图像分割技术的研究

在实际应用中一般与其它的方法结合使用 。其基本 原理是在所有灰度值的取值范围内确定一个或多个 阈值 ， 将灰度图像分为几类 ， 灰度值在 同一类中即属
于 同一个 目 。阈值又可分为全局 阈值、 标 局部阈值
像素和后加入像素所形成的这个 区域里 ， 即进行 区
域生长 ， 最后对这个新 区域用某种均匀测度函数测
试其均匀性 ， 若为真 则继续生长 ， 为假则停止生 若 长 。区域生长法的关键点在于种子点位置的选择和
检测准则 的选取。检测准则应 当根据实际情况选 取 。若选取不当， 则直接影响最后的分割效果 ， 形成 过分割或欠分割的现象 ， 以通常要对分割的结果 所 建立一定的模型。区域生长法 的优点是计算简单 ， 对于较均匀的联通 目标具有较好 的分割效果 ， 并且 由于考 虑 了空 间特 性 ， 可以消 除孤立 噪声 的干扰 ， 具 有很好的鲁棒性。其缺点是需要人为确定种子点 ， 可能导致区域 内有孔状货根本不连续 的区域 ， 而且 小区域的影响可能造成原本分开的区域连接起来。
关键 即为阈值的选取 ， 阈值的选取将决 定图像分割 效果 的优劣。当阈值选取过大时 ， 会丢失所需要 的 部分， 过多的目标点被错误的归为背景 ， 丢失了很多
以形成所需的分割结果。其基本方法是将原始图像 分成任意大小且不重叠的若 干个 区域， 再基 于某种
给定 的分裂合并 条 件将 图像 分 裂 合并 ， 以满 足对 图
一
１５ — ６
会被后续计算所利用 。
故 四类算法分别 为： （） １ 并行边界 （ Ｂ 类 ， Ｐ ） 主要包括 ： 正交 梯度算 子， 方向微分算子等。
（） ２ 串行边 界 （ Ｂ） ， Ｓ 类 主要 包 括 ： 图搜 索 ， 态 动 规划 等 。
值方法 、 最大熵阈值方法、 最大类间方差阈值方法等 等， 并且随着模糊数学、 人工神经网络、 小波变换及
一
（） Ｒ １ Ｒ。 （ ） 所有 的 ｉ ２对 和 ，≠ ， ｉ 有 ｎ ≠咖。 ，
（ ） ｉ １２ …， ， 尸 ） Ｔ Ｕ 。 ３对 ＝ ，， 凡有 （ ＝ Ｒ Ｅ
（） ４ 对 ≠ ， Ｐ Ｒ ｕＲ）＝Ｆ Ｌ Ｅ 有 （ Ａ Ｓ。
（ ） ｉ １２ … ，， ５ 对 ＝ ， ， 凡 Ｒ 是连通 的区域 。 Ｊ 其中， （ 代表所有 在集合 Ｒ 中元素 的某 种性 Ｐ Ｒ）
遗传算法等技术的发展 ， 越来越多的新方法被提出 并广 泛应 用 。
２ ２ 区域生 长法和 分裂合 并 法 ．
（） ３ 并行区域（ Ｒ 类 ， Ｐ ） 主要包括 ： 阈值法 ， 空Fra Baidu bibliotek
聚类法等 。 （） ４ 串行 区域 （ ｒ 类 ， ｓｔ ） 主要包括 ： 区域生长， 分 裂合并等。 目前 比较热门并广泛应用的图像分割方法有 ：
首先人为的在 目 标边界附近确定活动轮廓， 然后根
据曲线的能量最小化原则对 活动轮廓进行变形 ， 使
我们设置的活动轮廓停留在 目标边界轮廓上。活动 轮廓模型也称为 Ｓ ａｅ 型 ， 由于在其逼近 目 ｎｋ 模 是 标 轮廓过程 中， 活动轮廓像蛇一样不断改变 自身 的形 状。原始的 Ｓａｅ ｎｋ 模型是由一组控制点组成。 Ｖ ｓ ＝［ （）ｙ ｓ ］ （） ｓ ，（） ｓ ０１ ∈［ ，］
１ 图像分 割的数学描述
图像分割的基本思想是根据图像像素点之间的 相互区别与联系将原图像划分成一些互不相交的小 区域 。图像分 割可借助集合概念做如下数 学描 Ｊ
述：
度的不连续性可以分为基于区域内部像素灰度相似
性的区域分割法和基于区域之间像素灰度不连续性 的边 缘检 测法 。 基于处理 的策略不同， 分割方法又可分为并行 方法和串行方法。在并行方法 中， 所有工作都可 同
关键词 ： 并行 ；串行 ；边界 ；区域
Ｒｅ ｅ ｒ ｈ ｏ ｍ ａ ｅ ｓ ｇ ｅ ｔ ｔｏ ｅ ｈ ｏ ｏ ｙ ｓ ａ ｃ ｎ ｉ ｇ ｅ ｍ ｎ ａ ｉｎ ｔ ｃ ｎ ｌｇ
Ｚ ＨＡＮＧ Ｊａ ｉｎ
（ ｉ ｎ ｊ ｎ ｎｔｕｅｏ ｃｅｃ ｎ ｅｈ ｏｏ ｙ Ｈａｂｎ １０ ２ ，Ｃ ｉａ Ｈｅ ｏ ｇｉ ｇＩｓ ｔｔ ｆＳｉｎｅａ ｄＴ ｃ ｎ ｌｇ ， ｒ ｉ ５ ０７ ｈｎ ） ｌ ａ ｉ
质 ， 空集 。 西是
２ 图像分 割方法分类
图像分割大体根据以下方法分为四类 ： 基于像素灰度的两个特征 ： 相似性和不连续性 ， 根据 区域 内部像素灰度的相似性和区域之间像素灰
割在实际中已经得到广泛 的应用 ， 例如在工业 自动 化、 在线产品检测、 文档 图像处理、 保安 监视等等诸 多领域 …。
①灰度 阈值法 ； 区域 生长法 ；③梯 度算 子 ② 法； ④动态规划法 ； ⑤活动轮廓模型法 （ｎｋ 模型 Ｓ ａｅ
法 ） 。
２ １ 灰 度 阈值分 割 法 ．
灰度阈值分割法是一种简单的并行区域类分割
技术 ， 其计算简单 ， 运算效率高 ， 运算速度快 ， 由于 但 其 没有考 虑 空 间特 性 ， 此 方 法 对 噪声 十 分 敏 感 。 故
和 足 合并 起来 。
峰特性 ， 则可获得较好的分割效果。如果 目标与背
景之间的灰度值差 比较小， 即灰度直方图双峰特性 不明显时， 用直方图方法就不太 容易确定一个 比较 合适的阂值。此时 ， 可用极小值点阈值方法 、 最优 阈
一
（） ３ 四叉树整合 ： 如果不能继续进行进一步 的
（） １ 四叉树分裂 ： 任意 区域 Ｒ ， Ｐ ）： 对 若 （ Ｆ ＬＥ 则将 Ｒ 等分为四个不重叠的部分。 ＡＳ ， （） ２ 四叉树 合并 ： 于相 邻 的两 个 区域 。 尺 对 和 （ 以大小不同） 若 Ｐ ｕ 可 ， （ ， Ｔ Ｕ 则将 尺 ）： Ｒ Ｅ，
２ １ 年第 ０ ０ １ １期
中图分类号 ：Ｎ ｌ．３ Ｔ ９ １７ 文献标识码 ： Ａ 文章 编号 ： ０ １ ９—２ （０ １ １ ０ ６ ０ ０ ２ １ ）０— １５— ４
图 像 分 割 技 术 的 研 究
张 剑
（ 黑龙 江科技学 院 ，哈尔滨 １０２ ） ５ ０ ７
摘
一
区域生长法和分裂合并法是利用一幅图像 中同 个 区域 的像素具有相似的属性 ， 同区域的像素 不
具有不同的属性这一性质， 将具有相 同或相似属性 的像素划分成一个 区域 ， 具有不 同属性 的像素划分 成不同的区域。如果只利用一种属性进行分割时 ， 分 割方法就变成 了利用这一属性进行 的阂值分割法。 阈值分割可以认为是将图像从上到下进行分开 ， 而区 域生长则相当于从下到上对像素进行合并 。 Ｊ 区域生长法是从单个像素出发 ， 逐渐合并 以形 成所需的分割结果。其基本方法是先确定所分割完 区域的数 目， 并在每个 区域 中设定一个种子像素作 为生长点 ， 按照某 种检测准 则 （ 比如灰度级 、 彩色 等） 逐步地将种子像素周 围的其他像素加入到种子
分 裂合并 法是 从 整个 图像 出发 ， 渐 分裂 合 并 逐
和动态阈值。全局阈值的数学描述为：
， 、
［５ ２５
，） Ｙ ≥￡
ｇ ， １ （） ０ ， Ｊ
，
） ＜
Ｙ 为原始 灰度 图像 ， 为所选 取 的阈值 ， ） ｔ
ｇ ｘＹ 为经过阈值分割后的二值图像。 （ ，） 局部阂值法即为将图像分为若干个小 区域 ， 每 个区域都确定一个 阈值 ， 每个小 区域确定阈值 的方
时， 独立 地完 成 。而在 串行 方法 中 ， 得 到 的结 果 早期
收 稿 日期 ：２ １ ０ Ｉ一０ ４—１ ３
令集合 Ｒ代表整个图像区域 ， Ｒ的分割可看 对 作将 分成若 干个满 足以下 ５ 个条 件的非空子集 （ 区域 ） １Ｒ ， ， 子 Ｒ ，２… Ｒ ；
作者简介 ：张剑 （ ９３ ， 硕士研究生， １ ８ 一） 男， 研究方向为数字图像处理。
】６ 一 ６
分裂和合并 ， 则整个过程结束 。 分裂合并的优点是不再需要种子像素 ， 并且对
自 然景物等复杂图像的分割效果较好 。其缺点是算 法复杂 ， 计算量大， 影响分割速度 ， 而且还有可能破 坏原本 区域 的边界 。
２３ 梯 度算 子法 ．
届计算机 国际视觉会议上提 出 。其基本思想是 】
０ 引 言
图像分割是由图像处理过渡到图像分析的基础 工作 ， 所以分割的好 坏将直接影响到后续 的步骤 ， 如 ： 标检测、 目 特征提取、 目标识别等工作的难易程 度， 多年来一直被人们所重视并进行了不断深入 的 研究 。由于其重要性和困难性 ， 虽然已经研究 出上 千种图像分割方法 ， 但是到 目前为止还没有一种通 用的方法对所有 图像都能获得 良好 的效果 ， 也没有 个通用的标准来衡量一个分割是否成功。图像分
法与全局阂值法相类似。动态阈值法 中的阈值不但 与任一点 （ ，） Ｙ 的原始 图像 厂 ，） （ Ｙ 以及该点邻域的
某种 局部 性质 有关 ， 而且 还 与 该点 坐标 （ ） 相关 ， ，） ，
即对每一个像素求 出一个 阈值 ， 对整幅图像求 出一 个阈值面。根据以上论述可知 ， 灰度阈值分 割法 的
Ａｂ ｔ ａ ｔ Ｔ ｉ ｐ ｐ ｒ ｄ ｓ ｏ ｒ ｅ ｎ ｓ ｖ ｒ ｌｗ ｄ ｌ ｓ ｄ ｍｅｈ ｄ ｆｉ ｇ ｅ ｍｅ ｔｔ ｎ ｓ ｓｅ ｔ ａ ｌ． ｓ ｒ ｃ ： ｈ ｓ ａ ｅ ｉ ｕ ｓ ｓ ｏ ｅ ｅ ａ ｉ ｅｙ ｕ ｅ ｔ ｏ ｓ ｏ ｍａ ｅ ｓ ｇ ｎａ ｉ ｙ ｔｍａ ｉ ｌ ｃ ｏ ｃ ｙ Ｆ ｒｔ ，ｉ ｂ ｉｆ ｔ ｄ ｃ ｓｔ ｅ ｄ ｆ ｉ ｏ ｆ ｍａ ｅ ｓ ｇ ｎａ ｉｎ Ｓ ｃ ｎ ｌ ｍａ ｅ ｙ ｔｍａ ｉ ｘ ｏ ｉ ｏ ｉ ｌ ｓ ｙ ｔ ｒ ｌ ｉ ｒ ｕ ｅ ｅｉ ｔ ｎ ｏ ｇ ｅ ｍｅ ｔｔ ． ｅ ｏ ｄｙ， ｋ ｓａ ｓ ｓ ｅｙ ｎ ｏ ｈ ｎ ｉ ｉ ｏ ｅ ｔ ｅ ｐ ｓｔ ｎ ｃ ｉ ｏ ｒ ｙ ｌ ｖ ｌｔ ｒ ｓ ｏｄ，ｒ ｇｏ ｏ ｎ ｎ ａ ｉｎ ｐ ｒｔ ｒＭｅ ｏ ．Ａｔ ｈ ａ ｉ ，ｉ ｐ ｉｔ ｕ ｅ ｆｇ ａ ｅ ｅ ｅ ｈ ｌ ｈ ｅ ｉｎ ｇ ｗｉ ｇ ａ ｄ ｇ ｄ ｅ ｔ ｅ ａｏ ｔ ｄ ｒ ｒ ｏ ｈ ｅ ｓ ｍｅ ｔ ｔ ｍｅ ｔ ｏｎ ｓｏ ｔｔ ｈ ｍｅ ｉ ｎ ｒｗｂ ｃ ｓ ｏ ｅ ｅ ｍｅ ｏ ｓ ｎ ｏ ａ ｅ ｅｒｓ ｇ ｎ ａｉｎ ｅｆ ｃｓ ｒ ｓ ａ ｄ ｄ ａ ａ ｋ ｆｔ ｓ ｔ ｄ ，ａ ｄ ｃ ｍｐ ｒ ｓ ｔ ｉ ｅ ｍｅ ｔｔ ｆ ｔ ． ｔ ｈ ｈ ｈ ｏ ｅ Ｋｅ ｒ ｓ ｐ ａｌｌ ｅ ｉｌ ｄ ｅ ｒ ａ ｙ ｗｏ ｄ ： ａ ｌ ；ｓ ｒ ；ｅ ｇ ；ａ ｅ ｒ ｅ ａ
要 ：对 目前几种 比较 热 门并 广泛 应 用 的 图像 分割 方 法进 行 系统 的论 述 ， 即首 先对 图像 分割
定义进行 简单介绍 ，然后再对灰度 阈值 法、区域生长法、梯度算子法等几种分割方法进行 系统
的论 述 ，同时指 出各 种分割 方 法的优 缺 点 ，并 对其分 割效 果进行 比较 。
像的分割要求 。最常用的方法是基于利用图像 四叉 树表达方法的迭代分裂合并法 。 Ｒ代表原始图像 ， （・ 代表检验准则 ， Ｐ ） Ｒ 代表
Ｒ的子 区域 。
信息。当阈值选取过小时， 会提取多余的部分 ， 过多 的背景被错误 的归 为 目标 ， 增加 了很 多虚假 信息
（ 当背景为 白色 目标为黑 色时相反 ） 。确定 阈值最 常见 的方 法 为直方 图法 ， 果直 方 图具 有 明显 的双 如