第八章 彩色图像处理七.docVIP

彩色图像分割 图像分割(image segmentation)描述根据相似和均匀的准则将图像分为互相不重叠、本身相连的图像组元(称为区域)的过程。类似与此，彩色图像分割(color image segmentation)描述从图像中提取一个或多个相连的、满足均匀性(同质)准则区域的过程，这里均匀性准则基于从图像光谱成分中提取的特征。这些成分定义在给定的彩色空间(见第3章)中。分割过程可基于有关场景中目 标的知识，如几何和光学的特性。 对分割灰度图像的基本原理在很多数字图像处理的教材中都有介绍([GonW0002]、[Pit93]、[Pra91]、[Son et a193]，以及综述文章[PalPal93])。本章集中考虑利用彩色信息进行图像分割的技术。将介绍和讨论四组分割技术。 分割中最重要的特征之一可能就是对区域的定义。粗略地说，可以区分四种区域定义： 1．区域是像素集合的、借助一组定义在彩色空间上的隶属度 函数来指定的连通组元。对彩色信号的组合要在彩色空问进行。 组合的一个条件可以是像素的彩色在彩色空间中都在一个平面或 多面体中。 2．区域是图像平面上(最大化的)相连的像素集合，这个集合满足均匀性条件。与上一种定义相反，对彩色信号的组合是在图像平面上进行的而不是在彩色空间进行的。例如，均匀区域可通过对大的、非均匀的区域进行分裂得到或将一个起始像素邻域内(或像素块)合并进去得到。 3．区域是由构成彩色轮廓的边缘像素所围起来的像素集合。(见第6章)而确 4．区域是像素集合的连通组元，这个像素集合的组合源于对 前两种区域的定义使用了一致性谓词(uniformi predicate)，其中第1种基于像素而第2种基于区域。第3种区域(nonuniformity predicate)。所以，这样4种区域定义代表了一个补充的区1种区域的一个特例。 之所以要补充第4种区域定义是因为其图像分割的目的和有4种定义中的同一个区域，因为那里假4种区域定义的分割技术 另外，这些使用第4种区域定义的分割技术都属于一组新的(physics-based vision techniques)。补充第4种区域定义 根据对区域定义的区分，也可将分割过程分成四类。对应第 1种区域定义的称为基于像素的技术(pixel-based techniques)；对2种区域定义的称为基于区域的技术(areabased techniques)；对应第3种区域定义的称为基于边缘的技术(edgebased techniques)；对应第4种区域定义的称为基于物理学的技(physics-based techniques)。在下面几节中，对所有这四种技 7．1基像素分割 本节介绍在彩色空间采用第1种区域定义的分割技术。这些 1．基于直方图的技术，它们从图像直方图的一个或多个最大 2．基于在彩色空间进行聚类的技未。 7．1．1直方图技术 在对图像进行分割时使用直方图和阈值可用一个灰度图像的(见图7．1)。下一步，根据直方图中的(峰和谷)。最小值(如图7．1中的T和T2)决定了用于分割的间隔边界。在这个例子中，图像被分和和T之间，以及T2255之间。 这种技术可扩展到对彩色图像的分割。在最简单的情况下，F。可用借助式(3．1)标准RGB值r、g、来定义函数F(见[BonCoy91])： F(r，g，)= 对彩色信号的分量依次计算其一维、二维和三维直方图可取(如)。使用这个技术的彩色图像分割包括如下 0．对整幅图像生成一个空区域表。 1．观察要分割的下一个区域。如果没有了，分割结束。 2．选择最高优先权的最大值。如果没有了，将区域标记为均1。 3．确定阈值。 4．选取连通区域并将它们加入区域列表。 5．转到步骤1。 另外，可将邻域联系(如在8一邻域中)加到分割中以填充区域较新的彩色图像分割技术在二维直方图(如CIELUV彩色空u*v*-直方图)或彩色空间的三维直方图中确定最大值和最 小值。这是利用基于单色的技术在一维直方图中确定最大值和最 小值的变型。图7．2给出三维直方图的一个示例。在基于模型的彩色目标描述中也使用三维彩色直方图(见[SwaBal91])。在实时视频中基于模型的目标识别可通过使用基于直方图的彩色索技术(cr indexing techniques)来实现。基于直方图的彩色索引也可用于图像数据库的图像检索。 7．1．2彩色空间的聚类分析 聚类分析是分割灰度图像的可靠技术，许多教材中都有介绍(如[Pra91])。该技术已扩展到包括矢量值的彩色图像。从彩色Z1，…，Z出发，对彩色图像Cqi都可以确定一个m维的概率矢量(p…，p)。qi属于类别，1，…，m的概率。聚类中定义如下： 为在彩色图像中进行