基于HSV综合显著性的彩色图像分割方法
基于hsi空间彩色差的快速水平集分割方法
基于hsi空间彩色差的快速水平集分割方法新技术的发明为人类的发展提供了必要的技术支持，图像处理技术的发展也极大地改变了人类的生活。
基于HSI空间彩色差的快速水平集分割方法是一种常用的图像处理技术，它可以快速有效地提取彩色图像中的不同部分。
本文首先综述了基于HSI空间彩色差的快速水平集分割方法的原理，然后详细介绍了HSI空间彩色差法的核心步骤，提出了一种新颖的快速水平集分割框架，并分析了实验结果。
HSI空间彩色差是一种基于颜色的图像处理技术，其基本原理是根据图像中的像素的颜色来分割图像。
一般而言，彩色图像是由许多由不同颜色组成的像素组成的，而每个像素可以在HSI空间表示为一个三维向量。
因此，HSI空间彩色差法可以利用HSI空间中像素之间的色彩差异来对图像进行分割。
HSI空间彩色差法的核心步骤主要包括以下几个部分：首先，将输入的彩色图像从RGB颜色空间转换为HSI颜色空间，以获得更准确的颜色表示；其次，计算输入图像中每个像素的HSI三维向量，并生成HSI空间的特征密度图像；然后，根据HSI空间的特征密度图像，聚类计算图像中各像素的分类概率向量；最后，利用类间最大分类概率差异来进行分割，即可获得分割结果。
为了更好地展示基于HSI空间彩色差的快速水平集分割方法，本文提出了一种新颖的快速水平集分割框架，该框架根据HSI颜色模型将彩色图像转换为HSI特征图像，然后采用K-means算法进行聚类，以计算彩色图像中每个像素的分类概率向量，并利用类间最大概率差异来获得分割结果。
实验结果表明，本文提出的HSI空间彩色差快速水平集分割框架能够很好地适应彩色图像的变化，并在较短的计算时间内获得较高的分割效果，为实现彩色图像的有效分割提供了有效的技术支持。
综上所述，基于HSI空间彩色差的快速水平集分割方法无疑极大地改变了图像分割的效率，并为人们提供了更多的图像处理应用。
它不仅提供了一种有效的图像分割技术，还为大量的图像处理应用提供了有效的技术支持，从而使我们更好地实现我们的目标。
颜色分割方法
颜色分割方法
颜色分割是图像处理中的一种方法，用于将图像中的不同颜色区域分隔开。
以下是一些常见的颜色分割方法：
阈值分割：将图像的每个像素与一个或多个预定义的颜色阈值进行比较，根据比较结果将像素分类为不同的颜色区域。
基于颜色空间的分割：将图像从RGB颜色空间转换为其他颜色空间（如HSV、Lab），然后根据新颜色空间的特性进行分割。
K均值聚类：将图像中的像素分成K个簇，每个簇代表一个颜色区域。
这是一种无监督学习方法，适用于没有明确颜色标签的图像。
区域生长：从种子像素开始，逐步合并相邻的像素，合并规则通常基于像素之间的颜色相似性。
图割（Graph Cut）：将图像表示为图，通过最小化或最大化割边的方式实现分割。
这在处理具有复杂颜色分布的图像时很有效。
分水岭算法：基于图像的梯度信息，将图像看作地形地貌，通过水流模拟来找到图像中不同颜色的分割。
这些方法可以单独使用，也可以结合使用，具体选择取决于图像的特性和应用需求。
在实践中，通常需要根据具体情况调整参数或采用适用于特定场景的算法。
1。
基于改进的HSV颜色空间的图像分割技术研究
基于改进的HSV颜色空间的图像分割技术研究随着计算机技术的不断发展，图像处理技术也越来越成熟，其中图像分割技术是一种常见的技术，广泛应用于计算机视觉、人工智能、工业自动化等领域。
图像分割可以将一幅图像分割成若干个不同的区域，对于实现目标检测、图像识别等任务具有重要意义。
本文将介绍一种基于改进的HSV颜色空间的图像分割技术，并探讨改进HSV颜色空间的优势以及在图像分割中的应用。
HSV颜色空间HSV颜色空间是一种常用的颜色模型，由色相（H）、饱和度（S）和亮度（V）三个参数组成。
色相表示颜色在色轮上的位置，取值范围为0到360度；饱和度表示颜色的纯度，取值范围为0到1；亮度表示颜色的明暗程度，取值范围为0到1。
HSV颜色空间与RGB颜色空间之间的转换关系非常复杂，但可以通过一定的计算方法转换。
基于改进的HSV颜色空间的图像分割技术传统的HSV颜色空间在图像分割中应用广泛，但是在某些特定情况下，如色相较暗或者饱和度过低时，其效果会受到影响。
因此，我们对传统的HSV颜色空间进行了改进，提出了一种基于改进的HSV颜色空间的图像分割技术。
具体来说，我们用以下公式更新HSV颜色空间：L = 0.5 * (max(R, G, B) + min(R, G, B))S = (max(R, G, B) - min(R, G, B)) / (max(R, G, B) + min(R, G, B))H = 0 if S == 0 else60 * (G - B) / (max(R, G, B) - min(R, G, B)) if R == max(R, G, B)else 60 * (B - R) / (max(R, G, B) - min(R, G, B)) + 120 if G == max(R, G, B)else 60 * (R - G) / (max(R, G, B) - min(R, G, B)) + 240其中，R、G、B为原始RGB图像的每个像素点的红、绿、蓝通道值，L、S、H分别为改进后的亮度、饱和度、色相值。
HSV空间中彩色图像分割研究
Ｅｎ ｉ ｅ ｒｎ ｎ ｐ ｉａ ｉｎ ， ０ ０， ６ ２ ） １ ９ １ １ ｇｎ ｅ ｉ ｇ ａ ｄ Ａｐ ｌ ｔｏ ｓ ２ １ ４ （ ６ ： ７ － ８ ． ｃ
Ａｂ ｔ ａ ｔ ｈｓ ａｔ ｌ ｄ ｆ ｅ ｏｏ ｉ ａ ｃ ｎ ＨＳ ｓ ａ ｅ ｃ ｒ ｉｇ ｔ ｈ ｅ ｎ ｄ ｃ ｌｒ ｄｓ ｎ ｅ ｔｅ ｏ ｊ ｃ ’ ｅ ｇ ｓ ｓ ｃ ：Ｔ ｉ ｒ ｃｅ ｅ ｎ ｓ ａ ｃ ｌｒ ｄｓ ｎ ｅ ｉ ｒ ｉ ｉ ｔ Ｖ ｐ ｃ ． ｏｄｎ ｏ ｔｅ ｄ ｆ ｅ ｏｏ ｉ ａ ｃ ， ｂ ｅｔ Ｓ ｄ ｅ ｉ Ａｃ ｉ ｔ ｈ ｅ
２． ｅ ｒｍ ｅ ｏ ｎｆ ｒ ａ ｉ ｎ Ｄ ｐａ ｔ ｎｔ ｆ Ｉ ｏ ｍ ｔｏ Ｓｃｅ ｅ， ｎｚ ｕ Ｅｄｕ ｉ ｎｃ Ｌａ ｈｏ ｃｍｉ ｎａ Ｃｏｌｅ ｏ ｌ ｌ ｇｅ， ｎｚ ｕ Ｌａ ｈｏ ７３０ ０， ０２ Ｃｈｉ ｎａ
Ｅｍａｌ３ ９ ３９ ９ ｑｃｍ — ｉ：７ ９ ２ ４ ＠ｑ ． ｏ
ＺＨ ＡＮ Ｇ Ｇ ｕｏ ｑｕａ － ｎ，ＬＩ Ｚｈａｎ— ｉ ｕ ｒ ｎｇ， Ｘ ｉ ｎｇ— ｅ ，ｅ ａ ． ｓ ａｒ ｈ ＬＩ ａ ｗ ｉ ｔ １Ｒｅ ｅ ｃ ｏｎ ｃ ｌ ｒ ｍ ａ ｓ ｇｍ ｅ ａｔｏ ｏ ｏ ｉ ｇｅ ｅ ｎｔ ｉ ｎ ｉ ｎ Ｈ ＳＶ ｓ ｃ ． ｐａ ｅ Ｃｏｍ ｐｕｔ ｒ ｅ
出分割 边 界 。使 用 了颜 色信 息 ， 结 合 了空 间信 息 。 实验 证 明该 方 法 具有 较 高的 颜 色分辨 能 力和 通 用性 ， 又 能得 到 较 好 的 分割 效 果 。 关 键 词 ： Ｖ； 色距 离 ；ｏ ｅ ＨＳ 颜 Ｓ ｂ ｌ算 子 ； 图像 分 割 ＤＯＩ１ ． ７ ／ｉ ｎ１ ０ —３ １ ０ ０２ ． ５ 文 章 编 号 ：０ ２８３ （ ０ ０ ２ ．１ ９０ 文献 标 识 码 ： ：０３ ８ ．ｓ ． ２８ ３ ． １ ．６ ５ ７ ｊｓ ０ ２ ０ １０ —３ １２ １ ）６０ ７ —３ Ａ 中 图 分 类 号 －Ｐ ９ Ｔ ３１
图像分割及显著性区域检测算法与应用
图像分割及显著性区域检测算法与应用图像分割是计算机视觉领域中的一个重要任务，它旨在将一幅图像分成若干个不同的局部区域，使得每个区域内的像素具有相似的特征。
显著性区域检测是图像分割的一个子任务，它主要关注图像中最吸引人的部分，如物体、纹理等，并将其从背景中区分出来。
图像分割及显著性区域检测算法和应用在图像处理、计算机视觉、机器学习等领域具有广泛的应用价值。
图像分割算法有许多种，其中常用的包括基于阈值的分割、区域生长算法、基于边缘的分割等。
基于阈值的分割是最简单的方法，它将图像中的像素按照灰度值或颜色进行分类，像素值在一定范围内的像素划分为同一区域。
区域生长算法根据像素之间的相似性逐渐扩展区域，直到满足某一条件为止。
边缘分割算法则是基于图像边缘的梯度信息，通过检测图像中的边缘实现分割。
相比之下，显著性区域检测算法主要关注图像中最显著的部分，并通过计算显著性值来区分显著性区域和非显著性区域。
现有的显著性区域检测算法可以分为基于全局对比度的方法和基于局部对比度的方法。
基于全局对比度的方法基于图像的全局特征，如颜色、纹理等，在整个图像中寻找显著性区域。
而基于局部对比度的方法则基于图像的局部特征，在局部范围内计算像素的显著性值，再通过融合得到全局显著性图。
除了图像分割和显著性区域检测的基本算法外，这些算法还可以结合其他技术来改进性能。
例如，图像分割算法可以与机器学习方法结合，通过训练模型来提高分割的准确性和效率。
显著性区域检测算法可以与深度学习技术相结合，通过卷积神经网络等方法提取更准确的特征表示。
图像分割及显著性区域检测算法在许多应用中发挥着重要作用。
在医学影像分析中，图像分割可以帮助医生识别和定位病变区域，辅助诊断和治疗。
在自动驾驶领域，显著性区域检测可以帮助车辆识别和跟踪重要的交通目标，提高驾驶的安全性和效率。
在视频监控和安防领域，图像分割及显著性区域检测可以帮助识别异常行为和重要的目标，发现潜在的安全威胁。
基于HSI和LAB颜色空间的彩色图像分割
基于HSI和LAB颜色空间的彩色图像分割一、本文概述随着科技的发展，图像处理技术在众多领域中的应用日益广泛，如医疗影像分析、卫星遥感、机器视觉等。
在这些应用中，彩色图像分割作为图像处理的核心技术之一，其重要性不言而喻。
彩色图像分割旨在将图像中的像素划分为若干个具有相似特性的区域，从而便于后续的图像分析和理解。
本文主要探讨基于HSI（Hue, Saturation, Intensity）和LAB （Lightness, a, b）颜色空间的彩色图像分割方法。
HSI颜色空间更接近人类视觉感知，能够较好地反映颜色的本质特征，而LAB颜色空间则具有感知均匀性，能够更好地适应不同光照条件下的图像分割。
本文首先介绍HSI和LAB颜色空间的基本原理及其在彩色图像分割中的应用优势。
接着，详细阐述基于这两种颜色空间的彩色图像分割算法，包括预处理、特征提取、分割策略等关键步骤。
通过实验验证所提方法的有效性和准确性，并与现有方法进行比较分析，以展示其在彩色图像分割领域的应用潜力。
二、相关技术研究综述彩色图像分割是计算机视觉领域的一个重要任务，旨在将图像划分为多个具有相似性质的区域。
这一过程的实现依赖于颜色空间的选择和相应的分割算法。
在众多颜色空间中，HSI（色调、饱和度、强度）和LAB（亮度、a通道、b通道）因其与人类视觉感知的紧密关联而受到广泛关注。
HSI颜色空间以人类视觉系统对颜色的感知为基础，其中色调（Hue）描述了颜色的基本属性，如红色、绿色或蓝色饱和度（Saturation）表示颜色的纯度或鲜艳程度强度（Intensity）则与颜色的亮度或明暗程度相关。
这种颜色空间对于颜色分割特别有用，因为它与人类对颜色的直观感知更为接近。
LAB颜色空间则是一种基于人眼对颜色亮度和色差的感知而设计的颜色模型。
L通道表示亮度信息，而a和b通道则分别表示绿色到红色以及蓝色到黄色的色差。
LAB颜色空间的一个显著优点是它的色域比RGB更广，且其亮度通道与色度通道是分离的，这有助于在分割过程中保持颜色的一致性。
基于HSV颜色模型扫描地形图的分色方法
构成地 图内容地 理基础 的制图综合 法则记 录空 间地理 环境信 息 的载 体。 而地形图是 重要 的信息形式 ， 主要通过等高线来表达地物的高度和 地形起伏。随着计算机技术在 ＧＩ Ｓ的广泛应用 ， 从纸质地形图中提取等 高线信息是一个非常有意 义的研究 课题 。通常的方法是将彩 色地形 图
按颜 色进行 分层处理和识别 ， 因此首先要解 决的就是彩 色地 形图 的分 色 问 题 。 目前 的研 究 是 直 接 从 彩 色 扫描 地 形 图 原 图 数 据 中实 现 各 个 要 素层的 自动分离， 以获得与之对应的单版图。如何 充分 利用彩 色地形 图 的色彩信息 和空间拓扑信息 ， 实现彩色 图像 的 自动分色 ， 高效获取 对 等高线信息是非常关键的 。 彩色地形 图有包含不 同地理信息 的要 素层 组成 ，并包含相应 的颜 色 特 征 、 间拓 扑 特 征 。 空 彩色地形 图可表示为 Ｍ＝ ＵＭ Ｍ， Ｍ ， ， ｌ 其 中 Ｍ ＵＭ ＵＭ ， ∈｛ ， Ｍ， 。 Ｍ： Ｍ Ｍ 、 Ｍ 、 Ｍ 、 Ｍ 分别为黑版 图、 蓝版 图、 绿版图 、 棕版图。 １颜 色 模 型 转 换 ． 图像分割需要解决的两个问题 ：选取合适 的颜色模型和采用适 当 的 分割 方 法 。 一般 扫 描地 形 图 为 Ｒ Ｂ颜 色 模 型 ， Ｇ 此模 型 在 表 述 颜 色 时 具 有 线 性相 关 性 ， 眼 不 能 直 接 感 觉 到 ＲＧ， 人 ， Ｂ的颜 色 比例 ， 得 利 用 该 使
ｆ Ｕｋ １ｉ ， ３； ＝１’ ｎ Ｏ ｉ ≤ ， ２， ｋ ，一， ＝ｌ
ｌ ｎ ｊ
１ ∑Ｕｎ ｉ ￣ ，ｋ ｏ ｉ， ； ｋ Ｖ 。 ≤ ｋ Ｖ ∑ｕ Ｎ ＜ ＜
ｋ ：Ｊ ｉ ＝ｌ ｉ ｉ ３
定 定 标函 ｕ ） ∑（ ） ． 义２ 义目 数Ｊ ，＝ ｖ ∑ ｕ （， ｄｘｖ ）
基于HSV颜色空间的淋巴瘤病理图像分割
成诊 断意见相佐而无法确定治疗方案。利用图像 分析技术对淋巴瘤病理 图像进行客观 、 准确、 快速
的 自动识 别 与分类 有重 要 的意义 。
瘤病理 图像进行 自动分割。
１
颜 色 空 间
对 彩 色 图 像 的 研 究 ， 用 的 颜 色 空 间 有 常
Ｈ Ｖ颜 色空间的分布规 律 ， Ｓ 结合 最大类别方差阈值 分割 算法 ， 建立淋 巴瘤病理 图像 分割模 型。 实现 了
淋 巴瘤病理 图像 中实・ 心细胞 、 空泡细胞、 基质 、 空隙等各种 组 织的 自动分 离。实验结 果表 明该 方法 实
现 简单 、 有效、 快速 ， 具有较好 的分割 效果。
Ｚ ｎ ｎ ｙ ｎｇ ｈａ ｇ Ｙａ ｇ ｏ
（ｎｏｍ ｔ ｎＭａａｅ ｅｔ ｅａｔ ｎ ，￣ｉ ｓｔ ｅｏ ｃｎｍｉ ｎ ｅ ｅｔＦ ｚｏ ５０ ２ Ｃ ｉａ Ｉｆｒ ａ ｏ ｎｇｍ ｎ ｐｒ ｔＦ ａ Ｉ ｔｕ ｆ ｏｏ ｃ Ｍａａ ｍ ｎ，ｕｈｕ３ ００ ， ｈ ） ｉ Ｄ ｍｅ ｎ ｎ ｉｔ Ｅ ｓ ｇ ｎ
ｓｍｐ ｅ ｆ ｃ ｉｅ ｍｅｈ ｄ ｏ ｅｔ ｒｓ ｇ ｅ ｔｔ ｎ ｉ ｌ ，ｅ ｅ ｔ ｔ ｏ ｆｂ ｔ ｅ ｖ ｅ ｍ ｎ ａｉ ． ｏ
Ｋｅ ｗｏ ｄ ｙ ｒ ｓ：ｌｍｐ ｏ ｙ ｈ ｍａ；ｉ ｇ ｓｓ ｇ ｅ ｔ ｔ ｎ；ＨＳＶ ｏｏ ｍｅ ｓｏ ｍａ ｅ ｅ ｍ ｎ ａｉ ｏ ｃ ｌｒｄｉ ｎ ｉｎ
维普资讯
第 ５卷 第 ３期
２０ ０７年 ６月
福 建工程 学 院学 报
Ｊｕｎｌ ｆ ｕｉ ｎ ｅ ｉ ｆ ｅｈ ｏ ｇ ｏｒａ ｏ ｊ ｎＵ ｉ ｒ ｔ ｏ ｃｎ ｌ ｙ Ｆ ａ ｖ ｓｙ Ｔ ｏ
基于HSI色彩坐标相似度的彩色图像分割方法
基于HSI色彩坐标相似度的彩色图像分割方法李宁;许树成;邓中亮【摘要】该文提出一种基于HSI彩色空间的图像分割方法。
欧氏距离作为图像分割中常用的衡量像素点之间彩色关系的依据，在HSI坐标系下却不能很好地反应两个像素点之间的关系。
因此，提出相似度代替欧氏距离作为一种新的衡量两个像素点之间彩色关系的依据。
算法通过确定HSI分量中占主导地位的分量，建立彩色图像分割模型，创建一个和原图尺寸一样的颜色相似度等级图，并利用相应的颜色相似度等级图的颜色信息对像素点进行聚类。
实验结果表明，所提出的分割算法具有很强的鲁棒性和准确性，在其他条件相同的情况下，基于相似度的分割方法优于基于欧氏距离为基准的彩色图像分割。
%A new method for color image segmentation which based on HSI color space is presented in this paper. Euclidean distance as a common basis of measuring the colour relationship between two pixels can not reflect the relationship between the two pixels in the HSI coordinate system. Therefore,the traditional Euclidean distance is abandoned,and the color similarity is proposed as a new basis of measuring the relationship between the two pixels. The algorithm is used to build the color image seg?mentation model by at determining the dominant component in the HSI components and create a color similarity level picture with the size same as the original picture. The color information of the corresponding color level diagram is adopted to cluster the pixel points. The experimental results show that the segmentation algorithm has strong robustness and high accuracy,and under the sameconditions,the segmentation method based on similarity is better than the segmentation method based on Euclidean dis?tance.【期刊名称】《现代电子技术》【年(卷),期】2017(040)002【总页数】5页(P30-33,38)【关键词】图像分割;HSI彩色空间;颜色相似度;欧氏距离【作者】李宁;许树成;邓中亮【作者单位】北京邮电大学，北京 100876;北京邮电大学，北京 100876;北京邮电大学，北京 100876【正文语种】中文【中图分类】TN911.73-34基于彩色信息的图像分割算法在计算机视觉中扮演着重要的角色，并广泛应用于各个领域。
基于HSV空间的彩色图像分割
中 图 分 类 号 ：Ｐ ５ Ｔ７１
文 献标 识码 ： Ａ
文 章 编 号 ：６ ２ ７ ０ （ ０ ０ ０ — １ １０ １ ７ — ８０ ２ １ ）７ ０ ７ — ２
满足灰 度 、 理 、 色等 特征 的某种 相 似性 准则 。 纹 颜
过 程 中 ， 少 有 自动 算 法 能 够 取 得 非 常 理 想 的 效 果 。 许 多 彩 色 很
根 据 不 同 的 应 用 目的 ， 达 颜 色 的 彩 色 空 间 有 很 多 种 。 目 表 前 应 用 最 广 泛 的 彩 色 空 间 是 红 绿 蓝 （ Ｂ） 间 ， 色 图 像 通 常 ＲＧ 空 彩 用 Ｒ、 Ｂ Ｇ、 ３个 分 量 的 值 来 表 示 。ＲＧ Ｂ适 合 于 显 示 系 统 ， 不 适 但 合 于 图 像 分 割 和 分 析 ， 为 Ｒ、 Ｂ这 ３个 分 量 是 高 度 相 关 的 ， 因 Ｇ、 只要亮 度 改变 ， 分量 都会 相 应改 变 。 ３个 比 较 接 近 人 眼 的 色 彩 感 知 的 空 间 是 色 调 、饱 和 度 和 亮 度 （ ｕ 、ａｕａ ｏ 、ａ ｅ ＨＳ 空 间 。 其 中 ， 调 和 饱 和 度 统 称 为 ｈ ｅ ｓｔｒｔ ｎ ｖ ｌ 、 Ｖ） ｉ ｕ 色 色 度 ， 既 说 明 了彩 色 的 波 长 成 分 分 布 ， 说 明 了这 种 彩 色 光 它 又
的一 致 性 条 件
定 义 ： 对 一 幅 图像 ｇ ｘ Ｙ ０ ￣ｘ ａ ， ≤ｙ ｍ ｘ 进 ① （ ，）（ ≤ ＜ ｍ ｘ ０ ≤ｙ ａ ）
行 分 割 就 是 将 图 像 划 分 为 满 足 如 下 条 件 的 Ｎ 个 子 区 域 ｇ（ ｉ ，
基于HSI颜色空间分割彩色图像的聚类算法
河南省开封人民警察学校 陈良庚［摘 要］H SI 色彩空间是从人的视觉系统出发，用色调(H u e )、色饱和度(S a t ur a t i on 或 C hrom a)和亮度 (I nt e n s i ty 或 Br i ghtn e ss )来描述 色彩。
本文提出了一种新的彩色图像分割方法，根据 H S I 颜色空间色调和亮度的二维直方图进行分割。
［关键词］彩色图像分割 H S I 聚类 二维直方图 波峰查找1.引言 图像分割是图像分析、模式识别和计算机视觉的首要步骤，是图像 分析、模式识别和机器视觉系统的重要组成部分，其分割质量的好坏对 最终分析和识别的结果有着重要的影响。
所谓图像分割就是把图像分 成具有特定含义的不同区域、每个区域满足一定的相似性条件的图像 处理过程[1]。
和灰度图像相比，彩色图像可以提供更多的信息[2]。
在很多模式识 别和计算机视觉应用中，由色彩提供的附加信息可以帮助图像分析处 理并能产生比仅利用灰度信息更好的结果[3]。
一般说来，彩色图像分割 方法可以分为以下几类：边缘检测方法、区域分割和合并方法、基于人类色彩感知的方法和采用模糊集理论的方法[3]。
本文提出了基于 HS I 颜色空间色调(Hue)和亮度(I nt e ns i ty)的二维直 方图进行聚类分割的彩色图像方法。
2.HS I 颜色特征空间人眼所感知的颜 色由称为三基色的红 (R,r e d)、绿 (G,gr ee n)、蓝 (B , blue)的 3 种颜色组合而成。
R GB 颜色空间常用于显示系统，但不适合于 图像分割和分析。
通常需要把 R GB 颜色空间变换到其他颜色空间，以 便进行更好地分割。
现有的颜色空间有很多，其中 HS I 颜色空间是一种和人眼的视觉 感知相吻合的色彩空间，它的三个颜色分量相对独立[4]，其中色调、饱和度和亮度信息分别由分量 H 、S 、I 表示。
色调表示了基本的颜色；饱和度是颜色纯度的测度，表示了混入白光的比例；亮度则描述了图像的明亮程度。
基于HSV色彩空间的图像分割
第 ２ 期
黑 龙 江 冶 金
Ｖ １３ ｏ． １
Ｎｏ ２ ．
２０１１年 ６月
Ｈ ｉ ｎ ｊ ｎ Ｍｅａ ｕｇ ｅｌ ｇｉ ｇ ｏ ａ ｔｌ ｒｙ ｌ
Ｊｎ ｕｅ
２０ １１
基 于 Ｈ Ｖ色 彩 空 间 的 图像 分 割 Ｓ
郭 英 华
（ 龙江 省冶 金设 计规 划 院 ， 黑 哈尔 滨
１ 图像 分 割原 理
所 谓 图像 分 割是 指将 图像 中具 有 特 殊意 义 的
不 同区域分 开来 ， 并使 这 些 区 域相 互 不 相交 ， 每 且 个 区域 应满 足特 定 区域 的一 致 性 条件 。所 谓 图像
分 割是 指将 图像 中具有 特 殊 意 义 的不 同 区域 分 开
图像分 割是 图像 处 理 的 主 要 问 题 ， 是 计 算 也
机 视觉 领 域 低 层 次 视 觉 中 的 主要 问题 。 目前 ， 大
色 图像分 割算 法 ， 图像 的颜 色值 从 Ｒ Ｂ空 间转 将 Ｇ
换到 ＨＳ Ｖ空间 ， 经过 Ｈ分 割 对绿 色信 息 进 行提 取 得到分 割 结果 。
ｒｔｏ ｎ ｏ ｍａ ｉｎ ｗａ ｃ ｅ ｐ ｂ ｓ ｇ ｎ ａｉｎ ａ ｉ ｌｒ ｓ ｌ． Ｅｘ ｅ ｍｅ ｔｌｒ ｓ ｌｓ ｓ ｏ ｔ ａ ａ ｉｎ ｉ ｆｒ ｔ ｓｐｉｋ ｄ ｕ ｙ Ｈ ｅ ｍｅ ｔｔｏ ｓ ａ ｆ ｅ ｕ ｔ ｏ ｎａ ｐ ｒ ｎ ａ ｅ ｕ ｔ ｈ ｗ ｈ ｔ ｉ ｐ ｏ ｏ ｅ ｃ ｅ ｓｆ ａ ｉ ｌ ｎ ａ ｒ ａ ｏ ｕ ｔ ｅ ｓ ｒ ｐ ｓ ｄ ｓ ｈ ｍｅ ｉ ｅ ｓｂ ｅ ａ ｄ ｈ ｓ ｇ ｅ ｔｒ ｂ ｓｎ ｓ ． Ｋｅ Ｗ ｏｒ ｙ ｄｓ：ｍａ ｅ ｓ ｇ ｎ ａｉ ｎ；ｃ ｌｒｉ ｇ ｒ ｃ ｓ ｉ ｇ ｅ ｍｅ ｔｔｏ ｏ ｏ ｍａ ｅ ｐ ｏ ｅ ｓ；ＨＳ ｃ ｌ ｒｓ ａ ｅ；Ｈ ｅ ｍｅ ｔｔｏ Ｖ ｏｏ ｐ ｃ ｓ ｇ ｎ ａｉｎ
彩色图像分割方法综述
彩色图像分割方法综述一、本文概述图像分割是计算机视觉领域中的一个核心问题，其目标是将数字图像细分为多个图像子区域，这些子区域在某种特性或属性上呈现出一致性，如颜色、纹理、形状等。
彩色图像分割作为图像分割的一个重要分支，由于其在许多实际应用中的关键作用，如目标识别、场景理解、图像检索等，而备受关注。
本文旨在对彩色图像分割方法进行全面的综述，以期对该领域的最新进展、主要方法和技术难点有一个清晰的认识。
我们将首先介绍彩色图像分割的基本概念和基本原理，包括颜色空间的选择和表示、分割准则的确定等。
接着，我们将重点回顾和分析近年来的主要分割方法，如基于阈值的分割、基于区域的分割、基于边缘的分割、基于聚类的分割以及基于深度学习的分割等。
对于每种方法，我们将详细讨论其基本原理、实现步骤、优缺点以及在实际应用中的表现。
我们还将对彩色图像分割面临的挑战和未来的研究方向进行讨论和展望。
通过本文的综述，我们期望能够为读者提供一个全面而深入的彩色图像分割方法的知识体系，帮助读者更好地理解和掌握该领域的核心技术和方法，同时也能够为相关研究人员提供有益的参考和启示。
二、彩色图像分割基础彩色图像分割是图像处理领域中的一个重要任务，旨在将图像划分为多个具有相似性质的区域，这些区域在颜色、纹理或其他特征上有所不同。
相比于灰度图像，彩色图像提供了更为丰富的信息，使得分割过程更加复杂但也更加精确。
在进行彩色图像分割之前，首先需要了解不同的彩色空间表示。
常见的彩色空间有RGB、HSV、YUV等。
RGB空间基于红、绿、蓝三种基本颜色来混合形成各种颜色，是最常用的彩色空间之一。
然而，在图像处理中，HSV空间往往更为直观和有效，因为它将颜色分为色调（Hue）、饱和度（Saturation）和亮度（Value）三个独立的部分，便于进行颜色分析和分割。
彩色图像分割方法可以分为基于阈值的方法、基于边缘的方法、基于区域的方法和基于机器学习的方法等。
基于阈值的方法是最简单的方法，通过设定不同的颜色阈值来将图像划分为不同的区域。
基于hsi空间彩色差的快速水平集分割方法
基于hsi空间彩色差的快速水平集分割方法图像分割是图像处理与计算机视觉技术中的重要问题，它可以将图像划分为不同的目标区域，从而获得不同物体的轮廓和特征。
近年来，基于颜色的图像分割方法已经受到了广泛的关注。
这种方法基于颜色或空间颜色增强的图像属性，以提取更多的空间性特征信息，从而更准确地提取图像中的目标区域。
在颜色空间中，HSI (Hue-Saturation-Intensity)间是将 RGB (Red-Green-Blue)色空间转换之后形成的一种新的表示方式。
它利用色调、饱和度和强度来表示特定颜色，为颜色空间增强提供了一种新的思路。
因此，将RGB空间转换为HSI空间是基于颜色的图像分割中使用的一种表示方式。
本文提出了一种基于HSI空间彩色差的快速水平集分割方法。
首先，将输入图像转换为HSI空间，然后利用水平集理论将HSI空间的饱和度和强度轴划分为多个级别，以对图像目标区域进行分类。
其次，在划分分类完成后，根据每个组的均值计算出彩色差值，从而得到不同目标区域的边缘像素，最后，通过引入聚类算法提出连接链搜索算法，有效地完成图像分割。
本文提出的基于HSI空间彩色差的快速水平集分割方法可以有效地分割植被图像、人脸图像和灰度图像等各种图像。
通过丰富的实验结果，分析了该方法的有效性、精度和稳定性等特点。
实验结果表明，本文提出的方法具有较高的准确率，并具有较高的稳定性和快速性，能够有效地提取图像中的目标区域。
因此，本文提出的基于HSI空间彩色差的快速水平集分割方法在图像分割中具有一定的实用价值，可以有效地提高图像分割的精度。
不仅如此，本文提出的HSI图像预处理方法也可以为后续图像处理提供有效的基础。
总而言之，本文介绍了基于HSI空间彩色差的快速水平集分割方法，可以有效地提取图像中的目标区域，并降低图像分割的错误率。
此外，这一方法还可以改善图像分割的稳定性，从而能够更好地应用于图像处理和计算机视觉技术。
一种基于HSV分量分层的彩色图像快速压缩方法
（ ． ｉｐ ｎ ｈ ｉＮ ｒ ｌＣ ｌ ｇ ，Ｓ ｕｃ ｅ ｇ ５ ３ ０ ，Ｃ ｉａ １ Ｌｕ ａ ｓｕ ｏ ｏ ｅ ｅ ｈ ｉ ｎ ５ ０ ４ ｈｎ ； ｍａ ｌ ｈ ２ ｉ ａ ｓ ｕ Ｐ ｌ ｅ ｈ ｉ Ｃ ｌ ｇ ， ｈ ｉ ｅ ｇ ５ ３ ０ ，Ｃ ｉａ ．Ｌｕ ｎｈ ｉ ｏｙ ｃ ｎｃ ｏ ｅ ｅ Ｓ ｕｃ ｎ ５ ０ １ ｈｎ ） ｐ ｔ ｌ ｈ
明 ， 算 法得 到 的 压 缩 图像 在 与 ＪＥ 同等 质 量 的条 件 下 ， 据 量要 远 小 于 Ｊ Ｅ 该 ＰＧ 数 Ｐ Ｇ压 缩 的数 据 量 ， 作 操 简单 快速 ， 实现 彩 色 图像 的 高质 量 快速 压 缩 和预 览 。 可
关 键 词 ： 色 图像 ；ＨＳ 模 式 ；Ｊ Ｅ 压 缩 标 准 ；分 量 组 合 ；分 层 操 作 彩 Ｖ ＰＧ
ｆｒｌｓ ｈ ｎ ｔｅ ａ ｕ ｔｏ Ｐ Ｇ ｃ ｍｐｅｓ ｄ ｄ ｔ，ｔａ ｈ ｏ ｅａｉｎ ｉ ｉ ｌ ａ ｄ ｆｓ，ａ ｄ ｔａ ａｔ ｃ ｍｐｅ ｓ ｎ ｎ ｒｖｅ ｆ ａ ｅｓ ｔａ ｈ ｍｏ ｎ ｆＪ Ｅ ｏ ｒｓｅ ａａ ｈ ｔｔｅ ｐ ｒｔ ｓ ｓｍｐｅ ｎ ａｔ ｎ ｈ ｔ ｆｓ ｏ ｒｓｉ ａ ｄ ｐ ｅ ｉｗ ｏ ｏ ｏ
ｍａ ｅ Ｐｒ ｃ ｓ ｉｇ ａｎ Ｍｕｌｍｅ ａ Ｔｅ ｈ ｏｌ ｙ ｇ ｏ ｅ ｓｎ ｄ ｔ ｄｉ ｃ ｎ ｏｇ ｉ
一
种 基 于 ＨＳ Ｖ分 量分 层 的彩 色 图像快 速 压 缩 方 法
文 山 ，李葆 青
（．六 盘 水 师 范 学 院 ，贵 州 水 城 ５ ３０ ； １ ５０ ４ ２ ．六 盘 水 职 业 技 术 学 院 ，贵 州 水 城 ５ ３０ ） ５０ １
基于hsv色彩空间的otsu色素障碍性皮肤病图像分割
人工智能及识别技术本栏目责任编辑：唐一东基于HSV 色彩空间的OTSU 色素障碍性皮肤病图像分割韩殿元1*，王国颖2(1.潍坊学院传媒学院，山东潍坊261061；2.潍坊市人民医院皮肤科，山东潍坊261000)摘要：基于数字图像处理技术的皮肤病诊断中，对病变图像的准确分割至关重要。
HSV 色彩空间中H 分量具有很好的肤色聚类性，受光照、皮肤表面曲度变化等因素影响小，根据H/(S+V)采用大津法，结合滤波去燥增强、二值化图像处理技术可较好地分割发生病变的皮肤图像。
实验结果表明，该方法复杂度较小，对色素障碍性皮肤病图像分割较准确。
关键词：色素障碍性皮肤病；HSV 色彩空间；OTSU ；图像分割中图分类号：TP393文献标识码：A文章编号：1009-3044(2019)33-0213-02开放科学(资源服务)标识码(OSID)：在皮肤病的诊断中，发生病变的皮肤大小、颜色、形状、位置等都是重要的诊断依据。
基于数字图像处理技术的皮肤病诊断中，对病变图像的准确分割，是定量测量和分析的基础。
HSV 色彩空间中正常皮肤的饱和度和亮度的平均值(S+V)/2与色调H 相似，受光照影响较小，对光照和皮肤曲度有较好的鲁棒性[1]。
本文对皮肤病变图像分割的技术路线是先将图像转化到HSV 色彩空间，对色斑图像进行滤波去燥，根据H/(S+V)采用OTSU 对病变图像进行分割，再用二值形态学图像处理。
1RGB 到HSV 色彩空间值转化目前皮肤数字图像颜色表示主要采用RGB 色彩空间。
在对皮肤病变图像进行分割时，该色彩空间的分割效果并不理想。
HSV 色彩空间将RGB 空间中相关性很强的R 、G 、B 值转化为相关性较弱的H 、S 、V 值，H 和S 分量与人感受色彩的方式一致。
HSV 色彩空间中的色调H 用来表示不同的颜色，皮肤颜色在H 分量中分布较为集中，根据H 分量对皮肤图像进行分割较为容易。
HSV 使用色调(Hue)、饱和度(Saturation)和亮度(Lightness)三个分量来定义颜色。
基于HSV色彩空间的图像分割
基于HSV色彩空间的图像分割
郭英华
【期刊名称】《黑龙江冶金》
【年(卷),期】2011(031)002
【摘要】为了辨识和分析目标,需要将这些有关区域分离出来,在此基础上才有可能对目标进一步处理.本文提出了一种利用HSV色彩空间的图像分割方法,根据HSV 色彩空间的颜色和亮度无关,将彩色图像从RGB空间变换到HSV空间,然后经过H 分割对绿地植被信息进行提取得到分割结果.实验表明该方法具有很强的鲁棒性.【总页数】3页(P35-37)
【作者】郭英华
【作者单位】黑龙江省冶金设计规划院,哈尔滨,150040
【正文语种】中文
【相关文献】
1.基于HSV色彩空间的OTSU色素障碍性皮肤病图像分割 [J], 韩殿元;王国颖
2.基于HSV色彩空间S分量的轨面区域提取方法 [J], 曹义亲;丁要男
3.基于HSV色彩空间的低照度图像增强 [J], 刘寿鑫;龙伟;李炎炎;程鸿
4.基于HSV色彩空间的瓷砖选色搜索算法 [J], 佘枭雄;张亚儒;宋国阳;徐艳玲
5.基于HSV色彩空间的红外与可见光图像融合方法 [J], 胡锦昊;王明昊;夏天扬;王悦行;杜海静;徐传刚
因版权原因，仅展示原文概要，查看原文内容请购买。
HSV空间中彩色图像处理研究
HSV空间中彩色图像处理研究目录摘要 (I)Abstract (II)引言 (1)1. 绪论 (2)1.1 研究现状和存在的意义 (2)1.2图像分割的定义及常见方法 (3)1.2.1图像分割的定义： (3)1.2.2图像分割的常见方法： (4)1.3 本文的内容安排 (8)2. 颜色空间 (10)2.1常用的颜色空间介绍 (10)2.1.1颜色空间的定义： (10)2.2.2各种常见颜色空间的模型 (10)2.2 颜色空间的选择 (15)3 HSV颜色空间的图像分割 (17)3.1概述 (17)3.2HSV空间介绍及常见转化 (17)3.3 Sobel算子边缘提取及其它常见边缘提取方式介绍 (20)3.3.1Sobel算子边缘提取 (20)3.3.2其它几种常见边缘提取方法 (21)3.4．区域生长与合并 (22)3.4.1种子区的选取 (22)3.4.2区域生长与合并 (24)第4章．实验结果与分析 (25)第5章总结和展望 (28)致谢 (29)参考文献 (30)摘要自从图像处理技术走进数字化时代，彩色图像的研究就成为图像领域一项重要的技术同时也是一项艰难的技术。
但是目前彩色图像分割面临两个主要问题: 选取合适的色彩空间; 选择恰当的分割方法。
同时，在彩色图像的分割过程中，很少有自动算法能够取得非常理想的效果。
许多彩色图像分割方法不仅把灰度图像分割方法( 如直方图阈值法、聚类、区域增长、边缘检测、模糊方法、经元网络等) 应用于不同的色彩空间，而且可以直接应用于每个颜分量上，其结果再通过一定的方式进行组合即可获得最后的分割结果效果不佳。
针对上述彩色图像分割存在的问题，为了准确提取彩色图像中所需的色度信息，本文结合HSV 色彩空间3 个分量的无关性，提出了一种基于HSV 空间彩色图像分割算法，将图像的颜色值从RGB 空间转换到HSV 空间，并在目前的彩色分割方法研究的基础上，提出了一种另外的彩色图像分割算法，即合理结合边缘提取、区域生长和区域合并的方法，实现彩色图像的分割。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
计算机 工程 与设计
ＣＯＭｒ Ｐ ＵＴＥＲ ＥＮＧＩ ＮＥＥ ＲＩ ＮＧ ＡＮＤ ＤＥＳ Ｉ ＧＮ
Ｎｏ ｖ ｅ ． ２Ｏ １３ Ｖｏ １ ． ３ ４ ＮＯ．１ １
第３ ４ 卷
第 １ １ 期
基 于 ＨＳ Ｖ综 合显 著 性 的彩 色 图像 分 割 方法
ｂ ｒ ｉ ｇ ｈ ｔ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ｉ ｍａ ｇ ｅ ．Ｓ ｅ ｃ ｏ ｎ ｄ ｌ ｙ ，ｃ ｏ ｌ ｏ ｒ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｓ ａ ｌ ｉ ｅ ｎ ｃ ｙ ｉ ｓ ｃ ａ ｌ ｃ ｕ ｌ ａ ｔ ｅ ｄ ｆ ｒ ｏ ｍ Ｈ ａ ｎ ｄ Ｓ。ａ ｎ ｄ ｂ ｒ ｉ ｇ ｈ ｔ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｓ ａ ｌ ｉ ｅ ｎ ｃ ｙ ｉ ｓ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ ｆ ｒ ｏ ｍ Ｖ． Ｔｈ ｉ ｒ ｄ ｌ ｙ，ｃ ｏ ｍｐ ｒ ｅ ｈ ｅ ｎ ｓ ｉ ｖ ｅ ｓ ａ ｌ ｉ ｅ ｎ ｃ ｙ ｍａ ｐ ｉ ｓ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ ｂ ｙ ｗｅ ｉ ｇ ｈ ｔ ｅ ｄ ｃ ｏ ｌ ｏ ｒ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｓ ａ ｌ ｉ ｅ ｎ ｃ ｙ ａ ｎ ｄ ｂ ｒ ｉ ｇ ｈ ｔ ｉ ｎ ｆ ｏ ｒ ｍａ — ｔ ｉ ｏ ｎ ｓ ａ ｌ ｉ ｅ ｎ ｃ ｙ ，ｗｈ ｅ ｒ ｅ ｔ ｈ ｅ ｗｅ ｉ ｇ ｈ ｔ ｓ ａ ｒ ｅ ｄ ｅ ｔ ｅ ｒ ｍｉ ｎ ｅ ｄ ｂ ｙ ｔ ｈ ｅ ｑ ｕ ａ ｎ ｔ ｉ ｔ ｙ ｏ ｆ ｃ ｏ ｌ ｏ ｒ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｂ ｒ ｉ ｇ ｈ ｔ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ．Ａｔ ｌ ａ ｓ ｔ ，ｔ ｈ ｅ ｕ ｌ ｔ ｉ ｍａ ｔ ｅ ｔ ａ ｒ ｇ ｅ ｔ ｓ ａ ｒ ｅ ｓ ｅ ｐ ａ ｒ ａ ｔ ｅ ｄ ｏ ｕ ｔ ｆ ｒ ｏ ｍ ｔ ｈ ｅ ｃ ｏ ｍｐ ｒ ｅ ｈ ｅ ｎ ｓ ｉ ｖ ｅ ｓ ａ ｌ ｉ ｅ ｎ ｃ ｙ ｍａ ｐ ｕ ｓ ｉ ｎ ｇ ｔ ｈ ｅ Ｏｔ ｓ ｕ’ Ｓ ｍｅ ｔ ｈ ｏ ｄ ．Ｔｈ ｅ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ｍｅ ｔ ｈ ｏ ｄ ｉ ｓ ａ ｐ ｐ ｌ ｉ ｅ ｄ ｆ ｏ ｒ ｔ ｈ ｅ
（ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｍａ ｔ ｈ ｅ ｍａ ｔ ｉ ｃ ｓ ａ ｎｄ Ｃｏ ｍｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ，Ｈｅ ｂ ｅ ｉ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ，Ｂａ ｏ ｄ ｉ ｎ ｇ ０ ７ １ ０ ０ ２，Ｃ ｈ ｉ ｎ ａ ） Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｔｏ ｓ ｏ ｌ ｖ ｅ ｔ ｈ ｅ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ｔ ｈ ａ ｔ ｔ ａ ｒ ｇ ｅ ｔ ｓ ｉ ｎ ａ ｃ ｏ ｌ ｏ ｒ ｉ ｍａ ｇ ｅ ｉ ｓ ｄ ｉ ｆ ｆ ｉ ｃ ｕ ｌ ｔ ｔ Ｏ ｓ ｅ ｐ ａ ｒ ａ ｔ ｅ ｆ ｒ ｏ ｍ ｔ ｈ ｅ ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｌ ｙ ，ａ ｎ ｅ ｗ ａ ｐ — ｐ ｒ ｏ ａ ｃ ｈ ｆ ｏ ｒ ｃ ｏ ｌ ｏ ｒ ｉ ｍａ ｇ ｅ ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｃ ｏ ｍｐ ｒ ｅ ｈ ｅ ｎ ｓ ｉ ｖ ｅ ＨＳ Ｖ ｓ ａ ｌ ｉ ｅ ｎ ｃ ｙ ｉ ｓ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ． Ｆｉ ｒ ｓ ｔ ｌ ｙ ，ｔ ｈ ｅ ｃ ｏ ｌ ｏ ｒ ｉ ｍａ ｇ ｅ ｉ ｓ ｃ ｏ ｎ ｖ ｅ ｒ ｔ ｅ ｄ ｆ ｒ ｏ ｍ ＲＧＢ ｃ ｏ ｌ ｏ ｒ ｓ ｐ ａ ｃ ｅ ｔ ｏ ＨＳ Ｖ ｃ ｏ ｌ ｏ ｒ ｓ ｐ ａ ｃ ｅ ． Ｔｈ ｅ ｃ ｏ ｎ ｖ ｅ ｒ ｔ ｅ ｄ ｃ ｏ ｌ ｏ ｒ ｉ ｍａ ｇ ｅ ｉ ｎ ＨＳ Ｖ ｃ ｏ ｌ ｏ ｒ ｓ ｐ ａ ｃ ｅ ｉ ｓ ｄ ｉ ｖ ｉ ｄ ｅ ｄ ｉ ｎ ｔ ｏ Ｈ ，Ｓ ａ ｎ ｄ Ｖ ｃ ｈ ａ ｎ ｎ ｅ ｌ ｓ ．
Ｔｈ ｅ ｈ ｕ ｅ ｃ ｈ ａ ｎ ｎ ｅ １ Ｈ ａ ｎ ｄ ｓ ａ ｔ ｕ ｒ ａ ｔ ｉ ｏ ｎ ｃ ｈ ａ ｎ ｎ ｅ １ Ｓ ａ ｒ ｅ ｔ ｒ ｅ ａ ｔ ｅ ｄ ａ ｓ ｔ ｈ ｅ ｃ ｏ ｌ ｏ ｒ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ｉ ｍａ ｇ ｅ ，ａ ｎ ｄ ｔ ｈ ｅ ｖ ａ ｌ ｕ ｅ ｃ ｈ ａ ｎ ｎ ｅ ｌ Ｖ ａ ｓ ｔ ｈ ｅ
Ｃｏ ｌ ｏ ｒ ｉ ｍａ ｇ ｅ ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｃ ｏ ｍｐ ｏ ｓ ｉ ｔ ｉ ｖ ｅ ＨＳ Ｖ ｓ ａ ｌ ｉ ｅ ｎ ｃ ｙ
ＺＨＡＮＧ Ｃｈ ｅ ｎ，ＹＡＮＧ Ｗｅ ｎ － ｚ ｈ ｕ ＋。ＬＩ Ｕ Ｚ ｈ ａ ｏ － ｈ ａ ｉ
张 辰 ，杨 文 柱＋，刘 召 海
（ 河 北大 学 数 学与计 算机 学院 ，河北 保 定 ０ ７ １ ０ ０ ２ ）
摘 要 ：为解决彩 色图像 中目标难 以准确分割的 问题 ，提 出了基 于 ＨＳ Ｖ 综合显著性 的彩 色图像 分割 方法。该 方法将原 始 Ｒ ＧＢ图像转换为 ＨＳ Ｖ 图像 ，从 中分 离出 Ｈ通道 、Ｓ通道和 Ｖ通道 。将其 中的 Ｈ 通道和 Ｓ通道作为原始的颜 色信息来计算 图像 的颜 色信息显著性 ，把 其中的 Ｖ通道作 为原始的 亮度信息并由此计算亮度信 息显著性 ；通过加权 的颜 色信 息显 著性 和
亮度 信 息 显 著 性得 到 综 合 显 著 图 ，并 通 过 阂 值 分割 的 方 法 得 到 最 终 的 目标 图像 。将 该 方 法 应 用 于 棉 花 异 性 纤 维 图 像 的 分
割 ，分割结果表明 ，该方法能够准确地分割 出彩 色棉花异性纤维图像 中的异性 纤维 目标 。
关 键 词 ：ＨＳ Ｖ 空 间 ；颜 色信 息 显 著 性 ；亮度 信 息 显著 性 ；综 合 显 著 图 ；彩 色 图像 分 割 中图 法 分 类 号 ：ＴＰ ３ ９ １ 文献 标 识 号 ：Ａ 文 章编 号 ： １ ０ ０ ０ — ７ ０ ２ ４（ ２ ０ １ ３ ）１ １ － ３ ９ ４ ４ — ０ ４