CN103136722B - 一种基于色域分析的图像分割方法及系统 - Google Patents

Abstract

本发明公开了一种基于色域分析的图像分割方法及系统，涉及图像处理技术领域。现有技术中的图像分割方法完全不考虑色彩域的混色情况，只是依靠色彩空间上定义的距离为依据分割图像。本发明所述的方法及系统通过判断当前像素点是否为目标颜色与其它颜色混色后的混色点；并对图像上每一个像素点设置初始背景颜色值和混色比例，然后计算该混色点的背景颜色值H(R_h，G_h，B_h)和混色比例a，从而实现对含有混色点区域的分割。本发明所述的方法及系统基于色域分析，可以将与目标颜色色差很大的像素点也分割出来，从而更准确的将含有目标颜色的对象从图像中分割出并进行后续的处理。

Description

一种基于色域分析的图像分割方法及系统

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于色域分析的图像分割方法及系统。

背景技术

目前所有的图像分割方法都是基于某个色彩空间上定义的色彩差异度，结合领域信息等特定规则来将图像分割出来。这样的基本思想在很多情况下都不能完整的分离出想要的区域。目前并没有任何考虑到颜色混色的图像分割方法存在。修图人员会避免修改某个向其它颜色有渐变过渡的颜色。比如在一幅红色向蓝色过渡的图像中。目标色为红色，那么现有的图像分割方法，是不可能将接近蓝色的像素点准确分割出来。但是事实上，蓝色附近的颜色也是由少量红色与蓝色混色得出的。因此，现有的图像分割方法完全不考虑色彩域的混色情况，只是依靠色彩空间上的定义的距离为依据分割图像。这样不可能完全分离出某个颜色与其它颜色的混色部分。

发明内容

针对现有技术中所存在的不足，本发明提供一种基于色域分析的图像分割方法及系统，该方法及系统能够将与目标颜色色差很大的像素点也分割出来，从而更准确的将含有目标颜色的对象从图像中分割出并进行后续的处理。

为实现上述发明目的，本发明采用的技术方案是，一种基于色域分析的图像分割方法，包括如下步骤：

(1)输入图像并在图像中选取目标颜色F(R_f，G_f，B_f)，判断当前像素点是否为目标颜色与其它颜色的混色点；

(2)对图像上每一个像素点设置初始背景颜色值和混色比例；

(3)计算背景颜色值H(R_h，G_h，B_h)和混色比例a；

(4)依据背景颜色值H(R_h，G_h，B_h)和混色比例a对图像进行分割或颜色替换。

进一步，步骤(1)中，判断是否手动设置混色区域，如果是，则由用户手动设置图像中由目标颜色混色而成的区域，将此区域内的点标记为混色点；如果否，根据所选目标颜色在图像中逐点分析，判断当前像素点是否为目标颜色与其它颜色的混色点；

更进一步，判断当前像素点是否为目标颜色与其它颜色混色的方法如下：

1)对当前像素点，取半径为r个像素的窗口邻域，统计分析窗中所有像素点的RGB值，将接近当前点RGB值的邻域点(R_i，G_i，B_i)选出，记这个点集为N，判断邻域点(R_i，G_i，B_i)是否接近当前点RGB的方法是计算如果d＜dt，则邻域点(R_i，G_i，B_i)属于点集N；

2)计算选出点集N中每个点的色彩值在当前点颜色与目标颜色在色彩空间中连线的投影长度，记为x；以及每个点色彩值到当前点与目标点颜色在色彩空间中连线的垂直距离，记为y；并计算值x/(x+y)记为s；

3)计算点集N中每个点的s值，并计算平均值ps，平均值ps越接近于1就越说明邻域点在当前像素点颜色与目标颜色的连线上分布，即它的邻域更可能是目标颜色与其它颜色的混色；

4)设定阈值t，其范围是[0.8，1)，将ps＞t的点记为混色点；

如果点p是混色点，则其颜色C(R，G，B)可以由目标颜色F(R_f，G_f，B_f)和背景颜色H(R_h，G_h，B_h)按照混色比例a混合得到，混色公式为：

C＝a×F+(1-a)×H。

更进一步，步骤1)中，所述r的范围是[2，15]；所述dt的取值范围是[15，30]。

步骤(2)中，如果像素点(R，G，B)是混色点，则取：R＞R_f，R_h＝255；R≤R_f，R_h＝0；G＞G_f，G_h＝255；G≤G_f，G_h＝0；B＞B_f，B_h＝255；B≤B_f，B_h＝0；a＝1；

如果像素点(R，G，B)不是混色点，则取R_h＝R，G_h＝G，B_h＝B且a＝0；

进一步，步骤(3)中，对每个标记为混色点的像素，计算如下能量方程E：

E＝E_d+λE_{smooth_a}+βE_{smooth_H}

其中E_d是混色颜色值与原始颜色值之间的差异能量度量；E_{smooth_a}是混色比例平滑性能量度量；E_{smooth_H}是背景颜色平滑性能量度量；系数λ，β分别是混色比例平滑性权重系数和背景颜色平滑性权重系数；

更进一步，混色颜色值与原始颜色值之间的差异度量E_d的计算公式如下：

E_d＝(R-αR_f-(1-α)R_h)²+(G-αG_f-(1-α)G_h)²+(B-αB_f-(1-α)B_h)²；

混色比例平滑性能量度量E_{smooth_a}的计算公式如下：

其中a_j为邻域的混色比例；

而背景颜色平滑性能量度量E_{smooth_H}的计算公式如下：

$E_{\mathrm{smooth}\_h}=\underset{i\∈w}{\mathrm{\Σ}}[{(R_h-R_{h,i})}^2+{(G_h-G_{h,i})}^2+{(B_h-B_{h,i})}^2].$

其中，(R_h，i，G_h，i，B_h，i)为邻域点(R_i，G_i，B_i)的背景颜色值，w为邻域点集。

进一步，步骤(3)中，利用最优化方法计算使能量方程E最小化的背景颜色值H(R_h，G_h，B_h))和混色比例a的具体方法如下：

1).分别对E求R_h，G_h，B_h，a的偏导函数分别是：

$\frac{\∂E}{\∂R_h}=2(1-a)(R-a{R}_f-(1-a)R_h)+2\mathrm{\β}\underset{i\∈w}{\mathrm{\Σ}}(R_h-R_{h,i})$

$\frac{\∂E}{\∂G_h}=2(1-a)(G-a{G}_f-(1-a)G_h+2\mathrm{\β}\underset{i\∈w}{\mathrm{\Σ}}(G_h-G_{h,i})$

$\frac{\∂E}{\∂B_h}=2(1-a)(B-a{B}_f-(1-a)B_h)+2\mathrm{\β}\underset{i\∈w}{\mathrm{\Σ}}(B_h-B_{h,i})$

$\frac{\∂E}{\∂a}=2[{(R_h-R_f)}^2+{(G_h-G_f)}^2+{(B_h-B_f)}^2+\mathrm{n\λ}]a$

$+2[(R_h-R_f)(R-R_h)+(G_h-G_f)(G-G_h)+(B_h-B_f)(B-B_h)+\mathrm{\λ}\underset{j\∈w}{\mathrm{\Σ}}{a}_j]$

其中a_j为邻域的混色比例，(R_h，i，G_h，i，B_h，i)为邻域点(R_i，G_i，B_i)的背景颜色值，n为邻域点个数，w为邻域点集；

2).令代入R_h，G_h，B_h，计算出a；

3).令代入混色比例a，计算R_h，G_h，B_h；

4).重复2)、3)步骤，迭代直到a收敛，判断a收敛的方法可以是当前迭代得出的a与上一步迭代得到的a的差小于u，0＜u＜＝0.001。

进一步，步骤(4)中，如果将目标颜色替换成另一种颜色F′，则对每个标记为混色点的像素计算：

C＝a×F′+(1-a)×H

其中，C为混色后颜色，a为混色比例，H为背景颜色值。

进一步，步骤(4)中，将含有目标颜色F的对象从图像中分割出的方法如下：

含有目标颜色的图像为I_f＝aF；

分割出含有目标颜色的图像为I_h＝(1-a)H。

本发明还提供了一种基于色域分析的图像分割系统，包括以下装置：

混色点判断装置，用于：输入图像并在图像中选取目标颜色F(R_f，G_f，B_f)，判断当前像素点是否为目标颜色与其它颜色的混色点；

混色点的计算装置，用于计算混色点的背景颜色值H(R_h，G_h，B_h)和混色比例a；

分割装置：用于对含有混色点的区域进行分割。

本发明的效果在于：采用本发明所述的方法及系统，与现有的所有图像分割算法相比，可以将与目标颜色色差很大的像素点也分割出来，从而更准确的将含有目标颜色的对象从图像中分割出并进行后续的处理。

附图说明

图1为本发明具体实施方式中所述基于色域分析的图像分割方法的流程图；

图2为采用本发明所述方法进行分割和替换前的原图；

图3为采用现有的方法进行替换后得到的效果图；

图4为采用本发明所述方法进行分割和替换后的效果图；

图5为实施例中所得的蓝色的区域蒙版；

图6为实施例中要在图中选出绿色混色区域的示例图；

图7为实施例中ps值归一化的灰度图；

图8为实施例中得到替换颜色后的效果图。

具体实施方式

下面结合附图和具体实施例来对本发明进行详细描述。

一种基于色域分析的图像分割系统，包括以下装置：

混色点判断装置，用于：输入图像并在图像中选取目标颜色F(R_f，G_f，B_f)，判断是否手动设置混色区域，如果是，则由用户手动设置图像中由目标颜色混色而成的区域，将此区域内的点标记为混色点；如果否，根据所选目标颜色在图像中逐点分析，判断当前像素点是否为目标颜色与其它颜色的混色点；

混色点的计算装置，用于计算混色点的背景颜色值H(R_h，G_h，B_h)和混色比例a；

分割装置：用于对含有混色点的区域进行分割。

本实施例中，所述混色点的计算装置计算混色点的背景颜色值H(R_h，G_h，B_h)和混色比例a的方法如下：

1)对图像上每一个像素点设置初始背景颜色值和混色比例；

2)对每个标记为混色点的像素，计算能量方程E：

E＝E_d+λE_{smooth_a}+βE_{smooth_H}

其中E_d是混色颜色值与原始颜色值之间的差异能量度量；E_{smooth_a}是混色比例平滑性能量度量；E_{smooth_H}是背景颜色平滑性能量度量；系数λ，β分别是混色比例平滑性权重系数和背景颜色平滑性权重系数；

本实施例中，混色颜色值与原始颜色值之间的差异度量E_d的计算公式如下：

E_d＝(R-αR_f-(1-α)R_h)²+(G-αG_f-(1-α)G_h)²+(B-αB_f-(1-α)B_h)²；

混色比例平滑性能量度量E_{smooth_a}的计算公式如下：

其中a_j为邻域的混色比例；

而背景颜色平滑性能量度量E_{smooth_H}的计算公式如下：

$E_{\mathrm{smooth}\_h}=\underset{i\∈w}{\mathrm{\Σ}}[{(R_h-R_{h,i})}^2+{(G_h-G_{h,i})}^2+{(B_h-B_{h,i})}^2].$

其中，(R_h，i，G_h，i，B_h，i)为邻域点(R_i，G_i，B_i)的背景颜色值，w为邻域点集。

3)计算该混色点的背景颜色值H(R_h，G_h，B_h)和混色比例a。

本实施例中，该系统还包括替换装置，用于将目标颜色替换成另一种颜色F′，方法如下：

则对每个标记为混色点的像素计算：

C＝a×F′+(1-a)×H

其中，C为混色后颜色，a为混色比例，H为背景颜色。

如图1所示，一种基于色域分析的图像分割方法，包括以下步骤：

1.首先在图像中选取目标颜色F(R_f，G_f，B_f)，判断是否手动设置混色区域，如果是，则由用户手动设置图像中由目标颜色混色而成的区域，将此区域内的点标记为混色点；如果否，根据所选目标颜色在图像中逐点分析，判断当前像素点是否为目标颜色与其它颜色的混色点，判断的方法如下：

1)对当前像素点，取半径为r个像素的窗口邻域，r的范围可以是[2，15]。统计分析窗中所有像素点的RGB值，将接近当前点RGB值的邻域点(R_i，G_i，B_i)选出，记这个点集为N，判断邻域点(R_i，G_i，B_i)是否接近当前点RGB的方法是计算如果d＜dt，则邻域点(R_i，G_i，B_i)属于点集N，

其中dt的取值范围是[15，30]；

2)计算选出点集N中每个点的色彩值在当前点颜色与目标颜色在色彩空间中连线的投影长度，记为x；以及每个点色彩值到当前点与目标点颜色在色彩空间中连线的垂直距离，记为y；并计算值x/(x+y)记为s；

3)计算点集N中每个点的s值，并计算平均值ps，平均值ps越接近于1就越说明邻域点在当前像素点颜色与目标颜色的连线上分布，即它的邻域更可能是目标颜色与其它颜色的混色；

4)设定阈值t，其范围是[0.8，1)，将ps＞t的点记为混色点；

如果点p是混色点，则其颜色C(R，G，B)可以由目标颜色F(R_f，G_f，B_f)和背景颜色H(R_h，G_h，B_h)按照混色比例a混合得到，混色公式为：

C＝a×F+(1-a)×H；

2.对图像上每一个像素点设置初始背景颜色值和混色比例，如果点(R，G，B)是混色点，则取：

R＞R_f，R_h＝255；R≤R_f，R_h＝0；G＞G_f，G_h＝255；G≤G_f，G_h＝0；

B＞B_f，B_h＝255；B≤B_f，B_h＝0；，a＝1；

如果点(R，G，B)不是混色点，则取R_h＝R，G_h＝G，B_h＝B且a＝0；

3.对每个标记为混色点的像素，计算能量方程E：

E＝E_d+λE_{smooth_a}+βE_{smooth_H}

其中E_d是混色颜色值与原始颜色值之间的差异能量度量；E_{smooth_a}是混色比例平滑性能量度量；E_{smooth_H}是背景颜色平滑性能量度量；系数λ，β分别是混色比例平滑性权重系数和背景颜色平滑性权重系数；

4.利用最优化方法，解得该混色点的背景颜色值H(R_h，G_h，B_h)和混色比例a；

5.对含有混色点的区域进行分割；

可以将含有目标颜色的对象从图像中分割出，含有目标颜色的图像为I_f＝aF；分割出含有目标颜色的图像为I_h＝(1-a)H。

6.如果应用为将目标颜色替换成另一种颜色F′，则对每个标记为混色点的像素计算：

C＝a×F′+(1-a)×H

具体应用中，比如把原图2中的蓝色全部替换成绿色。采用现有的方法进行替换后得到的效果图如图3所示，可以看到在图像3很多地方都有残留的蓝色。而用本发明所述的方法得到的结果如图4所示，图5为采用本发明所述方法得到的蓝色的区域蒙版，灰度表示选中度。

实施例：

如图6所示，假设我们要在图中选出绿色混色区域。

1.首先以图像中的纯绿色为目标颜色记为F，RGB值为(121，157，66)。再逐点分析图像，判断每点是否为其它颜色与目标色的混色。

假设当前点p(示意图中红色框注位置)颜色记为C，RGB值为(141，163，91)。其邻域点的值如下表所示：

(1)在本实施例中选取半径为2个像素的分析窗口，分析窗的半径范围可以是[2，15]。统计分析窗中所有像素点的RGB值。将接近当前点RGB值的点选出，记这个点集为N。判断方法可以是计算如果d＜dt，(在本例中dt＝25，dt可以取[15，30]范围内的值)则邻域点(R_i，G_i，B_i)属于点集N。本实施例中除了右下角三个点外，其余各点都属于点集N。

(2)当前点颜色与目标颜色的连线向量为(141，163，91)-(121，157，66)＝(20，6，35)。然后计算邻域内每个点与中心点连线在此向量的投影长度x和该点到此向量的垂直距离y。例如点(131，160，75)的投影长度为x＝140.75；y＝2.24；s＝x/(x+y)＝0.984。

(3)计算点集N中每个点的s值，并计算平均值ps＝0.976。

(4)在本实施例中取阈值t为0.95，阈值t的范围是[0.8，1)，计算得到平均值ps＞t，则中心点为混色点；如果ps＜t，则中心点不是混色点。本例中心点为混色点。

图7为ps值归一化的灰度图。可以看到它代表了绿色混色部分。

由上一步得到当前点p是混色点，所以其颜色C(141，163，91)可以由目标颜色F(121，157，66)和背景颜色H(R_h，G_h，B_h)，按照混色比例a混合得到，混色公式为：C＝a×F+(1-a)×H

2.对图像上每一个像素点设置初始背景颜色值和混色比例，如果点(R，G，B)是混色点则取

R＞R_f，R_h＝255；R≤R_f，R_h＝0；G＞G_f，G_h＝255；G≤G_f，G_h＝0；

B＞B_f，B_h＝255；B≤B_f，B_h＝0；，a＝1；如果点(R，G，B)不是混色点则取H的值就为该点值，a＝0。对上面例子中的p点来说，因为它是混色点，121＜141，R_h＝255；157＜163，G_h＝255；66＜91，B_h＝255；所以其初始背景颜色H的值为(255，255，255)，a＝1。

3.对每个标记为混色点的像素，计算能量方程E：

$E={(R-\mathrm{\α}{R}_f-(1-\mathrm{\α})R_h)}^2+{(G-\mathrm{\α}{G}_f-(1-\mathrm{\α})G_h)}^2+{(B-\mathrm{\α}{B}_f-(1-\mathrm{\α})B_h)}^2+\mathrm{\λ}\underset{j\∈w}{\mathrm{\Σ}}{(\mathrm{\α}-{\mathrm{\α}}_j)}^2$

其中此二次型的前三项分别约束当前点颜色与混色间的R，G，B色差，最后一项代表a在邻域的平滑性，λ是平滑性权重，w是当前点分析窗内的所有像素集合，在本实施例中取平滑性权重λ＝1，而背景颜色平滑性权重系数β在本实施例中为0；

利用最优化方法解得使能量方程E最小化的该混色点的背景颜色H(R_h，G_h，B_h)和混色比例a，这类二次型能量方程最小化解的方法有很多，本实施例中采用的方法为：

1).分别对E求R_h，G_h，B_h，a的偏导函数分别是：

$\frac{\∂E}{\∂R_h}=2(1-a)(R-a{R}_f-(1-a)R_h)$

$\frac{\∂E}{\∂G_h}=2(1-a)(G-a{G}_f-(1-a)G_h)$

$\frac{\∂E}{\∂B_h}=2(1-a)(B-a{B}_f-(1-a)B_h)$

$\frac{\∂E}{\∂a}=2[{(R_h-R_f)}^2+{(G_h-G_f)}^2+{(B_h-B_f)}^2+n]a$

$+2[(R_h-R_f)(R-R_h)+(G_h-G_f)(G-G_h)+(B_h-B_f)(B-B_h)+\underset{j\∈w}{\mathrm{\Σ}}{a}_j]$

其中a_j为邻域的混色比例，n为邻域的像素点个数，w为邻域点集。

2).令代入R_h，G_h，B_h，计算出a；

3).令代入混色比例a，计算R_h，G_h，B_h；

4).重复(2)，(3)步骤，迭代直到a收敛。判断收敛的方法可以是当前迭代得出的a与上一步迭代得到的a的差小于u＝0.001；(0＜u＜＝0.001)；

在本实施例中，中心点的a值为0.8507；H值为(255，197，233)，即中心点是由近似白色的颜色与目标颜色混色而成的，这也与实际图像基本相符。

4.之后我们将目标颜色替换成F′(7，216，234)青色。并对每个标记为混色点的像素计算：C＝a×F′+(1-a)×H

就得到替换颜色后的结果如图8所示；

图8中有极小部分的图像，替换结果还不够理想。这是主要是因为步骤1自动寻找混色区域的算法对于复杂图像还不够稳定。这是可以结合步骤5手动设置混色区域得到更好的效果。

5.步骤1也可以由用户手动设置的混色区域所代替。即由用户手动设置图像中可能由目标颜色混色而成的区域。将此区域内的点标记为混色点。

6.得到混色比例a和背景颜色H后，我们可以将含有目标颜色的对象从图像中分割出，含有目标颜色的图像为I_f＝aF；分割出含有目标颜色的图像为I_h＝(1-a)H。

需要注意的是，上述具体实施例仅仅是示例性的，在本发明的上述教导下，本领域技术人员可以在上述实施例的基础上进行各种改进和变形，而这些改进或者变形落在本发明的保护范围内。本领域技术人员应该明白，上面的具体描述只是为了解释本发明的目的，并非用于限制本发明。本发明的保护范围由权利要求及其等同物限定。

Claims (8)

1.一种基于色域分析的图像分割方法，包括以下步骤：

(1)输入图像并在图像中选取目标颜色F(R_f,G_f,B_f)，判断当前像素点是否为目标颜色与其它颜色的混色点；该步骤中，判断是否手动设置混色区域，如果是，则由用户手动设置图像中由目标颜色混色而成的区域，将此区域内的点标记为混色点；如果否，根据所选目标颜色在图像中逐点分析，判断当前像素点是否为目标颜色与其它颜色的混色点；判断当前像素点是否为目标颜色与其它颜色混色的方法如下：

1)对当前像素点，取r邻域的矩形窗口邻域，统计分析窗中所有像素点的RGB值，将接近当前点RGB值的邻域点(R_i,G_i,B_i)选出，记这个点集为N，判断邻域点(R_i,G_i,B_i)是否接近当前点RGB的方法是计算如果d<dt，则邻域点(R_i,G_i,B_i)属于点集N；r邻域的矩形窗口邻域中的所有像素点记为邻域点集w；

2)计算选出点集N中每个点的色彩值在当前点颜色与目标颜色在色彩空间中连线的投影长度，记为x；以及每个点色彩值到当前点与目标点颜色在色彩空间中连线的垂直距离，记为y；并计算值x/(x+y)记为s；

3)计算点集N中每个点的s值，并计算平均值ps，平均值ps越接近于1就越说明邻域点在当前像素点颜色与目标颜色的连线上分布，即它的邻域更可能是目标颜色与其它颜色的混色；

4)设定阈值t，其范围是[0.8，1)，将ps>t的点记为混色点；

如果点p是混色点，则其颜色C(R，G，B)由目标颜色F(R_f,G_f,B_f)和背景颜色H(R_h,G_h,B_h)按照混色比例a混合得到，混色公式为：

C＝a×F+(1-a)×H；

(2)对图像上每一个像素点设置初始背景颜色值和混色比例；像素点(R，G，B)的初始背景颜色值记为H(R₀,G₀,B₀)，初始混色比例记为a₀，如果像素点(R，G，B)是混色点，则取：

R>R_f,R₀＝255；R≤R_f,R₀＝0；G>G_f,G₀＝255；G≤G_f,G₀＝0；

B>B_f,B₀＝255；B≤B_f,B₀＝0；a₀＝1；

如果像素点(R，G，B)不是混色点，则取R₀＝R,G₀＝G,B₀＝B，且a₀＝1；

(3)计算混色点的背景颜色值H(R_h,G_h,B_h)和混色比例a；对每个标记为混色点的像素，计算如下能量方程E：

E＝E_d+λE_{smooth_a}+βE_{smooth_H}

其中E_d是混色颜色值与原始颜色值之间的差异能量度量；E_{smooth_a}是混色比例平滑性能量度量；E_{smooth_H}是背景颜色平滑性能量度量；系数λ,β分别是混色比例平滑性权重系数和背景颜色平滑性权重系数；

利用最优化方法计算使能量方程E最小化的背景颜色值H(R_h,G_h,B_h)和混色比例a；

其中，混色颜色值与原始颜色值之间的差异能量度量E_d的计算公式如下：

E_d＝(R-aR_f-(1-a)R_h)²+(G-aG_f-(1-a)G_h)²+(B-aB_f-(1-a)B_h)²；

混色比例平滑性能量度量E_{smooth_a}的计算公式如下：

其中a_j为邻域的混色比例；

而背景颜色平滑性能量度量E_{smooth_H}的计算公式如下：

$E_{smooth\_H}=\underset{i\&Element;w}{\&Sigma;}\&lsqb;{(R_h-R_{h,i})}^2+{(G_h-G_{h,i})}^2+{(B_h-B_{h,i})}^2\&rsqb;$

其中，(R_h,i,G_h,i,B_h,i)为邻域点(R_i,G_i,B_i)的背景颜色值，w为邻域点集；

(4)依据背景颜色值H(R_h,G_h,B_h)和混色比例a对图像进行分割或颜色替换。

2.如权利要求1所述的一种基于色域分析的图像分割方法，其特征在于：步骤1)中，所述r的范围是[2，15]。

3.如权利要求1所述的一种基于色域分析的图像分割方法，其特征在于：步骤1)中，所述dt的取值范围是[15,30]。

4.如权利要求1所述的一种基于色域分析的图像分割方法，其特征在于，利用最优化方法计算使能量方程E最小化的背景颜色值H(R_h,G_h,B_h)和混色比例a的具体方法如下：

1).分别对E求R_h,G_h,B_h，a的偏导函数分别是：

$\frac{\&part;E}{\&part;R_h}=2(1-a)(R-{\mathrm{aR}}_f-(1-a\left)R_h\right)+2\mathrm{\&beta;}\underset{i\&Element;w}{\&Sigma;}(R_h-R_{h,i})$

$\frac{\&part;E}{\&part;G_h}=2(1-a)(R-{\mathrm{aR}}_f-(1-a)G_h+2\mathrm{\&beta;}\underset{i\&Element;w}{\&Sigma;}(G_h-G_{h,i})$

$\frac{\&part;E}{\&part;B_h}=2(1-a)(B-{\mathrm{aB}}_f-(1-a\left)B_h\right)+2\mathrm{\&beta;}\underset{i\&Element;w}{\&Sigma;}(B_h-B_{h,i})$

$\begin{array}{c}\frac{\&part;E}{\&part;a}=2\&lsqb;{(R_h-R_f)}^2+{(G_h-G_f)}^2+{(B_h-B_f)}^2+n\mathrm{\&lambda;}\&rsqb;a\\ +2\&lsqb;(R_h-R_f)(R-R_h)+(G_h-G_f)(G-G_h)+(B_h-B_f)(B-B_h)+\mathrm{\&lambda;}\underset{j\&Element;w}{\&Sigma;}{a}_j\&rsqb;\end{array}$

其中a_j为邻域的混色比例，(R_h,i,G_h,i,B_h,i)为邻域点(R_i,G_i,B_i)的背景颜色值，n为邻域点个数，w为邻域点集；

2).令代入R_h,G_h,B_h，计算出混色比例a；

3).令代入混色比例a，计算背景颜色值H(R_h,G_h,B_h)；

4).重复2)、3)步骤，迭代直到a收敛，判断a收敛的方法是当前迭代得出的a与上一步迭代得到的a的差小于u，0＜u＜＝0.001。

5.如权利要求4所述的一种基于色域分析的图像分割方法，其特征在于，步骤(4)中，如果将目标颜色替换成另一种颜色F′，则对每个标记为混色点的像素计算：

C＝a×F′+(1-a)×H

其中，C为混色后颜色，a为混色比例，H为背景颜色。

6.如权利要求4所述的一种基于色域分析的图像分割方法，其特征在于，步骤(4)中，将含有目标颜色F的对象从图像中分割出的方法如下：

含有目标颜色的图像为I_f＝aF；

分割出含有目标颜色的图像为I_h＝(1-a)H。

7.一种基于色域分析的图像分割系统，包括以下装置：

混色点判断装置，用于输入图像并在图像中选取目标颜色F(R_f,G_f,B_f)，判断当前像素点是否为目标颜色与其它颜色的混色点；判断的方式为：判断是否手动设置混色区域，如果是，则由用户手动设置图像中由目标颜色混色而成的区域，将此区域内的点标记为混色点；如果否，根据所选目标颜色在图像中逐点分析，判断当前像素点是否为目标颜色与其它颜色的混色点；判断当前像素点是否为目标颜色与其它颜色混色的方式如下：

1)对当前像素点，取r邻域的矩形窗口邻域，统计分析窗中所有像素点的RGB值，将接近当前点RGB值的邻域点(R_i,G_i,B_i)选出，记这个点集为N，判断邻域点(R_i,G_i,B_i)是否接近当前点RGB的方法是计算如果d<dt，则邻域点(R_i,G_i,B_i)属于点集N；r邻域的矩形窗口邻域中的所有像素点记为邻域点集w；

2)计算选出点集N中每个点的色彩值在当前点颜色与目标颜色在色彩空间中连线的投影长度，记为x；以及每个点色彩值到当前点与目标点颜色在色彩空间中连线的垂直距离，记为y；并计算值x/(x+y)记为s；

3)计算点集N中每个点的s值，并计算平均值ps，平均值ps越接近于1就越说明邻域点在当前像素点颜色与目标颜色的连线上分布，即它的邻域更可能是目标颜色与其它颜色的混色；

4)设定阈值t，其范围是[0.8，1)，将ps>t的点记为混色点；

如果点p是混色点，则其颜色C(R，G，B)由目标颜色F(R_f,G_f,B_f)和背景颜色H(R_h,G_h,B_h)按照混色比例a混合得到，混色公式为：

C＝a×F+(1-a)×H；

混色点的计算装置，用于计算混色点的背景颜色值H(R_h,G_h,B_h)和混色比例a；所述的混色点的计算装置计算混色点的背景颜色值H(R_h,G_h,B_h)和混色比例a，方法如下：

对图像上每一个像素点设置初始背景颜色值和混色比例；像素点(R，G，B)的初始背景颜色值记为H(R₀,G₀,B₀)，初始混色比例记为a₀，如果像素点(R，G，B)是混色点，则取：

R>R_f,R₀＝255；R≤R_f,R₀＝0；G>G_f,G₀＝255；G≤G_f,G₀＝0；

B>B_f,B₀＝255；B≤B_f,B₀＝0；a₀＝1；

如果像素点(R，G，B)不是混色点，则取R₀＝R,G₀＝G,B₀＝B，且a₀＝1；

对每个标记为混色点的像素，计算能量方程E

E＝E_d+λE_{smooth_a}+βE_{smooth_H}

其中E_d是混色颜色值与原始颜色值之间的差异能量度量；E_{smooth_a}是混色比例平滑性能量度量；E_{smooth_H}是背景颜色平滑性能量度量；系数λ,β分别是混色比例平滑性权重系数和背景颜色平滑性权重系数；

利用最优化方法计算使能量方程E最小化的背景颜色值H(R_h,G_h,B_h)和混色比例a；

其中，混色颜色值与原始颜色值之间的差异能量度量E_d的计算公式如下：

E_d＝(R-aR_f-(1-a)R_h)²+(G-aG_f-(1-a)G_h)²+(B-aB_f-(1-a)B_h)²；

混色比例平滑性能量度量E_{smooth_a}的计算公式如下：

其中a_j为邻域的混色比例；

而背景颜色平滑性能量度量E_{smooth_H}的计算公式如下：

$E_{smooth\_H}=\underset{i\&Element;w}{\&Sigma;}\&lsqb;{(R_h-R_{h,i})}^2+{(G_h-G_{h,i})}^2+{(B_h-B_{h,i})}^2\&rsqb;$

其中，(R_h,i,G_h,i,B_h,i)为邻域点(R_i,G_i,B_i)的背景颜色值，w为邻域点集；

分割装置：用于对含有混色点的区域进行分割。

8.如权利要求7所述的一种基于色域分析的图像分割系统，其特征在于，该系统还包括替换装置，用于将目标颜色替换成另一种颜色F′，方法如下：

对每个标记为混色点的像素计算：

C＝a×F′+(1-a)×H

其中，C为混色后颜色，a为混色比例，H为背景颜色值。