CN102629386A - 一种彩色纺织纹理图像的区域分割方法 - Google Patents

Abstract

本发明公开了一种彩色纺织纹理图像的区域分割方法，包括：(1)确定图像中的颜色种类，每种颜色的像素点选取若干作为种子，并各自组合形成种子集合；(2)寻找图像中的细节像素点；(3)去除孤立的细节像素点，剩余的细节像素点构成连通区域；(4)依据颜色空间最小距离法则将各连通区域的像素点归类到相应的种子集合，合并更新种子集合；(5)扩大种子像素的范围，更新种子集合；(6)根据更新后的种子集合，利用种子区域生长算法，完成图像分割。本发明方法先得出细节像素点组成的连通区域，再根据颜色均值把区域归到种子集合某一子集当中，通过区域内所有像素点求颜色均值，可以减少噪声的影响，从而能比较完整、准确地确定纺织图像的彩色区域。

Description

一种彩色纺织纹理图像的区域分割方法

技术领域

本发明涉及图像处理技术领域，尤其涉及一种彩色纺织纹理图像的区域分割方法。

背景技术

彩色纺织纹理图像的区域分割对提取纺织设计图案非常重要，一种合适的分割算法应能提取出完整的颜色区域。传统方法是，对每种颜色选取一些代表的像素作为种子，利用种子区域生长分割算法，把每个像素点划分到颜色空间距离最近的种子，再更新种子的颜色均值，种子不断扩大，直到全图像的像素都划分到相应区域中。这种办法能比较快捷地得到各个颜色区域，对于细节较少的彩色纺织图像，具有较好的效果。不足之处是，当图像细节比较多的时候，细节区域因为像素点较少，受噪声影响较大，这些区域容易分到错误的区域中，得不到完整的区域。

发明内容

本发明提供了一种彩色纺织纹理图像的区域分割方法，解决了传统方法细节部分不易区分，无法得到完整图像区域的问题。

一种彩色纺织纹理图像的区域分割方法，包括：

(1)确定图像中的颜色种类，每种颜色的像素点选取若干作为种子，并各自组合形成种子集合；

(2)寻找图像中的细节像素点；

(3)去除孤立的细节像素点，剩余的细节像素点构成连通区域；

(4)依据颜色空间最小距离法则将各连通区域的像素点归类到相应的种子集合，合并更新种子集合；

(5)扩大种子像素的范围，更新种子集合；

(6)根据更新后的种子集合，利用种子区域生长算法，完成图像分割。

步骤(1)中选取像素点，可以通过图像预处理步骤选取，也可采用人机交互等选取方法。

步骤(2)中寻找细节像素点的方法为：

在颜色空间亮度分量上，对原始的图像I₀进行灰度级的开操作或闭操作，得到图像I₁，计算图像I₀和图像I₁对应像素点亮度分量之间的距离，如所述距离大于设定的第一阈值，则认为该像素点为细节像素点。

当图像存在较多亮度较暗细节时，则进行灰度级闭操作，否则进行灰度级开操作。

所述第一阈值为α×d_max，其中α为设定的系数，d_max为图像I₁和图像I₀对应像素点亮度分量之间的最大距离。

步骤(3)中孤立的细节像素点为：若一个细节像素点的八邻域中，细节像素点少于设定的第二阈值，则认定它为孤立的细节像素点。

步骤(3)构成连通区域后，计算所有连通区域亮度分量的方差，如所述方差大于第三阈值，则利用直方图将该连通区域分割成两个子连通区域，并依据颜色空间最小距离法则将各个子连通区域归类到相应的种子集；如所述方差小于等于第三阈值，则依据颜色空间最小距离法则将整个连通区域归类到相应种子集。

单纯的种子区域生长分割算法，因为受到噪声影响，细节区域的像素点容易分到多个区域当中，导致细节区域分割杂点较多，而上述步骤(3)保证细节区域最多只可能存在两种颜色，从而减少了细节区域的杂点。

所述的第三阈值为β×σ_max，其中β为设定的系数，σ_max为所有连通区域亮度分量的方差最大值。

步骤(5)扩大种子像素的范围，更新种子集合的方法为：

计算非种子像素与每一类种子的色差距离，s_min，1是非种子像素与各类种子的最小色差距离，s_min，2是非种子像素与各类种子的第二小色差距离，若s_min，1≥γ×s_min，2，该非种子像素判断为种子像素，其中γ是设定的系数。

单纯的种子区域生长分割算法是逐像素点比较，单点像素容易受噪声影响，导致细节区域淹没在背景区域中；而本发明的方法，可以得出细节像素点组成的连通区域，再根据颜色均值把区域归到种子集合某一子集当中。通过区域内所有像素点求颜色均值，可以减少噪声的影响，从而能比较完整、准确地确定纺织图像的彩色区域。

附图说明

图1是本发明的流程图；

图2-a是一幅彩色纺织纹理图像；

图2-b是采用种子区域生长分割算法得到的图像(伪彩色表示)；

图2-c是采用本发明方法得到的图像(伪彩色表示)；

图3-a是另一幅彩色纺织纹理图像；

图3-b是采用种子区域生长分割算法得到的图像(伪彩色表示)；

图3-c是采用本发明方法得到的图像(伪彩色表示)。

具体实施方式

实施例1

参见图1，采用以下步骤对图2-a进行细节区域进行提取。记原图像为I₀，图像的宽度和高度分别为w和h(图2-a)。

(1)此图包含5种主要颜色，在任一颜色的中心区域选取若干像素作为该颜色的种子，得到种子集合。

(2)该图存在较多暗的细节，选择半径为r的正方形窗口，一般取15，作为结构元素，在CIELAB颜色空间的亮度(L)分量上，对

进行形态学的灰度级闭操作(即先膨胀再腐蚀)得到图像

如公式(1)。

$I_1^L=(I_0^I\⊕b)\mathrm{\Θb}---\left(1\right)$

其中

是图像I₀，I₁在CIELAB颜色空间的亮度(L)分量，b是结构元素，与Θ分别为膨胀和腐蚀算子。

(3)计算出

与在对应像素点之间L分量的最大距离d_max，如公式

(2)，选取比例系数α为0.7，则I₀与I₁在CIELAB颜色空间的亮度(L)分量上距离大于0.7d_max的像素点，判断为细节像素点。

$d_{\max }=\max \left\{\right|I_0^L(i,j)-I_1^L(i,j)\left|\right|0\&le;i<h,0\&le;j<w\}---\left(2\right)$

(4)在细节像素点的八邻域检查细节像素点的数目，选取第二阈值为3，如果八邻域中细节像素点的数目小于第二阈值，则判定该细节像素点为孤立的，并进行去除。

(5)剩余细节像素点利用区域生长的方法组成M个连通区域，计算这些连通区域中像素点在CIELAB颜色空间的亮度(L)分量上的最大方差σ_max，如公式(3)、(4)、(5)，选取比例系数β为0.7，则第二阈值确定为0.7σ_max。

${\mathrm{\&mu;}}_i^L=\frac{1}{N_i}\underset{p\&Element;R_i}{\mathrm{\&Sigma;}}{I}_0^L\left(p\right)---\left(3\right)$

${\mathrm{\&sigma;}}_i^L=\sqrt{\frac{1}{N_i}\underset{p\&Element;R_i}{\mathrm{\&Sigma;}}{(I_0^L\left(p\right)-{\mathrm{\&mu;}}_i^L)}^2}---\left(4\right)$

${\mathrm{\&sigma;}}_{\max }=\max \left\{{\mathrm{\&sigma;}}_i^L\right|i=\mathrm{1,2}...M\}---\left(5\right)$

其中

是第i个细节连通区域R_i的亮度(L)分量的均值和标准差，N_i是第i个细节连通区域R_i的像素数量，

是图像I₀在像素p的亮度(L)分量。

(6)对于在CIELAB颜色空间的亮度(L)分量上方差大于0.7σ_max的连通区域，在L分量上运用直方图分割，并得到分割阈值(第四阈值)为T_L，将L＞T_L的像素点归类到其中一个子连通区域内，将L≤T_L像素点归类到另一个子连通区域，也就是将该连通区域分割成两个子连通区域。计算各个子连通区域中所有像素点在CIELAB空间的Lab分量均值，根据最小距离法则，如公式(6)，将两个子连通区域归类到相应的种子集合，合并更新种子集合。

(7)对于在CIELAB颜色空间的亮度(L)分量上方差小于等于0.7σ_max的连通区域，计算该连通区域中所有像素点在CIELAB空间的Lab分量均值，根据最小距离法则，如公式(6)，把整个区域归类到相应的种子集合，合并更新种子集合。

$k=\arg \min \{\sqrt{{({\mathrm{\&mu;}}^L-\stackrel{\&OverBar;}{{\mathrm{\&mu;}}_k^L})}^2}+{({\mathrm{\&mu;}}^a-\stackrel{\&OverBar;}{{\mathrm{\&mu;}}_k^a})}^2+{({\mathrm{\&mu;}}^b-\stackrel{\&OverBar;}{{\mathrm{\&mu;}}_k^b})}^2|k=\mathrm{1,2}...N\}---\left(6\right)$

其中，N是种子类别数，μ^L，μ^a，μ^b是当前连通区域在CIELAB颜色空间的Lab分量均值，是第k类种子在CIELAB颜色空间的Lab分量均值。

(8)计算非种子像素与每一类种子的色差距离，s_min，1是非种子像素与各类种子的最小色差距离，s_min，2是非种子像素与各类种子的第二小色差距离，若s_min，1≥γ×s_min，2，该非种子像素判断为种子像素，其中γ是设定的系数，这里设定γ为3，如公式(7)、(8)、(9)。

$s_k=\left\{\sqrt{{(I_0^L\left(p\right)-\stackrel{\&OverBar;}{{\mathrm{\&mu;}}_k^L})}^2+{(I_0^a\left(p\right)-\stackrel{\&OverBar;}{{\mathrm{\&mu;}}_k^a})}^2+{(I_0^b\left(p\right)-\stackrel{\&OverBar;}{{\mathrm{\&mu;}}_k^b})}^2}\right\}|k=\mathrm{1,2}...N,p\&Element;\mathrm{seed}---\left(7\right)$

s_min，1＝min{s_k|k＝1，2...N}            (8)

s_min，2＝min{s_k|k＝1，2...N∩k≠k_min，1}(9)

其中，s_k是非种子像素p与第k类种子在CIELAB颜色空间的色差距离，

是第k类种子在CIELAB颜色空间的Lab分量均值，

是原图像I₀在像素p的Lab分量，k_min，1为s_min，1对应的像素索引。

(9)对更新后的种子集合进行种子区域生长分割，得出完整的区域，结果如图2-c所示。

单纯地进行种子区域生长分割，即只执行实施例一中的步骤(1)、(8)。得出种子区域生长分割的结果，如图2-b所示。

实施例2

采用与实施例1类似的步骤，对图3-a进行分割，所得分割结果见图3-c，结合图3-b，再次证明：本发明的分割效果明显优于传统方法。

Claims (8)

1.一种彩色纺织纹理图像的区域分割方法，包括：

(1)确定图像中的颜色种类，每种颜色的像素点选取若干作为种子，并各自组合形成种子集合；

(2)寻找图像中的细节像素点；

(3)去除孤立的细节像素点，剩余的细节像素点构成连通区域；

(4)依据颜色空间最小距离法则将各连通区域的像素点归类到相应的种子集合，合并更新种子集合；

(5)扩大种子像素的范围，更新种子集合；

(6)根据更新后的种子集合，利用种子区域生长算法，完成图像分割。

2.根据权利要求1所述的区域分割方法，其特征在于，步骤(2)中寻找细节像素点的方法为：

在颜色空间亮度分量上，对原始的图像I₀进行灰度级的开操作或闭操作，得到图像I₁，计算图像I₀和图像I₁对应像素点亮度分量之间的距离，如所述距离大于设定的第一阈值，则认为该像素点为细节像素点。

3.根据权利要求2所述的区域分割方法，其特征在于，所述第一阈值为α×d_max，其中α为设定的系数，d_max为图像I₀和图像I₁对应像素点亮度分量之间的最大距离。

4.根据权利要求1所述的区域分割方法，其特征在于，步骤(3)所述孤立的细节像素点为八邻域中细节像素点数量少于设定的第二阈值的细节像素点。

5.根据权利要求4所述的区域分割方法，其特征在于，所述的第二阈值为3。

6.根据权利要求1所述的区域分割方法，其特征在于，步骤(3)构成连通区域后，计算所有连通区域的亮度分量的方差，如所述方差大于第三阈值，则利用直方图将该连通区域分割成两个子连通区域，并依据颜色空间最小距离法则将各个子连通区域归类到相应的种子集；如所述方差小于等于第三阈值，则依据颜色空间最小距离法则将整个区域归类到相应的种子集。

7.根据权利要求6所述的区域分割方法，其特征在于，所述的第三阈值为β×σ_max，其中β为设定的系数，σ_max为所有连通区域亮度分量的方差最大值。

8.根据权利要求1所述的区域分割方法，其特征在于，步骤(5)扩大种子像素的范围，更新种子集合的方法为：

计算非种子像素与每一类种子的色差距离，s_min，1是非种子像素与各类种子的最小色差距离，s_min，2是非种子像素与各类种子的第二小色差距离，若s_min，1≥γ×s_min，2，该非种子像素判断为种子像素，其中γ是设定的系数。

Images