CN106127782B - 一种图像分割方法及系统 - Google Patents

Abstract

本申请提供了一种图像分割方法及系统，本申请通过将原始图像划分成多个像素块，从而将每一个像素块作为一个像素点映射成连通图，大大减少了该连通图的顶点以及边的数量，缩短了图像分割所花费的时间，提高了图像分割速度，之后，获得该连通图的最小生成树，由于该最小生成树中的每个节点对应的是原始图像的像素块，从而使利用最小生成树对采样图像的分割过程实际上是检测原始图像分割成的各小区域如何分割的过程，这与现有技术中对单纯利用原始图像的各像素点颜色的差异性实现各像素点的分割相比，进一步提高了对原始图像的分割速度，且提高了图像分割精确度，从而使对原始图像的分割结果更加符合人类视觉系统对感知物体的理解。

Description

一种图像分割方法及系统

技术领域

本申请主要涉及图像处理领域，更具体地说是涉及一种图像分割方法及系统。

背景技术

目前，图像处理广泛应用于医学图像、遥感云图、指纹识别、人脸检测、地质勘测等领域，图像分割作为图像处理过程中的一个关键步骤，用于为图像检索、图像分析提供有效的信息，从而使更高层次的图像处理成为可能。

其中，图像分割是利用图像某些特性，如灰度、颜色、纹理等等，将图像分割成若干个独立且具有意义连接的区域或对象，在每个区域内有相同的特性，通过这些区域来表达设计的场景或者物体，符合现实中人眼的视觉特性，满足用户图像处理需求。

现有技术常用的图像分割方法主要有基于边缘检测或基于区域的图像分割方法，虽然能够达到图像分割的目的，但是，采用现有的这些图像分割方法对原始图像的分割效果并不理想，往往无法符合用户视觉系统对感知物体的理解。

发明内容

有鉴于此，本发明提供了一种图像分割方法及系统，实现了对图像的快速且准确地分割，使图像分割结果更加符合用户视觉系统对感知物体的理解。

为了解决上述技术问题，本申请提供了以下技术方案：

一种图像分割方法，所述方法包括：

利用预设大小的像素块对原始图像进行采样，得到采样图像；

将所述采样图像映射成连通图，并获得所述连通图的最小生成树；

利用所述最小生成树对所述采样图像进行分割，并将对所述采样图像的分割结果映射到所述原始图像。

优选的，所述利用预设大小的像素块对原始图像进行采样，得到采样图像，包括：

将原始图像划分成多个预设大小的像素块；

计算每一个像素块包含的多个像素点的平均像素值，并将所述平均像素值作为相应像素块的像素值；

将所述像素值作为相应像素块映射的像素点的像素值，生成采样图像。

优选的，所述将所述采样图像映射成连通图，包括：

将所述采样图像中的各像素点作为顶点，并将所述采样图像中相邻的任意两个像素点的边作为相应的两个顶点之间的连接线，其中，所述采样图像的像素点是由所述原始图像中的像素块映射而成；

计算所述相邻的任意两个像素点在Lab颜色空间的欧式距离，并将所述欧式距离作为相应的两个顶点之间的连接线的权值。

优选的，所述获得所述连通图的最小生成树，包括：

利用所述连通图中相邻两个顶点之间的连接线及其权值，获得所述连通图的最小生成树。

优选的，所述利用所述最小生成树对所述采样图像进行分割，包括：

构造所述原始图像中的每一个像素块的最小生成树，并将所述最小生成树中相邻两个原始图像像素点的边的最大权值作为相应像素块的最大权值；

获取所述连通图的最小生成树中相邻两个顶点之间的最小权值；

判断所述最小权值是否大于所述原始图像中相应两个像素块的最大权值；

若是，将所述两个像素块合并为一个新的像素块；

若否，从所述两个像素块之间进行图像分割。

优选的，所述利用所述连通图中相邻两个顶点之间的连接线及其权值，获得所述连通图的最小生成树，包括：

选择所述连通图中的任意一个顶点作为父节点，获取所述父节点所在的连接线的权值；

筛选所述父节点所在的连接线中具有最小权值的连接线，并将筛选出的连接线中的另一个顶点作为所述父节点的子节点；

判断构造的当前生成树是否包含所述连通图的所有顶点；

若否，将所述子节点作为父节点，返回所述获取所述父节点所在的连接线的权值的步骤，直至构造的当前生成树包含所述连通图的所有顶点；

将所述当前生成树作为所述连通图的最小生成树。

优选的，所述利用所述连通图中相邻两个顶点之间的连接线及其权值，获得所述连通图的最小生成树，包括：

按照不同的遍历规则，构造所述连通图的多个生成树，每一个所述生成树均包括所述连通图的所有顶点；

计算每一个生成树中所有连接线的权值的总权值；

选择最小总权值对应的生成树作为所述连通图的最小生成树。

一种图像分割系统，所述系统包括：

采样模块，用于利用预设大小的像素块对原始图像进行采样，得到采样图像；

映射构造模块，用于将所述采样图像映射成连通图，并获得所述连通图的最小生成树；

分割模块，用于利用所述最小生成树对所述采样图像进行分割，并将对所述采样图像的分割结果映射到所述原始图像。

优选的，所述采样模块包括：

划分单元，用于将原始图像划分成多个预设大小的像素块；

第一计算单元，用于计算每一个像素块包含的多个像素点的平均像素值，并将所述平均像素值作为相应像素块的像素值；

生成单元，用于将所述像素块作为新的像素点，生成采样图像。

优选的，所述分割模块包括：

构造单元，用于构造所述原始图像中的每一个像素块的最小生成树，并将所述最小生成树中相邻两个原始图像像素点的边的最大权值作为相应像素块的最大权值；

第二计算单元，用于获取所述连通图的最小生成树中相邻两个顶点之间的最小权值；

判断单元，用于判断所述连通图的最小权值是否大于所述原始图像中相应两个像素块的最大权值；

分割单元，用于在所述判断单元的判断结果为是时，将所述两个像素块合并为一个新的像素块；在所述判断单元的判断结果为否时，从所述两个像素块之间进行图像分割。

由此可见，与现有技术相比，本申请提供了一种图像分割方法及系统，本申请通过将原始图像划分成多个像素块，并将每一个像素块作为一个像素点映射成连通图，大大减少了该连通图的顶点以及边的数量，缩短了图像分割所花费的时间，提高了图像分割速度；之后，获得该连通图的最小生成树，由于该最小生成树中的每个节点对应的是原始图像的像素块，从而使利用最小生成树对采样图像的分割过程实际上是检测原始图像分割成的各小区域如何分割的过程，这与现有技术中对单纯利用原始图像的各像素点颜色的差异性实现各像素点的分割相比，进一步提高了对原始图像的分割速度，且提高了图像分割精确度，从而使对原始图像的分割结果更加符合人类视觉系统对感知物体的理解。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请提供的一种图像分割方法实施例的流程图；

图2(a)为一种图像像素点阵图；

图2(b)为一种连通图的结构示意图；

图2(c)为图2(b)所示他连通图的最小生成树；

图3为本申请提供的另一种图像分割方法实施例的部分流程图；

图4为本申请提供的又一种图像分割方法实施例的部分流程图；

图5为本申请提供的又一种图像分割方法实施例的部分流程图；

图6为本申请提供的一种图像分割系统实施例的结构示意图；

图7为本申请提供的另一种图像分割系统实施例的部分结构示意图；

图8为本申请提供的又一种图像分割系统实施例的部分结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前，常用的图像分割方法可以归纳为基于边缘检测的图像分割方法，或基于区域的图像分割方法。

其中，基于边缘检测的图像分割方法是灰度图像分割中广泛使用的一种方法，以各种微分算子为基础，结合门限、平滑等手段，另边界的梯度变化性质检测不同区域的边缘。对于边界明显和噪声低的图像，这种图像分割方法能够得到较好的分割效果，但是，对于边缘复杂的图像，容易受到伪轮廓或边界空白的干扰，无法保证得到闭合的边界，分割效果并不理想。

而对于基于边界的图像分割方法，其是根据同一区域内的像素特性相似，不同区域间的像素特性相异的准则，将图像中的像素进行分类。在具体实现过程中，其通常分为像素特征聚类方法和区域生成方法，前者虽然容易实现，但不易找到最佳聚类特征，且聚类算法大都没有考虑图像像素点的空间特性，不易得到理想的分割效果。

对于区域生长方法是一种根据事先定义的准则将像素或子区域聚合成更大区域的过程，基本思想是给每个分割区域找一个种子像素作为生长的起点，然后将种子像素周围的相似像素合并到种子区域。可见，这种方法对种子像素点的选择以及生长规则的依赖性比较强，一旦种子像素选取的不好，很容易造成不好分割效果，而且该分割过程也很容易受到噪声影响，进一步影响分割精确度。

基于上述分析可知，现有的图像分割方法对原始图像的分割效果都不太理想，往往无法符合用户视觉系统对感知物体的理解，为了改善图像分割效果，申请人提出了一种基于图论的图像分割方法，通过将原始图像映射为无向图，通过无向图中的节点表示像素，节点间的边表示像素间的关系，边的权重表示像素间的差异或相似度，从而利用图论中的相关知识进行图像分割。

然而，申请人发现，这种基于图论的图像分割方法的分割速度与边的数量有关，而边的数量又与原始图像的像素点数量以及采用的连通网络模式有关，所以，当原始图像包含的像素点过多时，通常需要花费较长的时间才能实现对原始图像的分割；而且，这种方法往往会将本属于同一个区域的图像分割成两个区域，造成严重的过分分割，将会与用户的视觉系统对感知物体的理解不符。

为了提高图像分割速度以及图像分割精确度，本申请提供了一种图像分割方法及系统，本申请通过将原始图像划分成多个像素块，之后，将每一个像素块作为一个像素点映射成连通图，大大减少了该连通图的顶点以及边的数量，缩短了图像分割所花费的时间，提高了图像分割速度，之后，获得该连通图的最小生成树，由于该最小生成树中的每个节点对应的是原始图像的像素块，从而使利用最小生成树对采样图像的分割过程实际上是检测原始图像分割成的各小区域如何分割的过程，这与现有技术中对单纯利用原始图像的各像素点颜色的差异性实现各像素点的分割相比，进一步提高了对原始图像的分割速度，且提高了图像分割精确度，从而使对原始图像的分割结果更加符合人类视觉系统对感知物体的理解。

为了使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，为本申请提供的一种图像分割方法实施例的流程图，该方法可以包括以下步骤：

步骤S11：利用预设大小的像素块对原始图像进行采样，得到采样图像；

在实际应用中，在使用预设大小的像素块对原始图像的各像素点划分区域时，若该像素块取的过大，最终所得分割图像的边缘将会被平滑掉，从而影响该分割图像的视觉效果。所以，本实施例预先设定的像素块不可取的过大，也就是说，每个像素块所包含的像素点的数量不可过多。

可选地，如图2(a)所示原始图像的像素点阵图，本实施例可以设定像素块为3x3的像素块，也就是说，将原始图像中的三行三列像素点构成的区域作为一个像素块。之后，按照该大小的像素块，对原始图像的各像素点划分区域，从而将原始图像的多个像素点划分成多个像素块，如图2(a)粗线划分方式。

其中，在利用预设大小的像素块对原始图像重新划分区域时，可以从该原始图像的某一边的端点开始，以该像素块大小为量度依次进行区域划分，但并不局限于这一种划分方式。

需要说明的是，在设定像素块的大小时，可以结合原始图像每行包含的像素点以及每列包含的像素点的数量确定，以使原始图像的每行的像素点数量和每列的像素点数量都是像素块的整数倍，按照上述方式划分完后，不会存在单独的像素点。

基于上述描述，将上述对原始图像的像素点重新划分后，所得的采样图像可以认为是由多个像素块构成，每个像素块都可以包括相同数量的多个原始图像的像素点。可见，对原始图像来说的像素块可以认为是采样图像的像素点。

步骤S12：将采样图像映射成连通图，并获得连通图的最小生成树；

在实际应用中，连通图是一种无向图，可以用符号G表示。基于此，如图2(b)所示，本实施例可以将采样图像中的像素点(即原始图像的像素块，本申请下文不再一一说明)看成一个顶点，通过将相邻两个顶点连接构成采样图像的连通图，可以表示为G(V，E，W)。其中，V表示采样图像的像素点的集合，E表示采样图像中相邻像素点连接的边的集合，W表示各边E的权重集合，其位每条边赋给了一个实数即为权值。

需要说明的是，在本实施例的连通图中，任意两个顶点都是连通的，本实施例可以采用两个顶点的空间距离来表示这两个顶点连接的边的权值，但并不局限于此。

结合上述描述可知，连通图中的每一个顶点实际上对应采样图像的相应像素点，同时也对应原始图像的相应像素块。所以，本申请可以通过计算采样图像中的相邻两个像素点在Lab颜色空间的欧式距离，来确定这两个像素点连接边的权值，即连通图中相应两个顶点间的连接线的权值。但并不局限于这一种权值计算方式。

之后，本申请可以利用连通图的相邻两个顶点之间的连接线及其权值，获得该连通图的最小生成树，如图2(c)所示。

在实际应用中，对于上述无向连通图G(V，E，W)，可以将其全部顶点V以及部分边E’构成一个子图G’，且G’＝(V，E’，W’)，且子图的边集合E’能将连通图G中的所有顶点连通有不形成回路，则称子图G’是连通图G的一颗生成树。

其中，本申请连通图可以包括不同的生成树，但n个顶点的连通图G的生成树必定包含有n-1条边，本实施例可以将所有边的权值总和最小的生成树作为最小生成树，需要说明的是，本申请对获得连通图G的最小生成树的实现方式不作限定。

步骤S13：利用最小生成树对采样图像进行分割，并将对采样图像的分割结果映射到原始图像。

如上述描述，最小生成树包含连通图的所有顶点，也就是说，最小生成树包括了采样图像的所有像素点，即原始图像的所有像素块。此时，本申请可以通过判断最小生成树的相连两顶点是否属于同一区域，从而根据判断结果将最小生成树划分成多个子树，从而实现对采样图像的分割，进而可以将对采样图像的分割结果映射到原始图像中，实现了对原始图像的快速且精确分割。

由此可见，本申请通过先将原始图像划分成多个像素块，再以该像素块作为最小单位进一步进行区域划分，而不是直接以原始图像的像素点作为最小单位进行区域划分，减少了生成边的数量，从而提高了图像分割速度；而且，本申请在将原始图像划分成多个像素块后，进一步判断相邻像素块是否属于同一部分，充分考虑了相邻像素的颜色值的相似性，从而使本申请对原始图像的分割结果更加符合人类视觉系统对感知物体的理解。

可选的，在上述实施例的基础上，由于采样图像是通过对原始图像进行像素块划分后得到的，所以说采样图像的像素点对应原始图像的像素块，基于此，对于采样图像的像素点在RGB颜色空间中的颜色值，本申请可以采用原始图像相应像素块的所有像素点的平均颜色值表示，但并不局限于这一种计算方式。

具体地，本实施例仍以3x3的像素块为例，采样图像的像素点k在RGB空间中的颜色值的计算公式如下：

其中，P_k ^R，P_k ^G，P_k ^B分别表示采样图像的像素点k在RGB空间的三通道的颜色值。P_o,i ^R，P_o,i ^G，P_o,i ^B分别表示原始图像生成像素块中第i个像素点在RGB空间的三通道的颜色值。

进一步地，在该可选实施例的基础上，采样图像的像素点的数量实际上与原始图像划分的像素块的数量相同，因此，后续以采样图像的像素点为单位进行的分割处理过程，实际上就是以原始图像的像素块为单位进行的图像分割过程，下文对此不再进行一一说明。

基于此，在得到上述采样图像后，为了方便后续图像分割处理，在此可以计算采样图像中相邻两个像素点连接的边的权值。具体可以按照以下方式进行边的权值的计算。以采样图像中的像素点p和q为例，这两个像素点连接的边的权值W(e)＝D(p，q)，欧式距离D(p，q)的计算公式如下：

其中，P_k ^L，P_k ^a，P_k ^b分别表示采样图像的像素点k在Lab空间中的每个通道的颜色值，具体可以通过空间转换方式，将上述计算得到的在RGB颜色空间的三通道的颜色值转换到Lab空间，具体转换方式不作限定。

可选的，为了方便确定本实施例上述连通图的最小生成树，本申请可以按照上述方式计算得到的连通图各边的权值大小，对连通图对相邻顶点的连接线进行排序，即对采样图像的各边进行排序，之后，根据对各边权值的排序结果，确定包含所有顶点且顶点间连接线权值总和最小的最小生成树。

具体地，本申请可以采用以下方式获得连通图中的最小生成树，但并不局限于下文列举的方法。

如图3所示，为本申请提供的一种获得最小生成树的方法流程图，在上述实施例的基础上，将采样图像映射成连通图之后，该方法还可以包括：

步骤S31：选择连通图中的任意一个顶点作为父节点，获取该父节点所在的连接线的权值；

其中，连通图中顶点数量与采样图像的像素点数量相同，即与原始图像划分的像素块的数量相同。关于选择的父节点所在的连接线可以包括该父节点与其左右相邻、上下相邻以及斜对角相邻的各顶点之间的连接线，具体可以根据选择的父节点在连通图中的具体位置确定。

步骤S32：筛选父节点所在的连接线中具有最小权值的连接线，并将筛选出的连接线中的另一个顶点作为该父节点的子节点；

由于连通图中的每一个连接线两端都有顶点，且每一个连接线仅有两个顶点，所以，本申请按照步骤S22这种方式将得到一条由n个顶点连接而成的不闭合曲线，即生成树。其中，上述连通图包括n个顶点。

步骤S23：判断构造的当前生成树是否包含连通图的所有顶点，若否，进入步骤S34；若是，执行步骤S35。

本申请通过该判断步骤进一步提高了本申请图像分割的准确性。

步骤S34：将该子节点作为父节点，返回步骤S31。

如上所述，在确定父节点的子节点后，可以判断按照上述方式依次连接得到的曲线是否包含了连通图的所有顶点，如果否，将该子节点作为父节点，按照上述继续获取该父节点所在的连接线的权值，如此循环，直至构造的当前生成树包含连通图的所有顶点。

步骤S35：将当前生成树作为连通图的最小生成树。

可见，按照上述方式得到的包含有连通图的所有顶点的生成树的各边的权值总和最小。

如图4所示，为本申请提供的另一种获得最小生成树的方法流程图，在上述实施例的基础上，将采样图像映射成连通图之后，该方法还可以包括：

步骤S41：按照不同的遍历规则，构造连通图的多个生成树。

需要说明的是，每一个生成树都包括连通图的所有顶点，本申请对获得连通图的具体方式不作限定。

步骤S42：计算每一个生成树中所有连接线的权值的总权值。

在本实施例中，可以按照上述可选实施例描述的权值计算方法，计算得到连通图中每一条连接线的权值，即确定该连通图的每一个生成树各连接线的权值，之后，可以对各生成树的所有连接线的权值求和，确定相应生成树的所有连接线的总权值。

步骤S43：选择最小总权值对应的生成树作为连通图的最小生成树。

本申请对从多个总权值中选择出最小总权值的方式不作限定。

综上可知，本申请的连通图是以原始图像的像素块为最小单位，不仅减少了连通图中生成边的数量，而且，减少了连通图中顶点的数量，从而减少了得到的最小生成树的边和节点的数量，进而提高了基于该最小生成树对采样图像分割的图像分割速度和精确度。

可选的，在上述各实施例的基础上，确定连通图的最小生成树之后，本申请可以按照图5所示的方法，对采样图像进行分割，从而实现对原始图像的图像分割。图5所示的方法流程可以包括：

步骤S51：构造原始图像中的每一个像素块的最小生成树；

其中，关于构造像素块的最小生成树的方法，可以参照上述构造连通图的最小生成树的方法，本实施例在此不再赘述。

步骤S52：将每一个像素块的最小生成树中相邻两个原始图像像素点的边的最大权值作为该像素块的最大权值；

步骤S53：获取连通图的最小生成树中相邻两个顶点之间的最小权值；

需要说明的是，该连通图的最小生成树中相邻两个顶点实际上是原始图像中相应的两个像素块，也可以说是采样图像中相应的两个像素点。因此，相邻两个顶点之间的最小权值可以是采样图像中相应的两个像素点连接边的最小权值。

步骤S54：判断该最小权值是否大于原始图像中相应两个像素块的最大权值，若是；进入步骤S55；若否，进入步骤S56；

在实际应用中，本申请可以分别将步骤S53获得的最小权值与按照上述步骤S52方式确定相应两个像素块的最大权值进行比较；也可以先将按照上述步骤S52方式确定相应两个像素块的最大权值进行不比较，确定出较大的一个像素块的最大权值后，再将其与上述步骤S53获取的相应两个顶点之间的最小权值进行比较。

步骤S55：将这两个像素块合并为一个新的像素块。

步骤S56：从这两个像素块之间进行图像分割。

在本实施例中，可以按照上述方式判断最小生成树相邻两个顶点对应的像素块是否属于同一部分，若属于同一部分，可以按照下面方式继续判断其中一个顶点与其相邻的连一个顶点是否属于同一个部分；若不属于同一部分，可以从这两个顶点之间断开。可见，本申请可以采用这种方式将采样图像分割成多个部分，由于采样图像与原始图像具有一定的映射关系，所以，本申请还可以将对采样图像的分割结果映射到原始图像中，从而实现对原始图像的再次分割，大大提高了对原始图像的分割精确度，使得对原始图像的分割结果更加符合用户视觉系统对感知物体的理解。

如图6所示，为本申请提供的一种图像分割系统实施例的结构示意图，该系统可以包括：

采样模块61，用于利用预设大小的像素块对原始图像进行采样，得到采样图像。

需要说明的是，本申请对该像素块的具体大小不作限定，但为了避免分割图像影响视觉效果，该像素块不能取的太大。

可选的，如图7所示，该采样模块61可以包括：

划分单元611，用于将原始图像划分成多个预设大小的像素块；

第一计算单元612，用于计算每一个像素块包含的多个像素点的平均像素值，并将该平均像素值作为相应像素块的像素值；

生成单元613，用于将该像素值作为相应像素块映射的像素点的像素值，生成采样图像。

其中，生成的采样图像由原始图像的像素块映射成像素点构成。

可选的，获得采样图像后，本申请还可以计算相邻的任意两个像素点在Lab颜色空间的欧式距离，并将其作为相应的两个像素点连接边的权值。

映射构造模块62，用于将采样图像映射成连通图，并获得连通图的最小生成树。

结合上述方法实施例对应部分的描述可知，采样图像实际上是将原始图像划分成多个像素块后的结果，所以说，可以将原始图像划分后的像素块映射成采样图像的像素点，进而将该像素点映射成顶点，连接相邻顶点形成连通图。

之后，本申请可以利用连通图中相邻两个顶点之间的连接线及其权值，获得连通图的最小生成树，本申请对获得连通图的最小生成树的实现方式不作限定。

其中，关于获取连通图中的最小生成树的具体方式可以参照上述方法实施例对应部分的描述，本实施在此不再赘述。

分割模块63，用于利用该最小生成树对采样图像进行分割，并将对采样图像的分割结果映射到原始图像。

具体的，如图8所示，该分割模块63可以包括：

构造单元631，用于构造原始图像中的每一个像素块的最小生成树，并将该最小生成树中相邻两个原始图像像素点的边的最大权值作为相应像素块的最大权值；

第二计算单元632，用于获取连通图的最小生成树中相邻两个顶点之间的最小权值；

判断单元633，用于判断所述连通图的最小权值是否大于原始图像中相应两个像素块的最大权值；

分割单元634，用于在判断单元633的判断结果为是时，将这两个像素块合并为一个新的像素块；在判断单元633的判断结果为否时，从这两个像素块之间进行图像分割。

综上所述，本申请先将原始图像划分成多个像素块，之后，将每一个像素块作为一个像素点映射成连通图，大大减少了该连通图的顶点以及边的数量，缩短了图像分割所花费的时间，提高了图像分割速度；之后，获取该连通图的最小生成树，从而利用该最小生成树实现对采样图像的分割，进而通过将采样图像的分割结果映射到原始图像中，实现对原始图像的分割，进一步提高了对原始图像的分割精确度，使得对原始图像的分割结果更加符合人类视觉系统对感知物体的理解。

最后，需要说明的是，关于上述各实施例中，诸如第一、第二等之类的关系术语仅仅用来将一个操作、单元或模块与另一个操作、单元或模块区分开来，而不一定要求或者暗示这些单元、操作或模块之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者系统中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种图像分割方法，其特征在于，所述方法包括：

将原始图像划分成多个预设大小的像素块，且每一所述像素块包括相同数量的所述原始图像的像素点；

计算每一个像素块包含的多个像素点的平均像素值，并将所述平均像素值作为相应像素块的像素值；

将所述像素值作为相应像素块映射的像素点的像素值，生成采样图像；

将所述采样图像映射成连通图，并获得所述连通图的最小生成树；

利用所述最小生成树对所述采样图像进行分割，并将对所述采样图像的分割结果映射到所述原始图像。

2.根据权利要求1所述的方法，其特征在于，所述将所述采样图像映射成连通图，包括：

将所述采样图像中的各像素点作为顶点，并将所述采样图像中相邻的任意两个像素点的边作为相应的两个顶点之间的连接线，其中，所述采样图像的像素点是由所述原始图像中的像素块映射而成；

计算所述相邻的任意两个像素点在Lab颜色空间的欧式距离，并将所述欧式距离作为相应的两个顶点之间的连接线的权值。

3.根据权利要求2所述的方法，其特征在于，所述获得所述连通图的最小生成树，包括：

利用所述连通图中相邻两个顶点之间的连接线及其权值，获得所述连通图的最小生成树。

4.根据权利要求3所述的方法，其特征在于，所述利用所述最小生成树对所述采样图像进行分割，包括：

构造所述原始图像中的每一个像素块的最小生成树，并将所述最小生成树中相邻两个原始图像像素点的边的最大权值作为相应像素块的最大权值；

获取所述连通图的最小生成树中相邻两个顶点之间的最小权值；

判断所述最小权值是否大于所述原始图像中相应两个像素块的最大权值；

若是，将所述两个像素块合并为一个新的像素块；

若否，从所述两个像素块之间进行图像分割。

5.根据权利要求3所述的方法，其特征在于，所述利用所述连通图中相邻两个顶点之间的连接线及其权值，获得所述连通图的最小生成树，包括：

选择所述连通图中的任意一个顶点作为父节点，获取所述父节点所在的连接线的权值；

筛选所述父节点所在的连接线中具有最小权值的连接线，并将筛选出的连接线中的另一个顶点作为所述父节点的子节点；

判断构造的当前生成树是否包含所述连通图的所有顶点；

若否，将所述子节点作为父节点，返回所述获取所述父节点所在的连接线的权值的步骤，直至构造的当前生成树包含所述连通图的所有顶点；

将所述当前生成树作为所述连通图的最小生成树。

6.根据权利要求3所述的方法，其特征在于，所述利用所述连通图中相邻两个顶点之间的连接线及其权值，获得所述连通图的最小生成树，包括：

按照不同的遍历规则，构造所述连通图的多个生成树，每一个所述生成树均包括所述连通图的所有顶点；

计算每一个生成树中所有连接线的权值的总权值；

选择最小总权值对应的生成树作为所述连通图的最小生成树。

7.一种图像分割系统，其特征在于，所述系统包括：

采样模块，所述采样模块包括：

划分单元，用于将原始图像划分成多个预设大小的像素块，且每一所述像素块包括相同数量的所述原始图像的像素点；

第一计算单元，用于计算每一个像素块包含的多个像素点的平均像素值，并将所述平均像素值作为相应像素块的像素值；

生成单元，用于将所述像素块作为新的像素点，生成采样图像；

映射构造模块，用于将所述采样图像映射成连通图，并获得所述连通图的最小生成树；

分割模块，用于利用所述最小生成树对所述采样图像进行分割，并将对所述采样图像的分割结果映射到所述原始图像。

8.根据权利要求7所述的系统，其特征在于，所述分割模块包括：

构造单元，用于构造所述原始图像中的每一个像素块的最小生成树，并将所述最小生成树中相邻两个原始图像像素点的边的最大权值作为相应像素块的最大权值；

第二计算单元，用于获取所述连通图的最小生成树中相邻两个顶点之间的最小权值；

判断单元，用于判断所述连通图的最小权值是否大于所述原始图像中相应两个像素块的最大权值；

分割单元，用于在所述判断单元的判断结果为是时，将所述两个像素块合并为一个新的像素块；在所述判断单元的判断结果为否时，从所述两个像素块之间进行图像分割。