CN104376551A - 一种融合区域生长和边缘检测的彩色图像分割方法 - Google Patents

Abstract

一种融合边缘检测与区域生长的彩色图像方法，包括：输入待分割图像；将图像转化为灰度图像，按照Canny边缘检测算法并以大津法所得出的最大类间方差阈值作为高阈值，进行边缘检测处理；将图像转化回RGB彩色图像，计算某一点与其8-邻域各点的最大欧式距离，若最大欧式距离小于规定阈值，则该点可作为候选种子点；完成种子选取，若某一点是步骤(2)得出候选种子点但不是步骤(1)所得出边缘点，则此点可作为初始种子点；利用生长规则对种子区域进行生长，将符合生长规则的像素点归入到种子区域中；利用区域合并规则，对图像中符合区域合并规则，并在空间上相近的区域块进行合并；重复步骤，直到满足区域合并停止条件；完成彩色图像分割。

Description

一种融合区域生长和边缘检测的彩色图像分割方法

技术领域

本发明涉及一种用于数字图像处理领域的彩色图像分割方法，具体是一种融合区域生长和边缘检测的彩色图像分割方法。

背景技术

图像分割即从图像中提取出感兴趣区域。在过去的研究中，单色图像的分割为主要的研究方向。但是，生活中并不都是单色图像，彩色图像的分割也随着计算机处理速度的大幅度提高以及现实生活的发展需要越来越受到人们的关注。单色图像分割只注重亮度(Lightness)这个惟一的可用信息，而彩色图像包含亮度、色调和颜色的深浅等有效信息，显然彩色图像比单色图像具有更大的信息量。因此，对彩色图像进行分割是符合人类视觉特性的。虽然彩色图像的分割计算量更大，但是随着计算机处理能力的快速提高，计算量的问题得以有效解决，彩色图像处理也得以快速发展。

图像分割是图像分析和模式识别的首要问题，是由图像处理到图像分析的关键和首要步骤，其目标是将数字图像划分为若干具有某些共同性质的互不相交的区域，将目标和背景分离，为计算机视觉的后续处理提供依据。图像分割的目的是根据应用的需要，选定一些特征，如灰度、颜色、纹理等，将图像分割成不同类的区域，在同类的区域内，图像具有相同或相近的特征性质，在不同类的区域间，图像特征具有明显的差异。有效合理的图像分割能够为基于内容的图像检索，图像分析等抽象出十分有效的信息，从而使更高层的图像理解成为可能，并决定图像的最终分析质量和模式识别的判别结果。

综上所述，对彩色图像分割算法进行研究和改进具有重大的理论和实际意义，提出一种有效的分割算法将影响到相关领域的快速发展。

发明内容

本发明要克服现有技术分割精确性差的缺点，提出一种融合区域生长和边缘检测的彩色图像分割方法，旨在提高分割精确性，为后续目标识别以及图像分析提供可靠依据。

改进方法首先利用大津法计算出Canny边缘检测的高低阈值并进行边缘检测，然后将获得的边缘作为初始种子产生的制约条件，最后进行区域生长并合并得到分割结果。该方法加强了初始种子点产生的条件，使边缘点不被选为种子点，使不同区域间的边缘更加明显，间接提高了分割精度。该方法主要针对自然图像的分割，对于大部分纹理不强的图像均有不错的分割效果。

本发明是通过以下技术方案实现的，本发明在Canny边缘检测的基础上，制约边缘点作为初始种子点，间接提高分割精度。

大津法根据最佳阈值将整幅图像可以分为背景和目标两部分。由于方差是衡量图像中像素灰度分布均匀性的一个度量，方差值越大，说明组成图像的背景和目标两部分的差别越大。当部分背景被错误地划分为目标或者部分目标被错误地划分为背景时，会导致两部分的差别变小。因此，大津法实际上是以错分概率最小作为分割阈值的选取准则的。

Canny算子中的双梯度门限其实也是一种阈值，通过分析h₁、h₂的选择原理及梯度图像的直方图，利用大津法实现h₂的选择是可行的。在实际实现时，对Canny得到的梯度图像的幅值进行放大处理，使直方图呈明显双蜂，大津法计算的阈值更加准确。

一种融合边缘检测与区域生长的彩色图像方法，步骤如下：

(1)输入待分割图像；

(2)将图像转化为灰度图像，按照Canny边缘检测算法并以大津法所得出的最大类间方差阈值作为高阈值，进行边缘检测处理；

(3)将图像转化回RGB彩色图像，计算某一点与其8-邻域各点的最大欧式距离，若最大欧式距离小于规定阈值，则该点可作为候选种子点；

(4)完成种子选取，若某一点是步骤(2)得出候选种子点但不是步骤(1)所得出边缘点，则此点可作为初始种子点；

(5)利用生长规则对种子区域进行生长，将符合生长规则的像素点归入到种子区域中；

(6)利用区域合并规则，对图像中符合区域合并规则，并在空间上相近的区域块进行合并；

(7)重复步骤(6)，直到满足区域合并停止条件；

(8)完成彩色图像分割。

在步骤(3)所述的种子点自动选取过程中，选取灰度图像边缘检测，便于实现，且计算量小，得到边缘相对简单，本发明采用灰度图像边缘检测可在不损失主要边缘的前提下，减少细节边缘的产生，减少区域块的形成，防止过分割。考虑边缘和像素空间特征两方面要素，制定种子自动选取规则：(1)非边缘点(2)与其8-邻域各点的最大欧式距离小于规定阈值。

在步骤(5)所述的区域生长的过程中，是将选定的种子点作为起点，以颜色距离作为判决条件，向其8-邻域生长，直到所有像素点都生长完成。定义区域生长规则为：

$d=\sqrt{{(R-\stackrel{\‾}{R})}^2+{(G-\stackrel{\‾}{G})}^2+{(B-\stackrel{\‾}{B})}^2}$

其中R、G、B为图像任一点的R、G、B分量，为与该点相近图像区域的R、G、B分量均值，d为颜色距离。通过计算与周围像素区域的距离，将此点归入最小距离邻域中。

此方法虽然计算量较大，但是能准确将相似像素生长到同一区域，节省了后续区域合并的时间，并保证了准确性。

在步骤(6)所述的区域合并过程中，将区域距离与区域大小作为两个判决条件：

(1)若两个相邻区域的欧氏距离小于预设阈值T1，将两个区域合并为一个区域，并重新计算区域均值，即

$\left|\right|\stackrel{\&OverBar;}{{\mathrm{\&mu;}}_i}-\stackrel{\&OverBar;}{{\mathrm{\&mu;}}_i}\left|\right|<T1$

其中分别为两个区域的颜色均值，||·||表示欧式距离，T1为预设阈值。

(2)若区域大小小于预设阈值T2，将该区域并入与其颜色距离最小的相邻区域。

本发明的优点在于运用边缘检测限制初始种子点的产生，并保证了初始种子点的准确性，限制生长得到的区域个数，减少区域合并的时间，并能保障图像的主要边界不受区域生长的影响。实验证明，本方法取得了良好的实验结果。

附图说明

图1为采用本发明方法的程序流程图。

图2为原始彩色图像。

图3为彩色图像的分割结果。

具体实施方式

下面结合附图，具体说明本发明。

本发明所述的一种融合边缘检测与区域生长的彩色图像方法，步骤如下：

(1)输入待分割图像，如图2所示；

(2)将图像转化为灰度图像，按照Canny边缘检测算法并以大津法所得出的最大类间方差阈值作为高阈值，且值为0.4941，进行边缘检测处理；

(3)将图像转化回RGB彩色图像，计算某一点与其8-邻域各点的最大欧式距离，若最大欧式距离小于规定阈值1/52，则该点可作为候选种子点；

(4)完成种子选取，若某一点是步骤(2)得出候选种子点但不是步骤(1)所得出边缘点，则此点可作为初始种子点；

(5)利用生长规则对种子区域进行生长，将符合生长规则的像素点归入到种子区域中；

(6)利用区域合并规则，对图像中符合区域合并规则，并在空间上相近的区域块进行合并；

(7)重复步骤(6)，直到满足区域合并停止条件，选取多组阈值对图像进行多次合并，分别为0.04，1/20；0.07，1/50；0.13，1/150；

(8)完成彩色图像分割。

分割结果显示在图3中，结果显示本方法对彩色图像有较好分割结果。对各个大的区域块有明显的分隔，基本去除小区域块对分割结果的干扰，达到一定准确性。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (4)

1.一种融合边缘检测与区域生长的彩色图像方法，步骤如下：

(1)输入待分割图像；

(2)将图像转化为灰度图像，按照Canny边缘检测算法并以大津法所得出的最大类间方差阈值作为高阈值，进行边缘检测处理；

(3)将图像转化回RGB彩色图像，计算某一点与其8-邻域各点的最大欧式距离，若最大欧式距离小于规定阈值，则该点可作为候选种子点；

(4)完成种子选取，若某一点是步骤(2)得出候选种子点但不是步骤(1)所得出边缘点，则此点可作为初始种子点；

(5)利用生长规则对种子区域进行生长，将符合生长规则的像素点归入到种子区域中；

(6)利用区域合并规则，对图像中符合区域合并规则，并在空间上相近的区域块进行合并；

(7)重复步骤(6)，直到满足区域合并停止条件；

(8)完成彩色图像分割。

2.如权利要求1所述的方法，其特征在于：在步骤(3)所述的种子点自动选取过程中，选取灰度图像边缘检测，便于实现，且计算量小，得到边缘相对简单，本发明采用灰度图像边缘检测可在不损失主要边缘的前提下，减少细节边缘的产生，减少区域块的形成，防止过分割；考虑边缘和像素空间特征两方面要素，制定种子自动选取规则：(1)非边缘点(2)与其8-邻域各点的最大欧式距离小于规定阈值。

3.如权利要求1所述的方法，其特征在于：在步骤(5)所述的区域生长的过程中，是将选定的种子点作为起点，以颜色距离作为判决条件，向其8-邻域生长，直到所有像素点都生长完成；定义区域生长规则为：

$d=\sqrt{{(R-\stackrel{\&OverBar;}{R})}^2+{(G-\stackrel{\&OverBar;}{G})}^2+{(B-\stackrel{\&OverBar;}{B})}^2}$

其中R、G、B为图像任一点的R、G、B分量，为与该点相近图像区域的R、G、B分量均值，d为颜色距离；通过计算与周围像素区域的距离，将此点归入最小距离邻域中。

4.如权利要求1所述的方法，其特征在于：在步骤(6)所述的区域合并过程中，将区域距离与区域大小作为两个判决条件：

(1)若两个相邻区域的欧氏距离小于预设阈值T1，将两个区域合并为一个区域，并重新计算区域均值，即

$\left|\right|\stackrel{\&OverBar;}{{\mathrm{\&mu;}}_i}-\stackrel{\&OverBar;}{{\mathrm{\&mu;}}_i}\left|\right|<T1$

其中分别为两个区域的颜色均值，||·||表示欧式距离，T1为预设阈值；

(2)若区域大小小于预设阈值T2，将该区域并入与其颜色距离最小的相邻区域。