圖像分割技術在機械測量中的應用研究*

曲霄紅，薄文彥

（山西大同大學 教育科學與技術學院，山西 大同 037009）

在機械行業，針對產品的測量方式有接觸式測量和非接觸式測量兩種。接觸式測量[1-2]有手工測量和接觸式測量機等方式。由于被測物體場地、環境等因素，接觸式測量方法具有測量設備運輸困難、測量精度不高等缺點。非接觸式測量[1-2]有光學測量、電磁測量等方式。采用非接觸式測量方法測量產品速度快，但是坐標定位困難，精度不高。

近年來，隨著計算機技術的發展，采用計算機視覺進行機械產品測量[3]成為一種簡單高效的方法。它具有如下優點：（1）不受被測物體形狀的限制；（2）采集的工具簡單；（3）對采集所需要的光源沒有限制。

基于計算機視覺[4]的機械測量也可以稱為基于圖像的測量。在一幅圖像中，通常只對其中的被測對象感興趣，這些對象往往占據圖像的一定區域，并且在某些特征上與周圍的對象有差別。這些特征可能非常明顯，也可能很細微，以致人眼察覺不出來。

圖像分割[5]是指將一幅圖像分解為若干互不交疊、有意義且具有相同性質的區域。針對不同的任務所采用的圖像分割技術不同，但是一般的圖像分割應具有以下特征：（1）分割出來的各個區域之內，對象具有相似性，且區域內部是聯通的；（2）相鄰區域對分割所依據的性質有明顯的差異；（3）區域的邊界是明確的。

目前廣泛應用的分割方法[6-7]包括區域生長和分裂合并法、閾值法、邊緣檢測法、基于聚類的分割法以及其他各種結合實際對象的分割方法等。

1 圖像分割的定義

結合集合概念，圖像分割可定義為：設集合S為整個圖像區域，區域S分割為N個滿足以下5個條件的子區域 R1，R2，…，Rn：

（2）?i，j，i≠j?Ri∩Rj＝φ。

（3）?i，P（Ri）＝TRUE，其中，P 為滿足區域 Ri的謂詞。

（4）?i，j，i≠j?P（Ri∩Rj）＝FALSE。

（5）?i，Ri為連通的區域。

2 圖像分割算法介紹

閾值法首先根據某個準則求出最優閾值，然后依據閾值將圖像劃分為不同的區域。閾值法有單閾值分割和多閾值分割兩種方法。單閾值分割根據閾值將圖像映射到0和255兩個灰度級上；多閾值分割將圖像映射到多個不同的灰度級。閾值方法具有容易實現的優點，但是閾值的確定一直是研究的難點。

區域生長首先給出種子值，然后根據相似性將具有相似性質的像素組合起來，不斷地增加種子區域的大小；分裂合并法首先將區域劃分為n個互不相交的區域，然后根據某種準則進行合并。區域生長和分裂合并法在消除噪音方面有一定的優勢，但是種子的選取及相似性準則設置的好壞直接影響到算法的效率和執行的效果。

閾值法、區域生長和分裂合并法在參數設置方面的人工干預因素太多，因此在應用方面有一定的局限性。

邊緣檢測法根據采用的算子不同，得到邊緣的精度也不同。對于對象和背景信息的邊緣，有些算子提取得很多，有些提取得很少，無法根據實際的情況自動選擇最好的算子。

基于聚類的方法根據圖像像素之間的相似性準則對圖像進行分類，使得相似的盡可能劃分為一類，不相似的盡可能不被分為一類。這種方法執行的效率主要取決于相似性的表示方法和相似性度量的標準兩個因素。這種方法實現簡單，但相似性度量的標準需要人工干預。

3 圖像分割方法的實驗分析

本文采用Matlab 7.0作為實驗工具，比較了閾值法、區域生長法和邊緣提取法的分割效果，其中邊緣提取法分別采用了3種不同的算子，實驗結果如圖1所示。

圖1 不同算法的邊緣提取效果對比

從圖 1可以看出，圖 1（b）采用一階差分作為算子，提取的結果準確，但是不能從圖像中完全提取出所有的邊緣；圖1（c）采用二階差分作為算子，提取的邊緣信息太多，不利于后期計算；圖 1（d）采用二值閾值法，提取的區域過于單一，對象及背景信息都包括在內。

從實驗可知，各種圖像分割算法都有其自身的特點，但也存在一定的不足：抗噪能力和提取精度無法同時滿足。因此，如何根據實際情況平衡二者的關系成為應用過程中的一個難點。

本文對各種區域分割算法進行了總結。閾值法、區域生長和分裂合并法的人工干預因素較多，不利于實際的應用；其余方法均不是一種通用的圖像分割方法。因此，設計一種通用、參數少且能實現圖像自動分割的算法成為今后研究的一個熱點。

[1]王宏濤，周儒英，張麗艷.現代測量方法在逆向工程數據采集技術中的應用[J].航空計測技術，2003，23（4）：1－19.

[2]韓立洋，郭旭紅.逆向工程技術在機械領域的應用[J].蘇州大學學報，2008，28（4）：58－60.

[3]王永強.基于約束算法的大尺度三維視覺測量方法研究[D].北京：北京郵電大學，2006.

[4]馬頌德，張正友.計算機視覺[M].北京：科學出版社，1998.

[5]章毓晉.圖像分割[M].北京：科學出版社，2001.

[6]韓翠英，孔娟.關于圖像分割算法的優化仿真研究[J].計算機仿真，2011，28（6）：262－265.

[7]楊懷義.圖像分割中算法的應用研究[J].計算機仿真，2012，29（2）：229－232.