图像分割算法的研究综述_徐彩云

本栏目责任编辑：唐一东图像分割算法的研究综述

徐彩云

（武汉生物工程学院计算机信息工程系，湖北武汉430415）

摘要：随着计算机网络技术和数字图像处理技术的迅速发展，图像识别技术也被成功地应用于许多领域。而图像识别的前提条件是图像分割技术，整个数字图像处理过程的好坏取决于图像分割算法的合理选择。由于获取图像的特殊性和复杂性，在对图像进行分割的过程中怎样采用合适的图像分割算法成为研究热点。在比较现有分割算法的基础上，进一步探讨基于灰度阀值分割算法中的阀值选择。

关键词：图像识别；图像处理；图像分割；阀值

中图分类号：G642文献标识码：A 文章编号：1009-3044(2014)11-2637-03

Review of Research on Image Segmentation Algorithm

XU Cai-yun

（Department of Computer and Information Engineering,Wuhan Institute of Bioengineering,Wuhan 430068,China ）

Abstract:With the rapid development of computer network technology and digital image processing technology,image recogni⁃tion technology has been successfullyapplied in many fields.But the precondition of image recognition is the image segmentation technology,the digital image processing selection processdepends on image segmentation algorithm.Because of the particularity and complexity of image acquisition,the image segmentation process of how uses the appropriate image segmentation algorithms become a research hot spot.On the basis of comparing existing segmentation algorithm,further discussed based on threshold selec⁃tion in gray-level threshold segmentation algorithm.

Key words:Image recognition;imageprocessing;image segmentationthreshold

视觉是人类从大自然界获得图像信息的主要来源。图像信息直观、形象、易懂、信息量大，在人类接收和相互通信中处扮演重要的角色[1]。随着计算机网络技术和多媒体技术的迅速发展，数字图像处理技术逐渐形成了自己的学科体系。广泛得应用于各个领域，如工业机器人、地球资源监测、人工智能、医疗卫生等，已经走进人们的日常生活。在这些应用领域中，都离不开图像识别技术，如车牌识别、字符识别、指纹识别、人脸识别等。而图像识别技术的前提和基础是图像分割技术。但由于现实环境等原因使得获取的图像具有复杂性和特殊性，图像分割技术成为数字图像处理的一个难点[2]。图像分割从广义上讲是指把一幅完整的图像分解成若干个具有相同或相异的特性的区域，并在这些区域中提取出感兴趣的目标的技术过程[3]。近些年来，许多学者在图像分割技术方面做了大量的研究工作，但针对所有图像并没有形成通用的、有效的分割算法，需要进一步研究解决。

1图像分割技术

在研究数字图像处理技术时，大多数的人们往往只是关心图像中的某些部分，对其他部分是不感兴趣的，但是这些部分又具有一定的特殊性质，对于整个图像而言把它称为图像的前景或目标，那么图像中其它不被感兴趣的部分就称作图像的背景。为了让人们更清楚地分析和辨别图像中的目标，则需要把一幅图像中的目标分割出来，怎样分割？分割图像时采用何种算法？已成为

图像分割技术研究的热点问题[4]。图像分割是根据图像的特征（如图像的纹理、灰度、颜色等）对图像的像素进行分类，被分割后的

图像区域是不重叠的[5]。但在同一图像区域中的像素特征是类似的，相邻的不同图像区域之间的像素特征是有差别的。图像分割的作用是非常重要如图1所示：

图1图像分割在图像处理过程中的作用

收稿日期：2014-03-10

基金项目：湖北省教育厅科学技术研究项目（B20129005）

作者简介：徐彩云（1978-）女，内蒙古乌兰察布盟人，硕士研究生，主要研究方向为数据库技术，数字图像处理技术。

2637

Computer Knowledge and Technology 电脑知识与技术第10卷第11期(2014年4月)本栏目责任编辑：唐一东

图像分割将一幅图像分解为若干图像区域。优质的图像分割应该具备三个最基本的特征[4]：①图像分割出来的各个区域的一些特征要具有相似性。②相邻的图像区域应该有明显的差异③图像区域需要明确图像分割还可以形式化的定义为：假设整个图像区域用I 表示，具有相同性质谓词用H 来表示，然后图像分割把I 分割为n 个大小不同的区域R i ，当i=1，2，…，n ，需要满足以下条件：①对所有的i 和j 及i≠j ，有∪i =1

n Ri =I ，R i ∩R j =Ø，即分割区域要覆盖整个图像，但各个子区域是不重叠的。②对于H （Ri ）=TRUE ，当i =1，2，…，n ；即分割的每一个区域具有相同的性质。③当i ≠j ，有H （Ri ∪R j ）=FALSE 。即相邻的两个区域具有的性质相异，则不能合并成一个区域。④对于i =1，2，…，n ；Ri 是连通的区域。2灰度图像分割算法

2.1灰度阈值分割阈值分割法是通过设置阈值，依据图像目标和图像背景在灰度像素上的差异进行图像分割的一种技术。它把整个图像按灰度级分成若干类。假设先确定一个灰度阈值T ，把图像中所有像素点的灰度值和阀值T 的进行比较，以确定该像素点是属于目标还是属于背景[4]。,当然阀值T 应处于图像灰度级范围之内。通过比较结果可分为两类：一、如果图像像素的灰度值大于阈值T ，则称其为目标；二、如果图像像素的灰度值小于阈值T ，则称其为背景。而目标和背景是图像中的两类区域，所以通过分割像素的灰度值以实现图像分割的目的。设有灰度图像f(x,y),输出图像为g(x,y),则：

g (x ,y )=ìíî1如果f (x ,y )=T 0其他基于灰度阈值的分割算法最关键的问题是合理阀值的选择。人工选择法是可以利用人类视觉的敏感性，通过观察图像并分

析图像直方图以选择合适的阈值。但在大多数的应用中，需要无人干涉可以自动获取分割的最佳阀值。

2.2迭代式阀值选择

迭代式阈值选择的基本思想是:先依据图像中目标的灰度像素分布特点，选择一个阈值作为初始估计值。通常情况下，初始阈值是图像的灰度均值；然后对估计值不断的进行改进，直到满足既定的条件为止。通过分割图像和修改阈值可以选择较好的阀值

改进策略，从而获得认可的最佳阈值[5]。该算法的主要步骤如下：1)设T0为初始阈值，即选择图像灰度值的中间值。2)依据阈值T i ，把即将要分割的图像按照像素点的灰度分成R1和R2两个不同的区域。3)计算灰度均值u 1=∑i =0Ti ini /∑i =0Ti ni 和u 2=∑i =Ti L -1ini /∑i =Ti L -1

ni ,其中n i 为灰度级i 的像素点个数。4)求出新的阀值T i+1:T i+1=(μ1+μ2)/2。5)重复步骤2和步骤3，直到计算R1和R2均值μ1和μ2。算法：F=imread(“xiaochong.bmp ”);Subplot(1,2,1);Imshow(F);Title(“原始图像”);F=double(F)；T=（min(F(：))）+max(F （：）)/2；done=false ；i=0；While ～done R1=find （F<=T ）；R2=find （F>T ）；Tnew=（mean （F （R1））+mean （F （R2）））/2；Ddone=abs （Tnew-T ）<1；T=Tnew ；I=i+1；End ；F(R1)=0;F(R2)=1;

2638