彩色图像处理七.doc

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(见[GonW0002]、[Pit93]、[Pra91]、[Son et a1.93]，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的其他像素(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。彰色轮廓是依靠在彩色图像中使用边缘检测算子(见第6章)而确宅的，其间可能需要对轮廓中的间断进行填充。在某种意义上说，区域由于代表了由边缘像素构成的非均匀集合的补集而均匀· 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彰色空间中彩色信号的物理建模。分割的目的是从对应场景中物体表面的彩色图像中提取区域，每个区域包含一种物质。遮挡、阴影和高光都不应对这种图像分割产生影响，尽管图像中的彩色值有变化。 前两种区域的定义使用了一致性谓词(uniformity predicate)，其中第1种基于像素而第2种基于区域。第3种区域定义使用了非一致性谓词(nonuniformity predicate)。所以，这样的分类是相容的和完备的。第4种区域定义代表了一个补充的区域子类，它也可看作是第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关场景中物体物质特性的假设都与其他三种有区别。例如，浅红色和深红色矢量总赋予第4种定义中的同一个区域，因为那里假设明亮程度的差别是由遮挡和阴影所导致的，而像素对应表不了相同表面区域的彩色矢量。所有使用第4种区域定义的分割技术都不是基于亮度方法的扩展。这些技术都是完全用于彩色图像的。 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图像处理技术。这些技术在最近几年中被看作是基于物理学的视觉技术(physics-based vision techniques)。补充第4种区域定义可更好地将这类技术与其他技术区分开。 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)；对应第2种区域定义的称为基于区域的技术(area-based techniques)；对应第3种区域定义的称为基于边缘的技术(edge-based techniques)；对应第4种区域定义的称为基于物理学的技术(physics-based techniques)。在下面几节中，对所有这四种技术都将讨论其中的一些方法。另外，用水线变换进行彩色图像分割也将作为例子介绍。之所以选择这种技术是由于研究表明它能 给出很好的分割结果。 7．1基于像素的分割 本节介绍在彩色空间采用第1种区域定义的分割技术。这些技术可分成两组： 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值出发，使用其相邻的区间进行像素分类。 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例子来说明。在第一个处理步骤，先在亮度直方图中计算整幅图像里各个灰度出现的频率(见图7．1)。下一步，根据直方图中的频率函数确定最大值和最小值(峰和谷)。最小值(如图7．1中的T1和T2)决定了用于分割的间隔边界。在这个例子中，图像被分成三个亮度类别，即亮度值在0和T1之间、T1和T2之间，以及T2和255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，彩色信号可以组合成一个一维的函数F。可用借助式(3．1)标准化的RGB值r、g、b来定义函数F(见[BonCoy91])： F(r，g，b)=0. 对彩色信号的