处理时，根据图像特点和具体问题采用不同的分割方法，常用彩色图像分割方法有直方图阈值法、特征空间聚类、基于区域的方法，基于边缘检测、基于模糊理论的方法和基于神经元网络方法等，彩色图像分割中经常会使用到RGB、YIQ、YUV、I1I2I3、HSI、Nrgb、CIE（L* a* b*）、CIE（L* u* v*）等彩色空间。在彩色图像分割时，通常将灰度图像分割方法和颜色空间相结合，形成更有效的分割方法。 　　三、彩色空间表示 　　颜色空间是依据多维度的空间坐标，实现颜色的量化。RGB是色彩基色，肉眼观察的颜色是红、绿、蓝三种颜色的混合。彩色图像分割的难点在于彩色空间的选取。目前，没有一种彩色空间能超越其它所有彩色空间适合于处理所有彩色图像[3～5]。 　　颜色显示会使用RGB，但RGB分量相关性较高，不适合分割、处理彩色图像。线性彩色空间和非线性彩色空间YIQ、YUV、I1I2I3及RGB、HSI、CIE等的引入在彩色图像分析中起了关键作用。本文采用RGB和HSI两种彩色空间相互转换得到实验结果。 　　RGB彩色空间模型是基于笛卡尔坐标系，其中R（red）指红色，G（green）指绿色，B（blue）指蓝色。HSI是一种基于色调、饱和度和亮度三分量的彩色空间模型，自然而直观的描述不同图像，其中H（hue）指色调，S（saturation）指饱和度，I（intensity）指亮度。 　　计算机使用RGB彩色空间格式实现彩色图像存储，但图像分割算法中用 HSI 模型实现彩色空间转换。本文据下述公式实现彩色图像格式转换： 　　四、边缘检测和区域生长 　　基于边缘检测的图像分割是实现图像分割最受欢迎的算法之一，边缘检测技术是根据区域边缘差异，观测像素变化值的剧烈程度选择合适的检测技术。串行和并行边缘检测技术是两种常用检测技术。传统的对灰度图像处理时采用的边缘检测方法有串行边界查找、并行微分算子法、边界曲线拟合、曲面拟合法、形变模型和反应一扩散方程等，均在图像边缘检测时发挥重要作用，能很好的完成边缘检测和图像分割。但其并不完全适用于彩色图像边缘分割、处理问题。彩色图像包含的每个像素都由多个不同纬度向量组成，处理彩色图像关键是彩色空间转换，使用canny算子将RGB空间转成HSI空间进行处理。 　　区域生长实质是将具有相似性质的像素点连接起来构成分割域[4～5]。使用区域生长分割图像的关键是种子点提取，避免分割过度。 　　本文采用边缘检测和区域生长相结合的方法对彩色图像进行分割，进行边缘检测时采用canny算子对HSI空间中的亮度变量I进行检测获取有效、合理的种子点，并将合理的种子点进行标记，压入堆栈中，使用聚类消除不合理种子点，实现RGB向HSI转换。并在HSI上计算分量I的梯度能够快速、准确的得到图像边缘，且将边缘作为停止区域生长的约束。结果如图1和图2所示。 　　五、实验结果及分析 　　5.1实验环境 　　处理器：Intel Core i5-4670T@2.30GHz 　　软件：vs2012和opencv2.0 　　5.2 实验步骤 　　本文采用边缘