資源描述:
《基于區(qū)域生長的圖像分割算法及其實現(xiàn)》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、基于區(qū)域生長的圖像分割算法及其實現(xiàn)曾春玲,2011441794(重慶科技學院測控2011-02)摘要:圖像分割的目的是將圖像劃分為不同的區(qū)域,基于區(qū)域生長是以直接找尋區(qū)域為基礎(chǔ)的分割技術(shù)。是圖像處理和計算機視覺的基本問題之一,是圖像處理和圖像分析的關(guān)鍵步驟。本文對基于區(qū)域的圖像分割方法進行了綜述,具體介紹了區(qū)域生長法和分裂合并法,并分析出這種算法在應用中的優(yōu)缺點,實現(xiàn)此種算法。關(guān)鍵詞:圖像分割區(qū)域生長分裂合并1引言區(qū)域生長是一種古老的圖像分割方法,最早的區(qū)域生長圖像分割方法是由Levine等人提出的。該方法一般有兩種方式,一種是先給定圖像中要分割的目標物
2、體內(nèi)的一個小塊或者說種子區(qū)域(seedpoint),再在種子區(qū)域基礎(chǔ)上不斷將其周圍的像素點以一定的規(guī)則加入其中,達到最終將代表該物體的所有像素點結(jié)合成一個區(qū)域的目的;另一種是先將圖像分割成很多的一致性較強,如區(qū)域內(nèi)像素灰度值相同的小區(qū)域,再按一定的規(guī)則將小區(qū)域融合成大區(qū)域,達到分割圖像的目的,典型的區(qū)域生長法如T.C.Pong等人提出的基于小面(facet)模型的區(qū)域生長法,區(qū)域生長法固有的缺點是往往會造成過度分割,即將圖像分割成過多的區(qū)域。本文對近年來國內(nèi)外基于區(qū)域的圖像分割算法進行了介紹,并分析了各算法在實際應用中的優(yōu)缺點。從中可以看出,僅僅使用一種
3、算法實現(xiàn)對圖像的分割,越來越難以滿足實際應用中對圖像分割的要求。但是隨著圖像分割理論的研究,將會有更多的圖像分割算法被提出。圖像分割算法也將向更快速,更精確的方向發(fā)展。2區(qū)域生長法區(qū)域生長是一種根據(jù)事先定義的準則將像素或子區(qū)域聚合成為更大的區(qū)域的過程?;痉椒ㄊ且砸唤M“種子”點開始,將與種子點性質(zhì)相似(諸如灰度級或衍射的特定范圍)的相鄰像素附加到生長區(qū)域的每個種子上。區(qū)域生長的一個問題是用公式描述一個終止規(guī)則?;旧?,在沒有像素滿足加入某個區(qū)域的條件時,區(qū)域生長就會停止。在此次課程設(shè)計中,在算法的設(shè)計上充分反映了這一點。在遍歷圖像的過程中調(diào)用函數(shù)test
4、nei,測試i,j點處的鄰域滿足條件的像素。將每次新增長的種子點作為下次遍歷的中心點,直到區(qū)域不再生長。2.1區(qū)域生長區(qū)域生長的基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域。具體先對每個需要分割的區(qū)域找一個種子像素作為生長起點,然后將種子像素和周圍鄰域中與種子像素有相同或相似性質(zhì)的像素(根據(jù)某種事先確定的生長或相似準則來判定)合并到種子像素所在的區(qū)域中。將這些新像素當作新的種子繼續(xù)上面的過程,直到?jīng)]有滿足條件的像素可被包括進來。這樣一個區(qū)域就生長成了。區(qū)域生長需要選擇一組能正確代表所需區(qū)域的種子像素,確定在生長過程中的相似性準則,制定讓生長停止的條件或
5、準則。相似性準則可以是灰度級、彩色、紋理、梯度等特性。選取的種子像素可以是單個像素,也可以是包含若干個像素的小區(qū)域。大部分區(qū)域生長準則使用圖像的局部性質(zhì)。生長準則可根據(jù)不同原則制定,而使用不同的生長準則會影響區(qū)域生長的過程。2.2區(qū)域生長準則區(qū)域生長的關(guān)鍵是選擇合適的生長或相似準則,大部分區(qū)域生長準則會使用圖像的局部性質(zhì)。生長準則可以根據(jù)不同原理制定,而使用不同的生長準則會影響區(qū)域生長的過程。常用的生長準則和方法有三種,即基于區(qū)域灰度差的、基于區(qū)域內(nèi)灰度分布統(tǒng)計性質(zhì)的、基于區(qū)域形狀的。2.2.1基于區(qū)域灰度差的生長準則基于區(qū)域灰度差的生長準則在我們使用的
6、區(qū)域生長方法中,操作的基本單位是象素,基于區(qū)域灰度差的生長準則步驟如下:1.對圖像進行逐行掃描,找出尚無歸屬的象素;2.以該象素為中心,檢查它相鄰的象素,即將鄰域中的象素逐個與它比較,如果灰度差小于事先確定的閾值,則將它們合并;3.以新合并的象素為中心,再進行步驟2檢測,直到區(qū)域不能進一步擴張;4.重新回到步驟1,繼續(xù)掃描直到不能發(fā)現(xiàn)沒有歸屬的象素,整個生長過程結(jié)束。上述方法是先要進行掃描,這對區(qū)域生長起點的選擇有比較大的依賴性,為克服這個問題可以改進方法如下:1.設(shè)灰度差的閾值為零,用上述方法進行區(qū)域擴張,合并灰度相同的象素;2.求出所有鄰接區(qū)域之間的
7、平均灰度差,合并具有最小灰度差的鄰接區(qū)域;3.設(shè)定終止準則,通過反復進行步驟2中的操作將區(qū)域依次合并,直到終止準則滿足為止,生長過程結(jié)束。2.2.2基于區(qū)域內(nèi)灰度分布統(tǒng)計性質(zhì)的生長準則考慮以灰度分布相似性作為生長準則來決定區(qū)域的合并,具體步驟為:1.把圖像分成互不重疊的小區(qū)域;2.比較鄰接區(qū)域的累積灰度直方圖,根據(jù)灰度分布的相似性進行區(qū)域合并;3.設(shè)定終止準則,通過反復進行步驟2中的操作將各個區(qū)域依次合并直到滿足終止準則,生長過程結(jié)束。2.3區(qū)域生長算法區(qū)域生長是一種很重要的圖像分割方法。它是指從某個像素出發(fā),比較相鄰接像素的特征向量(包括灰度、邊緣、紋
8、理等特征),在預先指定的準則下,若它們足夠相似則作為同一區(qū)域合并,以此方式使相似