基于邊緣檢測(cè)和區(qū)域生長(zhǎng)的彩色圖像分割方法研究

劉歡 張梅 彭星星

【摘要】 彩色圖像分割是計(jì)算機(jī)視覺(jué)領(lǐng)域研究的焦點(diǎn)和難點(diǎn)。本文通過(guò)介紹常用彩色圖像分割方法，論述彩色空間的表示方法，在分析和綜合所有方法基礎(chǔ)上，選取邊緣檢測(cè)和區(qū)域生長(zhǎng)相結(jié)合的圖像分割方法對(duì)彩色圖像進(jìn)行研究，分析、總結(jié)實(shí)驗(yàn)結(jié)果，提出彩色圖像分割和處理技術(shù)的發(fā)展方向。

【關(guān)鍵詞】 彩色圖像分割 邊緣檢測(cè) 區(qū)域生長(zhǎng)

一、引言

圖像在軍事、醫(yī)療、工農(nóng)業(yè)等領(lǐng)域應(yīng)用十分廣泛，彩圖能提供更多樣準(zhǔn)確的信息，彩色圖像處理在現(xiàn)階段備受關(guān)注，如何有效的分割處理彩色圖像成為現(xiàn)階段分析圖像分析的關(guān)鍵。灰度圖像分割技術(shù)發(fā)展相對(duì)成熟，可在灰度圖像分析處理的基礎(chǔ)上完善彩色圖像分割方法。圖像分割是指按照一定的規(guī)則、約束將目標(biāo)圖像分割成多個(gè)互不相交的區(qū)域，使相同特征在同一區(qū)域表現(xiàn)一致性，在不同區(qū)域表現(xiàn)明顯的差異性[1]。光學(xué)模擬、電學(xué)模擬、數(shù)字圖像是圖像處理技術(shù)發(fā)展較成熟的技術(shù)。圖像分割技術(shù)中典型的有基于區(qū)域的圖像分割、基于邊緣檢測(cè)的分割和基于神經(jīng)網(wǎng)絡(luò)的分割方法等，綜合考慮彩色圖像的特點(diǎn)和現(xiàn)階段圖像分割技術(shù)的優(yōu)缺點(diǎn)，本文最終決定采用邊緣檢測(cè)和區(qū)域生長(zhǎng)技術(shù)處理彩色圖像。使用邊緣檢測(cè)技術(shù)可以快速、準(zhǔn)確地找到目標(biāo)圖像的邊緣，并通過(guò)邊緣確定區(qū)域內(nèi)的灰度或顏色信息，從而達(dá)到對(duì)圖像的快速分割[2]。

使用區(qū)域生長(zhǎng)技術(shù)去除邊緣檢測(cè)技術(shù)中存在的毛刺和虛假邊緣，提供更準(zhǔn)確，清晰的封閉圖像。本文分析了圖像邊緣檢測(cè)和區(qū)域生長(zhǎng)的優(yōu)缺點(diǎn)，將二者巧妙、有效的結(jié)合，完成了彩色圖像的分割處理。

二、常用圖像分割方法

圖像分割人員在進(jìn)行圖像處理時(shí)，根據(jù)圖像特點(diǎn)和具體問(wèn)題采用不同的分割方法，常用彩色圖像分割方法有直方圖閾值法、特征空間聚類(lèi)、基于區(qū)域的方法，基于邊緣檢測(cè)、基于模糊理論的方法和基于神經(jīng)元網(wǎng)絡(luò)方法等，彩色圖像分割中經(jīng)常會(huì)使用到RGB、YIQ、YUV、I1I2I3、HSI、Nrgb、CIE（L* a* b*）、CIE（L* u* v*）等彩色空間。在彩色圖像分割時(shí)，通常將灰度圖像分割方法和顏色空間相結(jié)合，形成更有效的分割方法。

三、彩色空間表示

顏色空間是依據(jù)多維度的空間坐標(biāo)，實(shí)現(xiàn)顏色的量化。RGB是色彩基色，肉眼觀察的顏色是紅、綠、藍(lán)三種顏色的混合。彩色圖像分割的難點(diǎn)在于彩色空間的選取。目前，沒(méi)有一種彩色空間能超越其它所有彩色空間適合于處理所有彩色圖像[3～5]。

顏色顯示會(huì)使用RGB，但RGB分量相關(guān)性較高，不適合分割、處理彩色圖像。線性彩色空間和非線性彩色空間YIQ、YUV、I1I2I3及RGB、HSI、CIE等的引入在彩色圖像分析中起了關(guān)鍵作用。本文采用RGB和HSI兩種彩色空間相互轉(zhuǎn)換得到實(shí)驗(yàn)結(jié)果。

RGB彩色空間模型是基于笛卡爾坐標(biāo)系，其中R（red）指紅色，G（green）指綠色，B（blue）指藍(lán)色。HSI是一種基于色調(diào)、飽和度和亮度三分量的彩色空間模型，自然而直觀的描述不同圖像，其中H（hue）指色調(diào)，S（saturation）指飽和度，I（intensity）指亮度。

計(jì)算機(jī)使用RGB彩色空間格式實(shí)現(xiàn)彩色圖像存儲(chǔ)，但圖像分割算法中用 HSI 模型實(shí)現(xiàn)彩色空間轉(zhuǎn)換。本文據(jù)下述公式實(shí)現(xiàn)彩色圖像格式轉(zhuǎn)換：

四、邊緣檢測(cè)和區(qū)域生長(zhǎng)

基于邊緣檢測(cè)的圖像分割是實(shí)現(xiàn)圖像分割最受歡迎的算法之一，邊緣檢測(cè)技術(shù)是根據(jù)區(qū)域邊緣差異，觀測(cè)像素變化值的劇烈程度選擇合適的檢測(cè)技術(shù)。串行和并行邊緣檢測(cè)技術(shù)是兩種常用檢測(cè)技術(shù)。傳統(tǒng)的對(duì)灰度圖像處理時(shí)采用的邊緣檢測(cè)方法有串行邊界查找、并行微分算子法、邊界曲線擬合、曲面擬合法、形變模型和反應(yīng)一擴(kuò)散方程等，均在圖像邊緣檢測(cè)時(shí)發(fā)揮重要作用，能很好的完成邊緣檢測(cè)和圖像分割。但其并不完全適用于彩色圖像邊緣分割、處理問(wèn)題。彩色圖像包含的每個(gè)像素都由多個(gè)不同緯度向量組成，處理彩色圖像關(guān)鍵是彩色空間轉(zhuǎn)換，使用canny算子將RGB空間轉(zhuǎn)成HSI空間進(jìn)行處理。

區(qū)域生長(zhǎng)實(shí)質(zhì)是將具有相似性質(zhì)的像素點(diǎn)連接起來(lái)構(gòu)成分割域[4～5]。使用區(qū)域生長(zhǎng)分割圖像的關(guān)鍵是種子點(diǎn)提取，避免分割過(guò)度。

本文采用邊緣檢測(cè)和區(qū)域生長(zhǎng)相結(jié)合的方法對(duì)彩色圖像進(jìn)行分割，進(jìn)行邊緣檢測(cè)時(shí)采用canny算子對(duì)HSI空間中的亮度變量I進(jìn)行檢測(cè)獲取有效、合理的種子點(diǎn)，并將合理的種子點(diǎn)進(jìn)行標(biāo)記，壓入堆棧中，使用聚類(lèi)消除不合理種子點(diǎn)，實(shí)現(xiàn)RGB向HSI轉(zhuǎn)換。并在HSI上計(jì)算分量I的梯度能夠快速、準(zhǔn)確的得到圖像邊緣，且將邊緣作為停止區(qū)域生長(zhǎng)的約束。結(jié)果如圖1和圖2所示。

五、實(shí)驗(yàn)結(jié)果及分析

5.1實(shí)驗(yàn)環(huán)境

處理器：Intel Core i5-4670T@2.30GHz

軟件：vs2012和opencv2.0

5.2 實(shí)驗(yàn)步驟

本文采用邊緣檢測(cè)和區(qū)域生長(zhǎng)實(shí)現(xiàn)彩色圖像分割，canny算子分割、提取彩色圖像邊緣信息，完成彩色圖像空間轉(zhuǎn)換。本實(shí)驗(yàn)關(guān)鍵是明確該實(shí)驗(yàn)中涉及的顏色空間聚類(lèi)閾值有幾個(gè)，經(jīng)考察本文共涉及三個(gè)閾值，分別是顏色空間點(diǎn)間閾值，canny算子的兩個(gè)閾值，閾值的選取成為實(shí)驗(yàn)成功的關(guān)鍵。本文采用堆棧存儲(chǔ)種子點(diǎn)。步驟如下：

（1）明確編程工具：opencv2，使用結(jié)構(gòu)體的鏈表存儲(chǔ)種子點(diǎn)值。

（2）使用canny算子對(duì)H（色調(diào)）、S（飽和度）和I（亮度）三分量邊緣進(jìn)行檢測(cè)獲取彩色圖像邊緣信息，完成RGB到HIS空間轉(zhuǎn)換。

（3）使用遞歸方法沿著圖像邊界尋找種子點(diǎn)值，并計(jì)算各個(gè)區(qū)域重心，對(duì)四點(diǎn)領(lǐng)域做擴(kuò)散，計(jì)算區(qū)域顏色直到邊界，入棧新種子。

（4）使用canny算子實(shí)現(xiàn)HIS到RGB顏色空間轉(zhuǎn)換，并使用濾波技術(shù)完善結(jié)果，生成最終的分割圖。結(jié)果如圖1。

圖1（b）是使用邊緣檢測(cè)法對(duì)原圖分割的結(jié)果，從結(jié)果可知，利用邊緣分割法能清楚得到目標(biāo)圖像的邊緣，基本符合肉眼對(duì)邊緣的感知。

圖2（b）是用區(qū)域增長(zhǎng)法結(jié)合邊緣分割法得到彩色圖像分割的最終結(jié)果，可以看出圖2（b）中樹(shù)葉顏色正確，邊緣清晰可見(jiàn)，與原圖葉子顏色和形狀基本吻合，因此使用邊緣檢測(cè)技術(shù)和區(qū)域生長(zhǎng)方法能較準(zhǔn)確清楚的實(shí)現(xiàn)彩色圖像分割。

六、總結(jié)

分析實(shí)驗(yàn)結(jié)果，本文算法在彩色圖像分割中有很大優(yōu)勢(shì)，所得結(jié)果與人眼觀察值基本一致，但也存在空洞點(diǎn)較多、紋理識(shí)別不清晰的缺陷，后期的彩色圖像分割算法應(yīng)盡量避免這幾個(gè)缺陷，選取更完善的算法，使處理結(jié)果更清楚、準(zhǔn)確。

總之，使用邊緣檢測(cè)和區(qū)域生長(zhǎng)獲得彩色圖像分割結(jié)果與人的視覺(jué)感官系統(tǒng)對(duì)事物的觀察、感知結(jié)果基本一致，達(dá)到了預(yù)期目標(biāo)。

參 考 文 獻(xiàn)

[1] 何俊，葛紅，王玉峰.圖像分割算法研究綜述[J].計(jì)算機(jī)工程與科學(xué)，2009（12）：58-61

[2] 翁秀梅，肖志濤，楊洪薇.基于邊緣檢測(cè)和區(qū)域生長(zhǎng)的自然彩色圖像分割[J].天津工業(yè)大學(xué)學(xué)報(bào)，2008，27（1）：50-52

[3] ChengH D，Jiang X H，Sun Y，etal. Color image segmentation： advances and prospects[J]. Pattern Recogniti on，2001，34（12）：2259-2281

[4] 林開(kāi)顏，吳軍輝，徐立鴻.彩色圖像分割方法綜述[J].中國(guó)圖象圖形學(xué)報(bào)，2005，1（1）：1-10

[5] 劉紅霞.圖像分割算法的研究與實(shí)現(xiàn)[D].上海.華東師范大學(xué).2004