彩色图像分割技术研究本科论文.docVIP

彩色图像分割技术研究本科毕业论文 目 录 1. 引言 1 1.1．课题的研究背景和意义 1 1.2．彩色图像分割的现状 2 1.3．本文的内容安排 5 2．彩色图像分割研究 6 2.1．数字图像处理概述 6 2.2．常用的颜色空间 7 2.3．彩色图像分割方法 9 2.3.1．阈值化方法 10 2.3.2．基于边缘的分割方法 10 2.3.3．基于区域的分割方法 12 3．无监督彩色图像分割 13 3.1．概述 13 3.2．颜色空间的转换 14 3.3．Sobel算子边缘提取 15 3.4．种子的选取 16 3.5．区域生长与合并 17 4．实验结果与分析 18 5．结论 20 参考文献 21 谢　辞 23 1. 引言 1.1．课题的研究背景和意义 在人类所接的信息中，有是来自视觉的图信息， 图1-1　经典图像分割方法框架 对普通的电脑处理器来说，串行分割方法当然比并行分割有明显的优势，因为并行分割必须在每个图像点完成相同的计算以后再决定是否继续处理或者放弃处理这个像素点或者区域。这种技术明显导致了时间复杂度，但理论上它更可靠更准确。而串行分割则简单，方便一些。 目前对彩色图像的分割已经提出了很多算法，最简单的彩色图像分割方法是直接将彩色图像的各个分量进行适当的组合转化为灰度图像，然后利用灰度图像的分割方法进行分割，该方法由于忽略了颜色信息和亮度信息之间的关联，因而分割效果并不十分理想。因此后来人们专门针对彩色图像又提出了很多分割方法，如直方图阈值法、基于区域的提取方法、边缘检测的分割方法、基于主动轮廓模型方法、神经网络方法等等。而且分割的图像的种类也各有不同，分割中用到的图像的模型不同（有物理模型和随机模型），分割的目的不同等，这些图像分割方法的分类也不尽相同。把图像分割方法的发展划分为两个阶段：灰度图像分割方法阶段和彩色图像分割方法阶段。 对于灰度图像的分割方法，人们从不同的角度提出了如直方图阈值法，区域生长法，边缘检测法，基于分水岭的方法和神经网络的方法等等。其中直方图法和区域生长法处理的对象是像素；边缘检测和分水岭方法则是对图像纹理基元进行处理；神经网络的方法是利用分类的思想对图像分割的方法。无论是基于哪种分割方法，灰度图像的分割方法都发展得比较成熟了。 对于彩色图像的分割方法总的来说可以分为以下三类：基于颜色特征空间的分割方法，基于纹理特征空间的分割方法和基于混合特征的分割方法。基于颜色特征空间的分割方法即是在某一种颜色空间，如RGB颜色空间或者CIE颜色空间通过颜色距离标准来融合像素，这种方法只适合于结构简单并且颜色不多的图像；基于纹理特征空间的分割方法是通过提取图像的像素问颜色差异，将原图像转换为纹理特征图像然后将具有相似纹理特征的像素合并起来，达到分割的效果，这种方法不能直接使用在彩色纹理图像中，因而提出了基于混合特征的分割方法，这种方法融合了前面两种方法的思想，达到对图像的最佳分割效果。 彩色图像分割与灰度图像分割的算法相比，大部分算法在分割思想上是一致的，都是基于像素值的相似性和空间的接近性，只是对像素属性的考察以及特征提取等技术由一维转向了多维。这是由于灰度图像和彩色图像存在一个主要的区别，即对于每一个像素的描述，前者是在一维亮度空间上，而后者是在三维颜色空间上。大部分彩色图像的分割方法或思想都是从灰度图像分割方法继承的，因此彩色图像的一部分方法与灰度图像基本相同。但经过试验证明这些直接继承下来的方法不太适合于大部分彩色图像，所以人们对这些方法作了一些改进。总的来说彩色图像分割方法发展到目前阶段，主要采用的分割方法有： (1) 基于阈值的分割方法 由于彩色图像不仅有灰度这一个属性，所以使用直方图阈值法会出现很大的不同。大多数方法都是对彩色图像的每个分量分别采用直方图阈值法。由于彩色信息通常由R、G、B或它们的线性或非线性组合来表示，所以用三维数组来表示彩色图像的直方图并在其中选出合适的阈值，并不是一件简单的工作，另一方面确定图像中目标的数目计算量也很大。但这种分割方法不需要先验信息，分割简单。目前，人们通过研究提出了很多新方法：文献[5]从目标和背景的类间差异性出发，提出通过贝叶斯公式估计背景和目标的概率，寻找这两类概率兼得最大交叉熵的方法；文献[6]提出了基于量化直方图的最大熵阈值的方法。 (2) 基于边缘的分割方法 边缘检测是灰度图像分割广泛使用的一种技术，它是基于在区域边缘上的像素灰度变化较剧烈，试图通过检测不同区域的边缘来解决图像分割问题。在灰度图像中，边缘的定义是基于灰度级的突变，而且两个区域的边缘当亮度变化明显时才能被检测出来。在彩色图像中，用于边缘检测的信息更加丰富，如具有相同亮度、不同色调的边缘同样可以被检测出来，相应地，彩色图像边缘的定义也是基于3维颜色空间的不连续性。 目前，