資源描述：
《圖像分割算法的應(yīng)用與評價》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、2006年9月吉林工程技術(shù)師范學院學報(自然科學版)Sep2006第22卷第9期JournalofJilinTeachersInstituteofEngineeringandTechnology(NaturalSciencesEdition)Vol22No9文章編號:1009-9042(2006)09-0060-05圖像分割算法的應(yīng)用與評價吉李滿(吉林工程技術(shù)師范學院信息工程學院,吉林長春130052)摘要:圖像分割是一種重要的圖像技術(shù),在理論研究和實際應(yīng)用中都得到了人們的廣泛重
2、視,圖像分割的方法和種類很多,沒有標準的分割方法。本文從圖像分割的定義入手,具體論述了當前應(yīng)用比較廣泛的圖像分割算法的理論基礎(chǔ)、關(guān)鍵技術(shù)及其應(yīng)用范圍,最后對圖像分割算法的評價進行了分類研究。分割算法的評價不僅可提高現(xiàn)有算法的性能,對研究新的分割評價技術(shù)也具有指導(dǎo)意義。關(guān)鍵詞:圖像分割;邊緣;邊界;區(qū)域中圖分類號:TP751文獻標識碼:A1引言圖像分割是一種重要的圖像技術(shù),在理論研究和實際應(yīng)用中都得到人們的廣泛重視。許多領(lǐng)域都要求對圖像的總體或局部進行處理和分析,按要求對輸入的圖像給予總體和局部的理
3、解,借助計算機描述其局部以及相關(guān)聯(lián)的總體,并進一步控制圖像中的某些部分。圖像分割的方法和種類很多,沒有標準的分割方法。許多不同種類的圖像或景物都可作為待分割的圖像數(shù)據(jù),同時,某些分割方法也只適用于某些特殊類型的圖像分割。圖像分割結(jié)果的好壞需要根據(jù)具體的場合及要求去評價。圖像分割的任務(wù)是把圖像分成互相不交疊的有意義的區(qū)域,以便進一步地處理、分析和應(yīng)用。分開的區(qū)域一般是圖像中我們感興趣的目標。2圖像分割的定義圖像分割研究方法進行發(fā)展至今,人們對圖像分割已提出了許多不同的解釋和理解。目前被人們廣為接受的是通過集合定
4、義的方法進行圖像分割。令集合R代表整個圖像區(qū)域,對R的圖像分割可以看作是將R分成N個滿足以下條件的非空子集R1,R2,,RN;N1URi=Ri=l2對i=1,2,,N,P(Ri)=TRUE3對,iji,j又對RiIRj=4對,iji,jP(RiYRj)=FALSE收稿日期:2006-02-24作者簡介:吉李滿(1973-),女,吉林長春人,吉林工程技術(shù)師范學院信息工程學院講師。第22卷第9期吉李滿:圖像分割算法的應(yīng)用與評價615對i=1,2,,N,Ri是連通的區(qū)域P(Ri)
5、=TRUE指出在分割結(jié)果中,每個區(qū)域的像素有著相同的特性。P(RiYRj)=FALSE表示在N分割結(jié)果中,不同的子區(qū)域具有不同的特性。URi=R表示分割的所有子區(qū)域的并集就是原來的圖像,這i=l一點非常重要,因為它是保證圖像中每個像素都被處理的充分條件。對上面的定義需要補充的是,實際的圖像處理和分析都是面向某種特定的應(yīng)用,所以,條件中的各種關(guān)系也是需要和實際要求相結(jié)合而設(shè)定的。迄今為止,還沒有找到一種通用的方法,可以把人們的要求完全轉(zhuǎn)換成圖像分割中的各種條件關(guān)系,所有的條件表達式都是近似的。3圖像分割算法早期
6、的圖像研究中,圖像分割方法主要可以分成兩大類。一類是邊界方法,這種方法假設(shè)圖像分割結(jié)果的某個子區(qū)域在原來圖像中一定會有邊緣存在;一類是區(qū)域方法,這種方法假設(shè)圖像分割結(jié)果的某個子區(qū)域一定有相同的性質(zhì),而不同區(qū)域的像素則沒有共同的性質(zhì)。圖1所示為圖像分割的方法框架。31邊界分割圖像分割的一種重要途徑是通過邊緣檢測,即檢測灰度級或者結(jié)構(gòu)中具有突變的地方,表明一個區(qū)域的終結(jié),也即另一區(qū)域的開始,這種不間斷性稱為邊緣,利用此特性可以分割圖像。圖1圖像分割方法框架1并行邊界分割(1)Roberts算子Roberts
7、計算時利用的像素數(shù)一共有4個,Roberts算子邊緣定位準確,但是對噪聲敏感,適用于邊緣明顯而且噪聲較少的圖像分割。(2)Prewitt算子Prewitt算子對噪聲有抑制作用,抑制噪聲的原理是通過像素平均。但是像素平均相當于對圖像的低通濾波,所以Prewitt算子對邊緣的定位不如Roberts算子準確。(3)Sobel算子Sobel算子和Prewitt算子都是加權(quán)平均,但是Sobel算子認為,區(qū)域的像素對當前像素產(chǎn)生的影響不是等價的,所以距離不同的像素具有不同的權(quán)值,對算子結(jié)果產(chǎn)生的影響也不同。(4)Isotr
8、opicSobel算子IsotropicSobel算子也是一種加權(quán)平均算子,權(quán)值反比于鄰點與中心點的距離,當沿不同方向檢測邊緣時梯度幅度一致,就是通常所說的各向同性。(5)Laplacian算子Laplacian算子具有各向同性,即與坐標軸方向無關(guān),坐標軸旋轉(zhuǎn)后梯度結(jié)果不變。由于該算子對噪聲比較敏感,所以圖像一般需先經(jīng)過平滑處理,通常的分割算法是把Laplacian算子和平滑算子結(jié)合起
