基于灰度空間大熊貓圖像分割方法研究

黃佳琪++王雪琴++曾陳穎++肖江

摘 要：大熊貓作為中國國寶，其監測及保護更受到越來越多的關注。本文詳細介紹基于灰度空間的閾值分割方法，用于大熊貓圖片前景的提取，并與基于YCbCr顏色空間的分割算法進行對比，分析閾值分割的適用范圍及分割效果。

關鍵詞：大熊貓 圖像分割 灰度空間 閾值

中圖分類號：TP391 文獻標識碼：A 文章編號：1672-3791（2014）03（a）-0011-04

野生動物的生存與發展維系著生態系統的平衡與穩定，伴隨著人類社會的生存與發展，已成為人類生產、生活的一項重要戰略資源，是事關社會經濟可持續發展的重要戰略資本。大熊貓作為中國國寶，其監測及保護更受到越來越多的關注。在野外監測中，如能從上傳圖片中自動識別出大熊貓，將大大提高工作效率，減輕檢測人員勞動力強度。

野外采集的大熊貓圖片識別的過程中，圖像分割是圖像檢索、識別和圖像理解的基本前提步驟。彩色圖像分割的兩個主要問題是選著合適的顏色空間和采用合適的方法[1]，根據不同的場合選擇合適的顏色空間和方法，能夠得到符合人們主觀視覺感知的分割結果。目前在圖像分割領域中，一直沒有一個通用有效的方法，大多數方法只針對特定的應用場合，由于實際圖像質量差別很大，不同彩色圖像分割方法的效果也各有參差，所以彩色圖像分割方法的研究具有很重要的意義[2]。本文主要針對大熊貓圖像提出了三種基于顏色的圖像分割算法，通過對實驗結果的分析對比，指出了這些算法的適用場合及不足。

1 圖像分割方法

圖像分割的研究多年來一直受到人們的高度重視，分割算法也層出不窮，對于圖像分割算法的分類依據也不統一。圖像分割方法的選擇，在很大程度上依賴于特定的圖像、成像方式以及成像中的可變因素和不變因素（如噪聲和紋理等），這些都會在很大程度上影響后繼的分割。現今國內外廣泛使用的圖像分割方法主要可分為基于閾值分割、基于變形模型分割、基于區域生長分割、基于聚類法分割、基于遺傳算法分割等[3]。

1.1 基于閾值的圖像分割

在所有的圖像分割方法中，閾值法是最常用的方法，其實質是利用圖像的灰度直方圖信息得到用于分割的閾值。基于閾值算法的優點是實現簡單，運算速度快，缺點是難以處理包含多個前景物體的情況[4]。

對于一幅大熊貓的圖像來說，其最顯著的特征便是大熊貓身體顏色的構成，除部分區域因污漬、陰影和光照產生的輕微變化外，大熊貓身體主要由純黑和純白兩種顏色構成。而灰度空間是由純黑、純白以及介于二者之間的各種灰色構成，在灰度圖像上所占區間為[0，255]，因而將大熊貓彩色圖像轉化為灰度圖像能對其顏色特征進行很好描述。本研究采用的是基于灰度空間的分割算法[5]。將大熊貓身體的黑白兩部分區域分別提取出來后合并到一起，與背景區域分開。下面將結合程序具體講解算法。

（1）分別提取大熊貓黑色和白色部分：

Q=imread（'1.jpg'）；

I=rgb2gray（Q）；

以上語句將讀取圖片轉變成灰度圖像。

BW1=roicolor（I，155，255）；

se1=strel（'disk'，2）；BW1=imopen（BW1，se1）；

se1=strel（'disk'，2）；BW1=imclose（BW1，se1）；

以上語句將灰度圖像中顏色較淺區域提取出來，先經過腐蝕處理將背景及大熊貓邊緣含有白色雜質部分去除，再通過膨脹處理將大熊貓主體面積大致恢復原樣。具體腐蝕膨脹的強度根據多次調整strel（）函數中的數值，使最終效果既不受背景影響，也不改變大熊貓白色毛發范圍。實驗效果見圖1。

BW2=roicolor（I，0，30）；

se1=strel（'disk'，2）；BW2=imopen（BW2，se1）；

se1=strel（'disk'，2）；BW2=imclose（BW2，se1）；

以上語句將灰度圖像中顏色較深區域提取出來，先經過腐蝕處理將背景及大熊貓邊緣含有黑色雜質部分去除，再通過膨脹處理將大熊貓主體面積大致恢復原樣。實驗效果見圖2。

（2）合并黑白部分后進行膨脹腐蝕處理：

ADD=imadd（BW1，BW2）；

se2=strel（'disk'，5）；ADD=imclose（ADD，se2）；

se1=strel（'disk'，14）；ADDO=imopen（ADD，se1）；

se2=strel（'disk'，50）；ADDOC=imclose（ADDO，se2）；

ADDOCF=imfill（ADDOC）；

BW=im2bw（ADDOCF）；

以上語句將大熊貓的深色區域和淺色區域合并后，為使大熊貓的區域更加接近理想狀態，又進行以下四步處理：（1）先進行膨脹處理，將深色區域與淺色區域連接到一起，形成一個整體；（2）腐蝕處理，將背景中殘留部分消除；（3）膨脹處理，將大熊貓區域還原；（4）填洞，有時大熊貓區域內部會因陰影或大熊貓手持食物而存在未被提取到的部分，造成孔洞，最后使用填洞語句將孔洞補上。實驗效果見圖3。

（3）在原圖中顯示：

[B，L] = bwboundaries（BW，'noholes'）；

subplot（2，2，2），imshow（Q）；

hold on；

for k = 1：length（B）

boundary = B{k}；

plot（boundary（：，2）， boundary（：，1）， 'r'， 'LineWidth'， 2）endprint

end

為了觀察對比處理后區域的效果，我們用上述程序在原圖上用紅線將提取范圍的輪廓標出，可以看出，處理達到了預期效果。將處理后的大熊貓背景設置為藍色，便于后期的特征提取。實驗效果見圖4。

1.2 基于YCbCr顏色空間的分割算法

YCbCr顏色空間廣泛的應用于數字影視圖像中。Y分量存儲亮度信息，Cb，Cr存儲圖像的彩色信息。其中Cb為藍色和參考值之間的差異，Cr為紅色和參考值之間的差異。YCbCr色彩系統是一種常見的重要的色彩系統，JPEG圖片采用的色彩系統就是該系統。它由YUV色彩系統衍生而來，Cb=k1U，Cr=k2V，其中k1、k2分別為壓縮系數，壓縮的目的是防止色差信號對亮度信號的干擾及超過亮度信號的電平，Cb和Cr則是將U和V做少量調整而得到的。Y仍為亮度信息（電視機中稱其為亮度信號）。YCbCr色彩系統與RGB色彩系統的轉換關系如下：

Y=0.299*R+0.587*G+0.114*B （1）

Cr=（R-Y）*0.713+128 （2）

Cb=（B-Y）*0.564+128 （3）

為了對背景比較復雜的大熊貓的彩色圖像準確快速的進行檢測和分割，我們參考了人臉膚色檢測方法。首先利用手工方式采集不同人種的人臉膚色樣本，在YCbCr色彩空間建立膚色樣本模型，然后利用相似度閾值進行膚色分割，將原來較大的圖像分割成小塊的矩形區域，再計算人臉區域歐拉數來縮小搜索范圍，最后用人臉模板進行人臉檢測。選擇YCbCr空間（Y分量表示亮度，Cb、Cr表示色度）。作為膚色分布統計的映射空間，優點是可以將亮度和色度分開單獨處理，Cb、Cr是兩維獨立分布，能較好的限制膚色分布區域，膚色點能夠形成較好的聚類。研究表明YCbCr色彩空間對大熊貓膚色也具有很好的聚類效果，利用Cb和Cr分量能很好地對大熊貓顏色信息進行聚類。為此我們采取了簡單的非參數化方法來確定膚色，即通過仔細選擇閾值Cb[Cb1，Cb2]和Cr[Cr1，Cr2]利用判定規則：一個象素（i，j）如果同時滿足Cb1

從圖5的大熊貓圖像分割結果可知，對于背景較復雜，采用基于YCbCr顏色空間Cb和Cr分量聯合判別分割算法能取得很好的分割效果。

2 實驗結果分析

傳統的閾值分割方法僅僅考慮了圖像的灰度信息，而忽略了圖像的空間信息，因此對于圖像中不存在明顯灰度差的圖像得不到滿意的分割結果。通常在大熊貓身處背景為黑色、白色環境中或大熊貓白色毛發被污染時，閾值分割法不能達到預期效果。

在大熊貓受到過強光照時，大熊貓黑色毛發部分會發亮，灰度值增大，大熊貓受到過弱光照及毛發被污染時，白色毛發部分發暗，灰度值減小。有可能超出閾值選取范圍，造成大熊貓被提取部分缺失。在大熊貓周圍環境和大熊貓毛發顏色接近且范圍較大時，普通的腐蝕無法將其去除，又容易造成提取范圍過大的問題，因此基于閾值的圖像分割存在一定缺陷。基于YCbCr顏色空間的分割算法適用范圍不如前者廣泛，但在一定程度上可以彌補基于閾值的圖像分割的不足，在進行大熊貓圖像分割時可將兩者綜合運用，提高分割的成功率。

3 結語

基于閾值的圖像分割算法在部分大熊貓圖像分割上具有滿意的效果，但不能在使用同一參數的情況下，使所有大熊貓圖片的主體與背景分離。對于復雜多變情況下的圖像分割很難通過一種算法達到高效通用的目的。作者以后還將繼續研究更多適用于大熊貓圖像分割的算法，與基于閾值的圖像分割算法配合使用，提高分割適用范圍與效果。

（致謝：本文系北京林業大學2013年北京市大學生科學研究與創業行動計劃項目（項目編號：S1310022034）資助。）

參考文獻

[1] Khang Siang Tan，Nor Ashidi Mat Isa.Color images egmentation using histogram thresholding Fuzzy C-means hybrid approach[J].Pattem Reeognition，2011，44（l）：1-15

[2] 季曉峰.基于模糊C均值聚類的彩色圖像分割算法研究[D].南京理工大學碩士學位論文，2012.

[3] 何俊，葛紅，王玉峰.圖像分割算法研究綜述[J].計算機工程與科學，2009，31（12）.

[4] 周鮮成.圖像分割方法及其應用研究綜述[J].信息技術，2008，31（12）：11-14.

[5] 高月紅.灰度圖像分割算法的研究[J].科技信息，2009，27：409-410.

end

為了觀察對比處理后區域的效果，我們用上述程序在原圖上用紅線將提取范圍的輪廓標出，可以看出，處理達到了預期效果。將處理后的大熊貓背景設置為藍色，便于后期的特征提取。實驗效果見圖4。

1.2 基于YCbCr顏色空間的分割算法

YCbCr顏色空間廣泛的應用于數字影視圖像中。Y分量存儲亮度信息，Cb，Cr存儲圖像的彩色信息。其中Cb為藍色和參考值之間的差異，Cr為紅色和參考值之間的差異。YCbCr色彩系統是一種常見的重要的色彩系統，JPEG圖片采用的色彩系統就是該系統。它由YUV色彩系統衍生而來，Cb=k1U，Cr=k2V，其中k1、k2分別為壓縮系數，壓縮的目的是防止色差信號對亮度信號的干擾及超過亮度信號的電平，Cb和Cr則是將U和V做少量調整而得到的。Y仍為亮度信息（電視機中稱其為亮度信號）。YCbCr色彩系統與RGB色彩系統的轉換關系如下：

Y=0.299*R+0.587*G+0.114*B （1）

Cr=（R-Y）*0.713+128 （2）

Cb=（B-Y）*0.564+128 （3）

為了對背景比較復雜的大熊貓的彩色圖像準確快速的進行檢測和分割，我們參考了人臉膚色檢測方法。首先利用手工方式采集不同人種的人臉膚色樣本，在YCbCr色彩空間建立膚色樣本模型，然后利用相似度閾值進行膚色分割，將原來較大的圖像分割成小塊的矩形區域，再計算人臉區域歐拉數來縮小搜索范圍，最后用人臉模板進行人臉檢測。選擇YCbCr空間（Y分量表示亮度，Cb、Cr表示色度）。作為膚色分布統計的映射空間，優點是可以將亮度和色度分開單獨處理，Cb、Cr是兩維獨立分布，能較好的限制膚色分布區域，膚色點能夠形成較好的聚類。研究表明YCbCr色彩空間對大熊貓膚色也具有很好的聚類效果，利用Cb和Cr分量能很好地對大熊貓顏色信息進行聚類。為此我們采取了簡單的非參數化方法來確定膚色，即通過仔細選擇閾值Cb[Cb1，Cb2]和Cr[Cr1，Cr2]利用判定規則：一個象素（i，j）如果同時滿足Cb1

從圖5的大熊貓圖像分割結果可知，對于背景較復雜，采用基于YCbCr顏色空間Cb和Cr分量聯合判別分割算法能取得很好的分割效果。

2 實驗結果分析

傳統的閾值分割方法僅僅考慮了圖像的灰度信息，而忽略了圖像的空間信息，因此對于圖像中不存在明顯灰度差的圖像得不到滿意的分割結果。通常在大熊貓身處背景為黑色、白色環境中或大熊貓白色毛發被污染時，閾值分割法不能達到預期效果。

在大熊貓受到過強光照時，大熊貓黑色毛發部分會發亮，灰度值增大，大熊貓受到過弱光照及毛發被污染時，白色毛發部分發暗，灰度值減小。有可能超出閾值選取范圍，造成大熊貓被提取部分缺失。在大熊貓周圍環境和大熊貓毛發顏色接近且范圍較大時，普通的腐蝕無法將其去除，又容易造成提取范圍過大的問題，因此基于閾值的圖像分割存在一定缺陷。基于YCbCr顏色空間的分割算法適用范圍不如前者廣泛，但在一定程度上可以彌補基于閾值的圖像分割的不足，在進行大熊貓圖像分割時可將兩者綜合運用，提高分割的成功率。

3 結語

基于閾值的圖像分割算法在部分大熊貓圖像分割上具有滿意的效果，但不能在使用同一參數的情況下，使所有大熊貓圖片的主體與背景分離。對于復雜多變情況下的圖像分割很難通過一種算法達到高效通用的目的。作者以后還將繼續研究更多適用于大熊貓圖像分割的算法，與基于閾值的圖像分割算法配合使用，提高分割適用范圍與效果。

（致謝：本文系北京林業大學2013年北京市大學生科學研究與創業行動計劃項目（項目編號：S1310022034）資助。）

參考文獻

[1] Khang Siang Tan，Nor Ashidi Mat Isa.Color images egmentation using histogram thresholding Fuzzy C-means hybrid approach[J].Pattem Reeognition，2011，44（l）：1-15

[2] 季曉峰.基于模糊C均值聚類的彩色圖像分割算法研究[D].南京理工大學碩士學位論文，2012.

[3] 何俊，葛紅，王玉峰.圖像分割算法研究綜述[J].計算機工程與科學，2009，31（12）.

[4] 周鮮成.圖像分割方法及其應用研究綜述[J].信息技術，2008，31（12）：11-14.

[5] 高月紅.灰度圖像分割算法的研究[J].科技信息，2009，27：409-410.

end

為了觀察對比處理后區域的效果，我們用上述程序在原圖上用紅線將提取范圍的輪廓標出，可以看出，處理達到了預期效果。將處理后的大熊貓背景設置為藍色，便于后期的特征提取。實驗效果見圖4。

1.2 基于YCbCr顏色空間的分割算法

YCbCr顏色空間廣泛的應用于數字影視圖像中。Y分量存儲亮度信息，Cb，Cr存儲圖像的彩色信息。其中Cb為藍色和參考值之間的差異，Cr為紅色和參考值之間的差異。YCbCr色彩系統是一種常見的重要的色彩系統，JPEG圖片采用的色彩系統就是該系統。它由YUV色彩系統衍生而來，Cb=k1U，Cr=k2V，其中k1、k2分別為壓縮系數，壓縮的目的是防止色差信號對亮度信號的干擾及超過亮度信號的電平，Cb和Cr則是將U和V做少量調整而得到的。Y仍為亮度信息（電視機中稱其為亮度信號）。YCbCr色彩系統與RGB色彩系統的轉換關系如下：

Y=0.299*R+0.587*G+0.114*B （1）

Cr=（R-Y）*0.713+128 （2）

Cb=（B-Y）*0.564+128 （3）

為了對背景比較復雜的大熊貓的彩色圖像準確快速的進行檢測和分割，我們參考了人臉膚色檢測方法。首先利用手工方式采集不同人種的人臉膚色樣本，在YCbCr色彩空間建立膚色樣本模型，然后利用相似度閾值進行膚色分割，將原來較大的圖像分割成小塊的矩形區域，再計算人臉區域歐拉數來縮小搜索范圍，最后用人臉模板進行人臉檢測。選擇YCbCr空間（Y分量表示亮度，Cb、Cr表示色度）。作為膚色分布統計的映射空間，優點是可以將亮度和色度分開單獨處理，Cb、Cr是兩維獨立分布，能較好的限制膚色分布區域，膚色點能夠形成較好的聚類。研究表明YCbCr色彩空間對大熊貓膚色也具有很好的聚類效果，利用Cb和Cr分量能很好地對大熊貓顏色信息進行聚類。為此我們采取了簡單的非參數化方法來確定膚色，即通過仔細選擇閾值Cb[Cb1，Cb2]和Cr[Cr1，Cr2]利用判定規則：一個象素（i，j）如果同時滿足Cb1

從圖5的大熊貓圖像分割結果可知，對于背景較復雜，采用基于YCbCr顏色空間Cb和Cr分量聯合判別分割算法能取得很好的分割效果。

2 實驗結果分析

傳統的閾值分割方法僅僅考慮了圖像的灰度信息，而忽略了圖像的空間信息，因此對于圖像中不存在明顯灰度差的圖像得不到滿意的分割結果。通常在大熊貓身處背景為黑色、白色環境中或大熊貓白色毛發被污染時，閾值分割法不能達到預期效果。

在大熊貓受到過強光照時，大熊貓黑色毛發部分會發亮，灰度值增大，大熊貓受到過弱光照及毛發被污染時，白色毛發部分發暗，灰度值減小。有可能超出閾值選取范圍，造成大熊貓被提取部分缺失。在大熊貓周圍環境和大熊貓毛發顏色接近且范圍較大時，普通的腐蝕無法將其去除，又容易造成提取范圍過大的問題，因此基于閾值的圖像分割存在一定缺陷。基于YCbCr顏色空間的分割算法適用范圍不如前者廣泛，但在一定程度上可以彌補基于閾值的圖像分割的不足，在進行大熊貓圖像分割時可將兩者綜合運用，提高分割的成功率。

3 結語

基于閾值的圖像分割算法在部分大熊貓圖像分割上具有滿意的效果，但不能在使用同一參數的情況下，使所有大熊貓圖片的主體與背景分離。對于復雜多變情況下的圖像分割很難通過一種算法達到高效通用的目的。作者以后還將繼續研究更多適用于大熊貓圖像分割的算法，與基于閾值的圖像分割算法配合使用，提高分割適用范圍與效果。

（致謝：本文系北京林業大學2013年北京市大學生科學研究與創業行動計劃項目（項目編號：S1310022034）資助。）

參考文獻

[1] Khang Siang Tan，Nor Ashidi Mat Isa.Color images egmentation using histogram thresholding Fuzzy C-means hybrid approach[J].Pattem Reeognition，2011，44（l）：1-15

[2] 季曉峰.基于模糊C均值聚類的彩色圖像分割算法研究[D].南京理工大學碩士學位論文，2012.

[3] 何俊，葛紅，王玉峰.圖像分割算法研究綜述[J].計算機工程與科學，2009，31（12）.

[4] 周鮮成.圖像分割方法及其應用研究綜述[J].信息技術，2008，31（12）：11-14.

[5] 高月紅.灰度圖像分割算法的研究[J].科技信息，2009，27：409-410.