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
一种融合区域生长和边缘检测的彩色图像分割方法 Download PDFInfo
- Publication number
- CN104376551A CN104376551A CN201410420849.4A CN201410420849A CN104376551A CN 104376551 A CN104376551 A CN 104376551A CN 201410420849 A CN201410420849 A CN 201410420849A CN 104376551 A CN104376551 A CN 104376551A
- Authority
- CN
- China
- Prior art keywords
- point
- image
- region
- seed
- edge detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
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
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:
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
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:
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
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410420849.4A CN104376551A (zh) | 2014-08-25 | 2014-08-25 | 一种融合区域生长和边缘检测的彩色图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410420849.4A CN104376551A (zh) | 2014-08-25 | 2014-08-25 | 一种融合区域生长和边缘检测的彩色图像分割方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104376551A true CN104376551A (zh) | 2015-02-25 |
Family
ID=52555441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410420849.4A Pending CN104376551A (zh) | 2014-08-25 | 2014-08-25 | 一种融合区域生长和边缘检测的彩色图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104376551A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105158272A (zh) * | 2015-09-22 | 2015-12-16 | 浙江工商大学 | 一种纺织品缺陷检测方法 |
CN105718933A (zh) * | 2016-01-21 | 2016-06-29 | 浪潮软件股份有限公司 | 一种边缘检测的方法及装置 |
CN105740834A (zh) * | 2016-02-05 | 2016-07-06 | 广西科技大学 | 夜视环境下对前方车辆的高精度检测方法 |
CN105740835A (zh) * | 2016-02-05 | 2016-07-06 | 广西科技大学 | 夜视环境下基于车载相机的前方车辆检测方法 |
CN106447659A (zh) * | 2016-09-27 | 2017-02-22 | 电子科技大学 | 一种基于多重判定的区域生长检测方法 |
CN106503719A (zh) * | 2016-09-27 | 2017-03-15 | 深圳增强现实技术有限公司 | 一种物体颜色提取与检测方法及装置 |
CN106782464A (zh) * | 2016-12-01 | 2017-05-31 | 北京银河润泰科技有限公司 | 键盘动作检测方法及装置 |
CN107452008A (zh) * | 2016-06-01 | 2017-12-08 | 上海东方传媒技术有限公司 | 图像边缘检测方法及装置 |
CN107481241A (zh) * | 2017-08-24 | 2017-12-15 | 太仓安顺财务服务有限公司 | 一种基于混合方法的彩色图像分割方法 |
CN109191478A (zh) * | 2018-07-19 | 2019-01-11 | 广东工业大学 | 一种基于区域生长与蚁群优化算法相结合的边缘检测方法 |
CN109509199A (zh) * | 2018-10-10 | 2019-03-22 | 华南理工大学 | 一种基于三维重建的医学影像组织智能分割方法 |
CN110610481A (zh) * | 2019-08-06 | 2019-12-24 | 深圳市旭东数字医学影像技术有限公司 | 基于医学图像的脑干自动分割方法及系统 |
CN111406662A (zh) * | 2020-03-12 | 2020-07-14 | 中国地质大学(武汉) | 基于机器视觉的保育猪饲喂器料量自动检测系统及方法 |
CN111768376A (zh) * | 2020-06-24 | 2020-10-13 | 山东科技大学 | 一种涡流热成像边缘检测方法、系统、存储介质及应用 |
CN112419341A (zh) * | 2019-08-23 | 2021-02-26 | 上海中晶科技有限公司 | 影像选取方法、系统及电脑程序产品 |
CN113343976A (zh) * | 2021-05-13 | 2021-09-03 | 武汉大学 | 基于颜色-边缘融合特征生长的抗高光干扰工程测量标志提取方法 |
CN113763109A (zh) * | 2021-02-03 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 物品推荐方法、装置、设备及存储介质 |
CN113989305A (zh) * | 2021-12-27 | 2022-01-28 | 城云科技(中国)有限公司 | 目标语义分割方法及应用其的街道目标异常检测方法 |
CN115661464A (zh) * | 2022-12-09 | 2023-01-31 | 季华实验室 | 图像分割方法、装置、设备及计算机存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002216129A (ja) * | 2001-01-22 | 2002-08-02 | Honda Motor Co Ltd | 顔領域検出装置およびその方法並びにコンピュータ読み取り可能な記録媒体 |
CN103116630A (zh) * | 2013-02-03 | 2013-05-22 | 苏州市职业大学 | 一种基于sift种子区域增长的彩色图像检索方法 |
CN103646404A (zh) * | 2013-12-29 | 2014-03-19 | 四川农业大学 | 一种基于颜色的快速茶树花分割和计数方法 |
-
2014
- 2014-08-25 CN CN201410420849.4A patent/CN104376551A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002216129A (ja) * | 2001-01-22 | 2002-08-02 | Honda Motor Co Ltd | 顔領域検出装置およびその方法並びにコンピュータ読み取り可能な記録媒体 |
CN103116630A (zh) * | 2013-02-03 | 2013-05-22 | 苏州市职业大学 | 一种基于sift种子区域增长的彩色图像检索方法 |
CN103646404A (zh) * | 2013-12-29 | 2014-03-19 | 四川农业大学 | 一种基于颜色的快速茶树花分割和计数方法 |
Non-Patent Citations (3)
Title |
---|
曾峥等: ""一种改进的基于模糊增强的canny边缘提取算法"", 《科学技术与工程》 * |
朱琪: ""基于区域的自动区域生长算法在彩色年轮图像分割中的应用"", 《电子技术与软件工程》 * |
李唯为等: ""种子区域生长技术在彩色图像分割中的应用"", 《小型微型计算机系统》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105158272A (zh) * | 2015-09-22 | 2015-12-16 | 浙江工商大学 | 一种纺织品缺陷检测方法 |
CN105718933B (zh) * | 2016-01-21 | 2018-11-02 | 浪潮软件股份有限公司 | 一种边缘检测的方法及装置 |
CN105718933A (zh) * | 2016-01-21 | 2016-06-29 | 浪潮软件股份有限公司 | 一种边缘检测的方法及装置 |
CN105740835A (zh) * | 2016-02-05 | 2016-07-06 | 广西科技大学 | 夜视环境下基于车载相机的前方车辆检测方法 |
CN105740834B (zh) * | 2016-02-05 | 2018-11-02 | 广西科技大学 | 夜视环境下对前方车辆的高精度检测方法 |
CN105740835B (zh) * | 2016-02-05 | 2018-11-02 | 广西科技大学 | 夜视环境下基于车载相机的前方车辆检测方法 |
CN105740834A (zh) * | 2016-02-05 | 2016-07-06 | 广西科技大学 | 夜视环境下对前方车辆的高精度检测方法 |
CN107452008A (zh) * | 2016-06-01 | 2017-12-08 | 上海东方传媒技术有限公司 | 图像边缘检测方法及装置 |
CN106447659A (zh) * | 2016-09-27 | 2017-02-22 | 电子科技大学 | 一种基于多重判定的区域生长检测方法 |
CN106503719A (zh) * | 2016-09-27 | 2017-03-15 | 深圳增强现实技术有限公司 | 一种物体颜色提取与检测方法及装置 |
CN106447659B (zh) * | 2016-09-27 | 2019-04-05 | 电子科技大学 | 一种基于多重判定的区域生长检测方法 |
CN106782464A (zh) * | 2016-12-01 | 2017-05-31 | 北京银河润泰科技有限公司 | 键盘动作检测方法及装置 |
CN107481241A (zh) * | 2017-08-24 | 2017-12-15 | 太仓安顺财务服务有限公司 | 一种基于混合方法的彩色图像分割方法 |
CN109191478A (zh) * | 2018-07-19 | 2019-01-11 | 广东工业大学 | 一种基于区域生长与蚁群优化算法相结合的边缘检测方法 |
CN109509199A (zh) * | 2018-10-10 | 2019-03-22 | 华南理工大学 | 一种基于三维重建的医学影像组织智能分割方法 |
CN109509199B (zh) * | 2018-10-10 | 2021-07-20 | 华南理工大学 | 一种基于三维重建的医学影像组织智能分割方法 |
CN110610481A (zh) * | 2019-08-06 | 2019-12-24 | 深圳市旭东数字医学影像技术有限公司 | 基于医学图像的脑干自动分割方法及系统 |
CN112419341A (zh) * | 2019-08-23 | 2021-02-26 | 上海中晶科技有限公司 | 影像选取方法、系统及电脑程序产品 |
CN111406662A (zh) * | 2020-03-12 | 2020-07-14 | 中国地质大学(武汉) | 基于机器视觉的保育猪饲喂器料量自动检测系统及方法 |
CN111406662B (zh) * | 2020-03-12 | 2022-01-28 | 中国地质大学(武汉) | 基于机器视觉的保育猪饲喂器料量自动检测系统及方法 |
CN111768376A (zh) * | 2020-06-24 | 2020-10-13 | 山东科技大学 | 一种涡流热成像边缘检测方法、系统、存储介质及应用 |
CN113763109A (zh) * | 2021-02-03 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 物品推荐方法、装置、设备及存储介质 |
CN113343976A (zh) * | 2021-05-13 | 2021-09-03 | 武汉大学 | 基于颜色-边缘融合特征生长的抗高光干扰工程测量标志提取方法 |
CN113989305A (zh) * | 2021-12-27 | 2022-01-28 | 城云科技(中国)有限公司 | 目标语义分割方法及应用其的街道目标异常检测方法 |
CN113989305B (zh) * | 2021-12-27 | 2022-04-22 | 城云科技(中国)有限公司 | 目标语义分割方法及应用其的街道目标异常检测方法 |
CN115661464A (zh) * | 2022-12-09 | 2023-01-31 | 季华实验室 | 图像分割方法、装置、设备及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104376551A (zh) | 一种融合区域生长和边缘检测的彩色图像分割方法 | |
CN101944233B (zh) | 高分辨遥感图像中快速提取机场目标的方法 | |
CN105261017B (zh) | 基于路面约束的图像分割法提取行人感兴趣区域的方法 | |
CN106651872B (zh) | 基于Prewitt算子的路面裂缝识别方法及系统 | |
Li et al. | Novel approach to pavement image segmentation based on neighboring difference histogram method | |
CN103606137B (zh) | 保持背景和细节信息的直方图均衡化方法 | |
CN103942803B (zh) | 基于sar图像的水域自动检测方法 | |
CN103136766B (zh) | 一种基于颜色对比和颜色分布的物体显著性检测方法 | |
CN104463804B (zh) | 一种基于直觉模糊集的图像增强方法 | |
CN103208115B (zh) | 基于测地线距离的图像显著性区域检测方法 | |
CN102722891A (zh) | 一种图像显著度检测的方法 | |
CN103413303A (zh) | 基于联合显著性的红外目标分割方法 | |
CN106096491B (zh) | 一种眼底彩色照相图像中微动脉瘤自动化识别方法 | |
CN105303561A (zh) | 一种图像预处理的灰度空间划分方法 | |
CN103903254A (zh) | 一种x光图像处理方法、系统及x光图像处理设备 | |
CN111539980B (zh) | 一种基于可见光的多目标追踪方法 | |
CN103500451B (zh) | 一种用于卫星数据的独立浮冰提取方法 | |
CN104063866A (zh) | 一种矿石传送过程中的粒度检测方法 | |
CN104574327A (zh) | 一种乳腺图像处理方法和装置 | |
CN103218833A (zh) | 边缘加强型的彩色空间最稳极值区域检测方法 | |
CN106447673A (zh) | 一种非均匀光照条件下的芯片引脚提取方法 | |
CN105303190B (zh) | 一种基于对比度增强法的降质文档图像二值化方法 | |
CN105809673A (zh) | 基于surf算法和合并最大相似区域的视频前景分割方法 | |
Bora et al. | A new efficient color image segmentation approach based on combination of histogram equalization with watershed algorithm | |
CN104835142B (zh) | 一种基于纹理特征的车辆排队长度检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150225 |