計算機視覺領域中的彩色圖像分割算法探究

任宣霓

（綿陽職業技術學院，四川 綿陽 621000）

計算機視覺領域中的彩色圖像分割算法探究

任宣霓

（綿陽職業技術學院，四川 綿陽 621000）

文章簡述了計算機視覺領域中的彩色圖像分割算法，包括全局調色板量化算法、基于色差最小準則的量化算法、模糊聚類算法以及基于區域的分割方法。彩色圖像分割算法類型多樣，功能和用途均有所不同。文章主要從醫療業、農業、航空航天等領域研究幾種彩色圖像分割算法的應用情況及其現實意義，研究目的在于拓寬彩色圖像分割算法的應用范圍，以推動計算機的現代化發展。

計算機視覺彩色圖像；全局調色板量化算法；模糊聚類算法；基于區域的分割方法

計算機視覺（computer vision）作為一項全新技術，其原理是模擬人類視覺來實現對圖像的處理。計算機視覺技術擁有諸多優勢，比如檢測結果客觀、信息處理能力強、效率高、功能齊全等。其中彩色圖像分割系統的應用可確保計算機同真人一樣觀測彩色世界，為作進一步推廣，文章特對彩色圖像分割的幾種算法及其應用加以研究，以供廣大從業人員參考。

1 基于計算機視覺的彩色圖像分割系統

（1）顏色量化階段算法。全局調色板量化算法：在RGB顏色空間內，通過系統調色板上投射的真彩色圖像建立調色板圖像是全局調色板量化算法的基本構思，并計算圖像中像素顏色與調色板顏色的間隔，取最近點顏色代替像素顏色以生成調色板圖像。距離計算公式：

基于色差最小準則的量化算法：由于RGB顏色空間內存在顏色變化強烈刺激人眼導致量化不合理，故應采取本算法：①通過圖像信息來確認該圖像文件為24位真彩色圖像；②對該圖像每一行的像素數進行計算以獲取相應數據；③對獲取的顏色信息加以統計，并通過對真彩色信息的壓縮控制顏色種類，然后利用人眼的辨色功能，完成色差最小準則的量化計算。

（2）自適應模糊聚類算法。聚類過程是指按照一群抽象或物理數據對象的相似度進行分組，并將相似對象組合成同一組的過程，而聚類分析是指從確定的數據庫中獲取數據對象之間的相關性。

當一個數據集的隸屬度總和為1時，模糊C均值聚類的表示方法：

通過模糊聚類算法，可獲得由C＊N和C個聚類中心點向量構成的模糊劃分矩陣，從而明確每個樣本點對應的隸屬度。每個聚類中心對應相應數據類的平均特征。因此采用此種算法意義更大。

（3）基于區域的分割方法。將點劃分為區域的前提是明確區域數目，然后根據該區域的獨特性從眾多區域中分割出來，并保證所分割的區域具有可靠的判斷依據。比如邊緣跟蹤法、閾值法。以上兩種方法的基本原理是確定像素相似群體，然后根據其對應的實體世界平面，將I設定為滿足檢測準則的小塊物體，然后對其鄰近點的色彩值和灰度值加以檢測，若檢測結果顯示鄰近點接受后“生長”成新的I，然后重復以上過程直至鄰近點終止生長。通常來說，應該按照具體像素的特征獲取種子像素，而采用生長準則可在未確定具體問題的情況下計算對應像素。換言之，獲取生長準則與掌握具體問題特征二者之間并不存在直接聯系，可單獨進行，無需依靠具體問題，僅需要明確圖像數據種類亦可獲取生長準則。比如，采用單色準則時，彩色圖像的獲取會受到干擾，此時建議合并兩個區域。

2 彩色圖像分割算法的應用

（1）在醫療業中的應用。彩色圖像分割算法在在醫療領域主要用于處理醫學圖像。臨床醫生借助彩色圖像分割法對醫學圖像傳遞的信息加以分析從而做出判斷。比如，有人根據醫學彩色圖像三維色彩信息，在灰關聯的作用下獲取色彩灰關聯圖像，采用分割發對人腦圖像進行有效而精確提取。然后利用遺傳算法C-均值聚類分割醫學彩色圖像，在RGB空間內聚類，最終完成醫學病理彩色圖像的獲取，實踐效果十分理想。另有人利用區域分割，明確待分割組織的主體區域，保存了目標對象邊界鄰近點的邊緣特征，然后根據跟蹤法精確處理邊界定位，從而實現精準分割。

（2）在農業中的應用。①計算機視覺領域的彩色圖像分割算法在農產品分級中應用廣泛。主要用于檢測農產品的損壞情況，從而對農產品分級。由于采用邊界跟蹤法時，獲取顏色十分重要，因此需利用神經網絡辨別牛肉的顏色，然后根據特定顏色的特征利用灰度圖像分割技術分割需要的彩色圖像。有研究顯示，傳統分水嶺算法存在明顯缺陷，而改進后的算法可用于對熏烤肉制品表面圖像的分割，而利用模糊均值聚類算法可對人體肌肉和脂肪圖像進行分割，然后采用數學形態學運算分割背長肌區域，從而獲取大理石花紋和顏色特征，并根據所獲得信息建立與之相關的預測模型。②計算機視覺領域的彩色圖像分割算法在農產品自動收獲方面應用十分突出。近年來關于此方面的研究取得了十分可喜的進展。比如，有研究人員就采摘農產品這一問題，提出了采用機器人替代人工的設想，并取得了十分理想的實踐效果。另有研究人員利用彩色圖像分割算法來定位、檢測蘋果，提取了蘋果樹的原始圖像，并明確了蘋果的輪廓線。

（3）在航空航天中的應用。在天氣惡劣，并受限于距離和視覺角度以及照相設備等情況下，利用人工行駛航空偵查檢測工作，不但工作效率大大降低，而且檢測結果存在較大誤差。因此，航空航天領域需要用彩色圖像分割算法進行航空偵查檢測。高維特征空間內含紋理、色彩、空間，需行均值平移濾波，然后利用聚類方法分割圖像。

3 結語

文章探究了幾種彩色圖像分割算法，并根據彩色圖像特征，在利用不同顏色空間的優勢，提出了相應的設計設想。比如，顏色量化階段提出全局調色板量化算法和基于色差最小原則的算法；在顏色聚類方面提出自適應模糊C均值聚類算法。同時又對不同領域彩色圖像分割算法的應用情況予以分析，為彩色圖像分割算法的實踐價值提供了有力證明，為日后持續推廣打開了新的局面。

［1］郭曉剛，蔡金玲，朱莉.改進遺傳算法在圖像分割中的應用［J］.儀表技術，2016，（2）.

Research on Color Image Segmentation Algorithm in Com puter Vision Field

REN Xuan-ni
（Mianyang Vocational and Technical College，Mianyang，Sichuan 621000，China）

This paper introduces the color image segmentation algorithm in the field of computer vision，including global palette quantization algorithm，quantization algorithm based on chromatic aberration minimum criterion，fuzzy clustering algorithm and region-based segmentation method.Color image segmentation algorithms are diverse in type，function and use.This paper mainly studies the application of several color image segmentation algorithms from medical industry，agriculture，aerospace and other fields.The purpose of this study is to broaden the application range of color image segmentation algorithm to promote the modern development of computer.

computer vision color image；global palette quantization algorithm；fuzzy clustering algorithm；region-based segmentation method

TP391.41

A

2095-980X（2017）06-0094-02

2017-06-03

任宣霓（1985-），女，四川綿陽人，大學本科，助教，主要研究方向：計算機信息安全。