彩色图像分割算法的仿真实验

彩色图像分割算法的仿真实验
陈强;范剑英;于晓磊;王洋
【摘要】随着计算机硬件设备的不断更新和科学技术的不断进步,彩色图像的应用范围越来越广.分析了当今彩色图像分割的研究现状,并使用RGB彩色空间模式进行彩色区域分割,分割的目的是在RGB图像中得到一个特定彩色范围,给定一组感兴趣的彩色描述的样本点,获取一个"平均"的颜色估计,再用欧几里得距离计算出与平均色同一颜色特征的区域,最后计算出处理图像中的目标颜色区域占用的百分率.文中对某城市彩色图片进行分割,提取出绿色区域,可计算出城市绿色植被的覆盖范围.
【期刊名称】《黑龙江科技信息》
【年(卷),期】2011(000)006
【总页数】1页(P41)
【关键词】彩色图像分割;RGB模型;颜色空间
【作者】陈强;范剑英;于晓磊;王洋
【作者单位】哈尔滨理工大学,黑龙江,哈尔滨,150000;哈尔滨理工大学,黑龙江,哈尔滨,150000;哈尔滨理工大学,黑龙江,哈尔滨,150000;哈尔滨理工大学,黑龙江,哈尔滨,150000
【正文语种】中文
图像分割领域对灰度图像研究比较早，灰度图像分割算法以总体日趋成熟。

随着计算机图像学技术的不断发展，彩色图像研究得到了越来越多重视，彩色图像与灰度
图像相比较有很多突出的优点，彩色图像包括有针对性的亮度信息，而且还有更多的有效信息，如色调，饱和度，同样景物的彩色图像所包含的信息量与灰度图像相比丰富得多，人的视觉系统对彩色图像的感知更加敏感，一幅质量不好的彩色图像比一幅质量非常好的灰度图像更具有吸引力和辨别力。

因此，对彩色图像分割方法的研究能有效的克服传统的灰度图像分割方式的许多缺点，有非常重要的理论和现实意义。

最简单的彩色图像分割方法是直接将彩色图像转化为灰度图像，将彩色图像按灰度图像进行分割，忽略了亮度信息和颜色信息之间的关联，导致分割效果不理想。

颜色是人眼对于不同波长的光线的一种映象，而在其他领域需要对颜色进行描述时候，颜色通常用三个相对独立的属性分量来表示。

三个独立变量所构成的三维立体结构就构成了一个颜色空间。

说明颜色用不同描述方法来得到不同的描述信息结果，但被描述的颜色对象信息本身是客观不变的，不同颜色空间只是从不同的角度去衡量同一个对象。

说明颜色用不同描述方法来得到不同的描述信息结果，但被描述的颜色对象信息本身是客观不变的，不同颜色空间只是从不同的角度去衡量同一个对象。

但在不同的颜色空间里对制定的图像进行彩色图像分割会产生不同的结果，例如一些颜色空间：RGB、CIE、Munsell虽然都可以被用于彩色图像分割。

但在不同的颜色空间里对制定的图像进行彩色图像分割会产生不同的结果，例如一些颜色空间：RGB、CIE、Munsell虽然都可以被用于彩色图像分割。

RGB颜色空间。

RGB颜色空间是与计算机硬件设备最吻合的颜色空间，RGB颜色空间与人类的视觉系统结构联系十分紧密。

根据人眼结构，自然界中的所有颜色都可看作是3个基本颜色：红(R)，绿(G)和蓝(B)的不同组合。

基本色的波长各自差
异明显。

由于光源的光谱是连续渐变的，定义3种基本波长并不表明仅由3个固
定的R、G、B分量就可组成所有颜色。

RGB构成了空间的三组基，可以用图1表示,RGB颜色空间与其它颜色空间有显著的优点，用于硬件显示相当准确。

实验目的：对绿色区域运用欧几里得距离进行相似性度量，利用图像分割理论提取得到整幅RGB图像中的绿色范围区域，计算出绿色在RGB图像中占据的百分率，可以估算出城市绿色植被覆盖率。

实验过程与相关原理介绍：分割的目的是对图像中的每一个RGB像素进行分类，
使其在指定的范围内判断有这种颜色或没有这种颜色。

为执行这一比较，我们需要一个相似性度量。

欧几里得距离（euclidean）：令z表示RGB空间的任意点。

若z和m之间的距离小于指定的阈值T，可以认为z相似于m，z和m之间的欧几里得距离由下式
给出：
||.||是参量的范数，下标R、G和B表示向量m和z的RGB分量。

D（z，m）T
的点的轨迹是一个半径为T的实心球体。

由定义可知，包含在球体内部和表面的
点满足特定的彩色准则，而球体外面的点则不满足。

实验步骤：第一步：给定一组感兴趣的颜色范围（绿色）描述的彩色样本点，获得一个“平均”的颜色估计，试验中感兴趣目标颜色为绿色，如图2所示。

第二步：在MATLAB中对图像进行数学函数计算出阈值T=9，也可取阈值的整数倍作为相似性度量比较的数据，所以T=18或T=27等同样符合实验要求。

第三步：目标区域（绿色）平均色用RGB列向量m来定义，采用欧几里得距离与绿色进行相似性度量，筛选出符合要求的目标颜色，区域分别取阈值T=9，T=18，T=27进行仿
真实验，对比试验结果，发现T=9与原图像绿色分布不符，数据计算采用T=18，T=27两组较为准确。

第四步：分别将两组数据的目标颜色（绿色）区域的像素值转化为1.0，显示为白色，其它区域像素值转化为0.0，显示为黑色如图3所示分
割结果。

第五步：原RGB图像为512*512，根据绿色区域像素的个数的实验结果分别对T=18，T=27进行计算绿色区域像素的个数所占的百分率，求准确平均值。

如图2左为原图像 f，右图为利用mask=roipoly（f）；在原图像中选取绿色区域。

如图3为选区method为euclidean（欧几里得距离）时T=9，18，27时对应的分割效果图。

当T=18和=27时植被覆盖率分别为8.4%和15.7%，最后求总的平均值的：d=（8.4%+15.7%）/2=12.05%，即原RGB图像绿色区域像素所占图像总像素的百分率为12.05%，图片城市绿色植被覆盖率为12.05%
实验达到了预期的目的，对选定区域进行计算，得出平均颜色的估计，再用欧几里得距离与对应的阈值进行判断，得到要分割出来的像素点，这个方法比较简单，运算速度快，方法对比度较好，可以快速准确的计算出某城市绿色植被覆盖率。

【相关文献】
[1]贺兴华，周媛媛.MATLAB7.x图像处理[M].北京:人民邮电出版社，2006.
[2]王彤.基于形态学的彩色图像分割算法研究[D].长春:吉林大学，2006.
[3]张爱华.基于模糊聚类分析的图像分割技术研究[J].软件学报，2004，15(4).
[4]高丽，杨树元，李海强.一种基于标记的分水岭图像分割新算法 [J].中国图象图形学，2007，12(6):1025-1032.
[5]汤红忠.基于PCA形态学的彩色图像分割方法[J].计算机工程，2009，35(12).。