計(jì)算機(jī)圖形圖像分割算法

趙晶麗 侯書東

摘要：計(jì)算機(jī)圖形圖像分割在圖像處理工程中屬于熱點(diǎn)研究課題，它所建立的圖形圖像分割算法主要圍繞圖像灰度、輪廓邊緣、紋理區(qū)域與自身特深進(jìn)行圖像分割，但實(shí)際上它卻忽略了人在分析過程作用，往往導(dǎo)致圖形圖像分割結(jié)果與人的視覺干產(chǎn)生極大偏差。為此本文中就分析7在圖像分割領(lǐng)域中基于，人類視覺顯著性的人類視覺模擬計(jì)算機(jī)圖形圖像分割算法，分別分析闡釋了人類視覺顯著性問題與基于人類視覺特性的圖像自適應(yīng)閾值分割算法問題，并對(duì)圖形圖像分割算法所獲得的圖像質(zhì)量進(jìn)行評(píng)估。

關(guān)鍵詞：視覺顯著性 圖形圖像分割算法 閾值分割計(jì)算 圖像質(zhì)量評(píng)估

圖像的展示過程本身就是一種信息傳遞過程，因?yàn)閳D像中就蘊(yùn)含了大量信息，圖形圖像分割算法就是在圖像中踢下去信息并加以信息內(nèi)容處理的一個(gè)重要過程。理解圖像信息傳輸?shù)氖讉€(gè)步驟就是圖像分割，因?yàn)閳D像分割可將某些所需要的目標(biāo)信息內(nèi)容從圖像中全部分離出來(lái)，再配合分割目標(biāo)實(shí)現(xiàn)對(duì)圖像的其它多個(gè)方面信息處理。就目前來(lái)看圖像分割已經(jīng)成為計(jì)算機(jī)圖形圖像分割算法中的一項(xiàng)關(guān)鍵技術(shù)內(nèi)容。

1 關(guān)于圖像分割

圖像分割涉及到圖像信息數(shù)據(jù)分離提取而提取環(huán)境較多交雜，它可實(shí)現(xiàn)在圖像的不同區(qū)域提取數(shù)據(jù)信息，即提取圖像像素。圖像像素中的每一個(gè)像素點(diǎn)都會(huì)被分配到不同區(qū)域，劃分到不同類別中，目的是保證每一區(qū)域和每一類別中的圖像都有意義。目前圖像分割技術(shù)已經(jīng)在較多領(lǐng)域中有所應(yīng)用，應(yīng)用廣泛性不言而喻，比如圖像分析檢索、圖像標(biāo)記分類、物體識(shí)別與場(chǎng)景理解、交通視頻圖像分析、機(jī)器視覺技術(shù)以及人臉識(shí)別技術(shù)等等。在這些技術(shù)應(yīng)用中，圖像分割結(jié)果都能從某一個(gè)像素發(fā)展到某一篇區(qū)域，實(shí)現(xiàn)像素內(nèi)容連通，且不同類別相鄰像素還具有不同特征。

2基于人類視覺特性的圖像自適應(yīng)閾值分割算法應(yīng)用

2.1算法應(yīng)用分析

如果從集合技術(shù)應(yīng)用角度分析，可以賦予它以下定義：例如可利用集合R表示一幅待分割圖像，圖像分割中將R劃分為擁有5個(gè)條件的非空子區(qū)域R1、R2、……Rn分割過程，具體過程如下：

結(jié)合常用圖像分割算法進(jìn)行基于閾值的圖像分割計(jì)算過程，主要參考像素內(nèi)容進(jìn)行像素分配與像素區(qū)域劃分，建立區(qū)域圖像分割方法。在該過程中，還要利用到迭代操作對(duì)相似特征值相鄰要素內(nèi)容進(jìn)行區(qū)域分類劃分。例如可基于邊緣圖像分割算法將圖像分割成多個(gè)具有相似特征的像素聚類。具體來(lái)說(shuō)，該方法具有兩條操作路線：第一條是通過非線性向各向同性擴(kuò)散濾波發(fā)展，以期待達(dá)到一定的降噪效果，它所討論的是基于視覺特性的圖像分割算法應(yīng)用。比如說(shuō)，在人眼視覺性中可融入圖形圖像分割概念，構(gòu)建視覺特性圖形圖像分割方法體系，并賦予它相應(yīng)的閾值視覺目標(biāo)函數(shù)內(nèi)容，再優(yōu)化求解函數(shù)，計(jì)算圖像局部樹形的自適應(yīng)閾值內(nèi)容，最終獲得分割后的二值圖。第二條，要基于人類視覺特性中對(duì)局部邊緣事物對(duì)比度變化異常敏感的特性建立梯度信息體系，客觀反映圖像邊緣的灰度變化過程，再利用Sobel算子實(shí)施邊緣檢測(cè)，減少背景噪音影響因素，最后利用分類函數(shù)對(duì)圖像像素進(jìn)行分類，給出分類函數(shù)為：

在上述分類函數(shù)算式中，Savg代表梯度圖像中中的灰度均值，s（i，j）代表梯度值，Sμ（i，j）代表尺寸為3x3的局部窗口梯度均值，可以在這里進(jìn)行像素灰度值分類對(duì)比并同時(shí)比較分類函數(shù)值內(nèi)容，確定像素所述分類的具體標(biāo)簽內(nèi)容，最后通過閾值像素分割產(chǎn)生多個(gè)二值圖像數(shù)據(jù)，利用最大類間差法從原始圖像中構(gòu)建包含了具體細(xì)節(jié)信息的子圖像與涵蓋剩余信息的子圖像內(nèi)容。

2.2算法結(jié)果分析

為進(jìn)一步有效證明自適應(yīng)閾值分割算法的有效性，還應(yīng)該選擇不同圖像基于計(jì)算時(shí)間、分割質(zhì)量進(jìn)行實(shí)驗(yàn)分析，主要是合理運(yùn)用圖像質(zhì)量指標(biāo)對(duì)閾值分割方法背景下所產(chǎn)生的二值圖像視覺質(zhì)量?jī)?nèi)容進(jìn)行分析，對(duì)比圖像實(shí)施計(jì)算，確保閾值二值算法質(zhì)量結(jié)果得到有效提高。在該過程中要證明基于視覺特性的圖像自適應(yīng)閾值分割算法在圖形圖像分割中擁有良好表現(xiàn)，且檢驗(yàn)它是否也符合人類視覺的感知要求。

2.3圖像質(zhì)量評(píng)估

在圖像質(zhì)量評(píng)估環(huán)節(jié)，要基于人類視覺特性對(duì)圖像質(zhì)量進(jìn)行圖像合成應(yīng)用、圖像編輯、圖像重定義以及圖像2D向3D轉(zhuǎn)換評(píng)估，最終輸出給用戶進(jìn)行觀察評(píng)估。在整個(gè)圖像評(píng)估過程中，基于計(jì)算機(jī)圖形圖像的分割計(jì)算結(jié)果將起到重要的主觀判斷作用，體現(xiàn)技術(shù)應(yīng)用性能。圖像質(zhì)量評(píng)估會(huì)對(duì)視覺質(zhì)量?jī)?nèi)容產(chǎn)生影響，而在操作過程中則要保證目標(biāo)分割視覺質(zhì)量無(wú)限度接近真實(shí)狀況，如此可生成較高質(zhì)量的合成圖像內(nèi)容。再一點(diǎn)，在評(píng)估圖像與分割算法應(yīng)用過程中有必要對(duì)圖像分割結(jié)果的視覺質(zhì)量進(jìn)行第三方自動(dòng)評(píng)價(jià)，解決主觀評(píng)價(jià)中所存在的費(fèi)時(shí)費(fèi)力桎梏問題，即將自動(dòng)評(píng)價(jià)與人類主觀評(píng)價(jià)結(jié)合起來(lái)，體現(xiàn)圖形圖像分割算法及評(píng)估過程的客觀性。總結(jié)來(lái)講，針對(duì)圖形圖像的質(zhì)量評(píng)估方法就包括了上述的主觀評(píng)估與客觀評(píng)估，其中主觀評(píng)估主要提供更為廣泛的心理測(cè)量標(biāo)度方法，它主要進(jìn)行心理屬性度量，通過離線方式對(duì)所獲得圖像進(jìn)行質(zhì)量調(diào)整與評(píng)估優(yōu)化，它是目前準(zhǔn)確率最高的圖像質(zhì)量評(píng)估方法。目前比較常用的圖像主觀評(píng)估算法就包括了單向刺激法、雙向刺激法、強(qiáng)迫選擇對(duì)比法以及相似性判斷法。反觀圖形圖像分割在客觀圖像質(zhì)量評(píng)估方面則主要圍繞像素度量標(biāo)準(zhǔn)展開，結(jié)合參考圖像像素強(qiáng)度最大值建立圖像像素編碼朋確編碼具體位數(shù)，最后對(duì)比所測(cè)量圖像與參考圖像之間的誤差參數(shù)，并加以校正調(diào)整。

3計(jì)算機(jī)圖形圖像分割算法的視覺顯著性其它技術(shù)要點(diǎn)分析

考慮到視覺顯著性更希望凸顯人與物體、與像素之間的相鄰?fù)怀鲫P(guān)系，可考慮對(duì)感知品質(zhì)進(jìn)行深度分析，基于視覺顯著性起源內(nèi)容進(jìn)行視覺稀有性內(nèi)容研究強(qiáng)調(diào)它的不可預(yù)測(cè)價(jià)值和獨(dú)特性，例如可利用頻域算法與譜殘差將圖像中的視覺顯著性信息與冗余信息分割開來(lái)，配合空域算法計(jì)算計(jì)算機(jī)圖形圖像在分割后的分割向量，對(duì)顯著區(qū)域內(nèi)的聚類進(jìn)行顯著對(duì)象提取，建立顯著圖并引入馬爾科夫鏈進(jìn)行視覺顯著性評(píng)估，最后得出生物性與計(jì)算性結(jié)果.

目前在上文所提到的諸多行業(yè)領(lǐng)域中都會(huì)運(yùn)用到基于視覺顯著性的計(jì)算機(jī)圖形圖像分割算法，他們會(huì)優(yōu)先建立視覺顯著性模型，再配合視覺顯著性計(jì)算明確顯著性區(qū)域范圍，精確指出顯著性對(duì)象，然后再對(duì)視覺顯著性設(shè)計(jì)圖區(qū)域進(jìn)行閾值分割，最后得出擁有大量像素的不同視覺區(qū)塊，即視覺注意窗。在整個(gè)過程中，配合區(qū)域聚類算法與支持向量概念可區(qū)別視覺注意窗與圖形圖像背景，配合固定閾值實(shí)現(xiàn)顯著圖二值化分析，最終提取圖像分割成果（利用Garb Cut提取技術(shù)）。

4 總結(jié)

就目前來(lái)說(shuō)，人類對(duì)于圖形圖像分割算法的研究應(yīng)用已經(jīng)相當(dāng)深入，它合理運(yùn)用到了計(jì)算機(jī)系統(tǒng)與人類視覺顯著性等多種指標(biāo)內(nèi)容特性，結(jié)合人類視覺特性的圖像自適應(yīng)閾值分割算法實(shí)現(xiàn)圖形圖像合理有效分割，有針對(duì)性的提取其中有效信息，節(jié)省大量操作資源成本為人類未來(lái)的生產(chǎn)生活與社會(huì)綜合發(fā)展帶來(lái)福祉。

參考文獻(xiàn)

[1]田源.探究基于視覺特性的計(jì)算機(jī)圖像分割算法的應(yīng)用[J]電腦編程技巧與維護(hù)，2018（11）：142-143. 152.

[2]歐中亞，試論基于視覺特性的圖形圖像分割算法[J]信息技術(shù)與信息化，2018（7）：101-104.

[3]石劍，本征圖像分解算法研究[D].北京：中國(guó)科學(xué)院大學(xué)，2017.