结合聚类与改进分水岭算法的彩色图像分割.pdf

2011 年 第 20 卷 第 7 期 计 算 机 系 统 应 用 结合聚类与改进分水岭算法的彩色图像分割① 徐蔚钦，许雪梅，黄 帅 ( 中南大学 物理科学与技术学院，长沙 410083) 摘 要：针对传统分水岭算法产生严重的过分割问题，提出了一种聚类和改进分水岭算法结合的彩色图像分割 算法。该算法首先利用聚类算法在 HSV 颜色空间将特征相似的像素归为一类，然后对分水岭算法产生的分割区 域进行种子区域生长，并利用区域合并将剩余的小区域进行合并，从而完成了对彩色图像的分割。实验证明该 算法减少了分水岭算法的过分割现象，提高了图像分割的精确性，具有很好的鲁棒性和适应性。 关键词：图像分割；分水岭算法；颜色聚类；区域生长 Color Image Segmentation Based on Clustering and Improved Watershed Segmentation XU Wei-Qin, XU Xue-Mei, HUANG Shuai (School of Physics Science and Technology, Central South University, Changsha 410083, China ) Abstract: In view of the existence of obvious over-segmentation problem in traditional watershed algorithm, an improved color image segmentation algorithm is proposed in this paper. This algorithm combines clustering and improved watershed algorithm methods. In HSV color space, the algorithm firstly utilizes clustering to classify pixels with similar features, then applies seed region growing algorithm for the regions generated by watershed segmentation algorithm. Furthermore, region merging approach is used to merge remaining small regions. Experimental results show that this algorithm reduces over-segmentation phenomenon significantly, and improves image accuracy while maintaining strong robustness and adaptability. Key words: image segmentation; watershed algorithm; color clustering; region growing 1 引言 精确性。2)在处理过程中，通过控制标记种子点数量 彩色图像分割技术是计算机视觉和图像分析的 的方法[3,4]来消除过度分割，这种方法能有效地防止 重要环节，在工农业、医学、军事等领域有着广泛的 过分割的现象，但对标记的提取没有固定的方法，一 应用。1991 年 Vincent 等人提出的快速分水岭分割算 般需要事先具有足够关于图像目标的先验知识。 法[1]是图像分割中一种重要的形态学分割方法,具有 3) 在后期处理中，通过对分水岭分割的区域进行合 运算简单，易于并行处理，对微弱边缘具有良好的响 并的方法[5,6]来减少过分割现象，这种方法可以将过 应等优点。由于图像本身存在的噪声、物体表面细微 分割区域有效地合并在一起，但由于分割所得的区域 的灰度变化，使得图像在分割过程中存在大量的伪极 数目过大，合并过程