CN107103607A - 一种基于种子点自动选取的全局最优化图像分割方法 - Google Patents

Abstract

本发明公开了一种基于种子点自动选取的全局最优化图像分割方法，与常规方法不同之处在于：完全不依赖于种子起始点的选择，首先直接根据目标像素阈值特征对图像所有像素进行全局预筛选，然后再根据预筛选后的所有像素的行列位置关系搜索生成目标像素位置集，再根据水平方向分块阈值与垂直方向分块阈值对多个目标区域进行自动检测划分，同时能够自动连续创建生成多个闭合的目标区域，弥补了传统图像区域增长方法依赖于种子点选取的不足，最后再根据有效目标区域行数阈值判断目标区域的有效性，从而确定最终的目标分割区域。

Description

一种基于种子点自动选取的全局最优化图像分割方法

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于种子点自动选取的全局最优化图像分割方法。

背景技术

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。其中，区域生长方法作为一种常见的图像分割方法通常能将具有相同特征的连通区域分割出来，并能提供很好的边界信息和分割结果。

区域生长的基本思想是将具有相似性质的像素集合起来构成区域，具体先对每个需要分割的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领域中与种子像素具有相同或相似性质的像素合并到种子像素所在区域中，最后将这些新像素当做新的种子像素继续进行上面的过程，直到再没有满足条件的像素为止。可见区域生长依赖于种子像素点的选择，如果待分割的图像中有多处目标区域，则需要设置多个种子点，如果种子点设置位置错误，则会影像整个图像的分割结果。此外，当目标像素在图像中比较独立，但与邻近像素差别较小时肉眼难以有效分辨，比如多光谱摄像机航拍高清图像中的病虫害目标提取以及医学图像近似灰度值器官中的多靶区目标分割，一旦种子点设置误判则会导致分割错误直接影响后续分析。

发明内容

本发明的目的在于：提供一种复杂系统的可靠性评价系统及方法，可直接根据目标像素阈值特征以及行列位置关系确定目标像素位置集从而连续检测出多个闭合的目标区域。

本发明解决技术问题采用如下技术方案：

一种基于种子点自动选取的全局最优化图像分割方法，包括如下步骤：

步骤(1)、获取待分割图像A的所有像素信息作为输入，记图像A的宽度与高度分别为W、H，记图像A第i行第j列位置对应的像素R、G、B分量依次为R_ij、G_ij、B_ij，其中1≤i≤H、1≤j≤W；

步骤(2)、根据待检测目标的R、G、B灰度阈值范围对图像A所有像素信息逐行进行筛选，同时保存筛选后的像素行列位置集Q作为进一步图像分割的输入，记Q有M行，第i行的像素个数为N_i，其中1≤M≤H、1≤i≤M、1≤N_i≤W，记Q第i行第j列元素为Q_ij，元素Q_ij在图像A中的行位置为Q_ijx、列位置为Q_ijy；

步骤(3)、根据Q中每一行相邻像素之间的位置关系再次筛选分割目标，通过水平方向分块阈值ThresholdX、竖直方向分块阈值ThresholdY、有效目标区域行数阈值ObjectHTheshold的阈值设置调控最终输出的目标轮廓集S中轮廓个数与各轮廓尺寸，当第i行相邻两像素在图像A中的列位置间隔小于ThresholdX时则保存像素点位置Q_ijx与Q_ijy作为待定的目标像素位置，其中0<ThresholdX<W，当相邻两像素在图像A中列位置间隔大于ThresholdX时，则中断搜索进入Q的第i+1行，当i+1>M时转入步骤(6)；

步骤(4)、当Q相邻两行第i+1行与第i行在图像A中的行位置间隔小于ThresholdY时，令i＝i+1转入步骤(3)继续逐行搜索，其中0<ThresholdY<H；

步骤(5)、当Q相邻两行第i+1行与第i行在图像A中的行位置间隔大于ThresholdY时，则中断当前搜索同时判断当前已保存的待定目标像素位置集的行数是否超过ObjectHTheshold，其中0<ObjectHTheshold<H，如低于ObjectHTheshold则忽略已保存的待定目标像素位置集合，如不低于ObjectHTheshold则已保存的待定目标像素位置集即为检测到的一个目标区域，取目标区域最外围的点集保存到目标轮廓集S列表中，同时，令i＝i+1转入步骤(3)开始下一个目标区域的搜索；

步骤(6)、当Q中最后一行即第M行搜索完毕时，判断当前已保存的待定目标像素位置集的行数是否超过ObjectHTheshold，如低于ObjectHTheshold则忽略已保存的待定目标像素位置集合，如果超过ObjectHTheshold，则已保存的待定目标像素位置集即为检测到的一个目标区域，取目标区域最外围的点集保存到目标轮廓集S列表中；

步骤(7)、在Q中移除已遍历搜索过的所有像素位置，如移除之后Q仍然存在像素点位置，则转入步骤(3)，如移除之后Q无像素点位置，则输出目标轮廓集S，检测结束。

进一步的，通过设置ThresholdX、ThresholdY、ObjectHTheshold三个阈值调控最终输出的目标轮廓集S中轮廓个数与各轮廓尺寸，不仅适用于多目标分布连续的情形，且扩展应用于多目标分布离散的情形，当待分割目标离散程度较大时，ThresholdX与ThresholdY宜偏大设置、ObjectHTheshold宜偏小设置，防止遗留目标，当待分割目标离散程度较小时，ThresholdX与ThresholdY宜偏小设置、ObjectHTheshold宜偏大设置，防止误判目标。

与已有技术相比，本发明的有益效果体现在：

(1)、克服了传统区域生长方法依赖于种子起始点选择的缺点，能够在图像中全局搜索筛选并自动确定种子搜索起点，提高了图像分割的准确性。

(2)、直接利用目标像素阈值特征与位置关系自动生成出多个独立的分割区域，克服了图像中目标区域数量事先未知的困难，为自动准确地实施图像分割带来了便利。

(3)、通过设置水平方向分块阈值、竖直方向分块阈值以及有效目标区域行数阈值使得本发明不仅适用于目标像素分布集中连续情形下的分割，也适用于目标像素分布分散情形下的分割。

附图说明

构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明的流程图；

图2是本发明具体实施方式的输入图像即待分割图像(原为彩色图像)；

图3是本发明具体实施方式的输出结果即目标轮廓集显示结果(含原始图像)。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

参照图1至图3，对本发明的结构特征详述如下：

如图1所示，本发明一种基于种子点自动选取的全局最优化图像分割方法，具体实现步骤如下：

步骤(1)、获取待分割图像A的所有像素信息作为输入，如图2所示，记图像A的宽度与高度分别为W＝1151、H＝729，记图像A第i行第j列位置对应的像素R、G、B分量依次为R_ij、G_ij、B_ij，其中1≤i≤H、1≤j≤W；

步骤(2)、根据待检测目标的R、G、B灰度阈值范围(Rmin＝220,Rmax＝255)、(Gmin＝100,Gmax＝140)、(Bmin＝0,Bmax＝5)对图像A所有像素信息逐行进行筛选，同时保存筛选后的像素行列位置集Q作为进一步图像分割的输入，记Q有M行，第i行的像素个数为N_i，其中1≤M≤H、1≤i≤M、1≤N_i≤W，记Q第i行第j列元素为Q_ij，元素Q_ij在图像A中的行位置为Q_ijx、列位置为Q_ijy；

步骤(3)、根据Q中每一行相邻像素之间的位置关系再次筛选分割目标，当第i行相邻两像素在图像A中的列位置间隔小于水平方向分块阈值ThresholdX＝50时则保存像素点位置Q_ijx与Q_ijy作为待定的目标像素位置，当相邻两像素在图像A中列位置间隔大于ThresholdX时，则中断搜索进入Q的第i+1行，当i+1>M时转入步骤(6)；

步骤(4)、当Q相邻两行第i+1行与第i行在图像A中的行位置间隔小于竖直方向分块阈值ThresholdY＝20时，令i＝i+1转入步骤(3)继续逐行搜索；

步骤(5)、当Q相邻两行第i+1行与第i行在图像A中的行位置间隔大于ThresholdY时，则中断当前搜索同时判断当前已保存的待定目标像素位置集的行数是否超过有效目标区域行数阈值ObjectHTheshold＝10，如低于ObjectHTheshold则忽略已保存的待定目标像素位置集合，如不低于ObjectHTheshold则已保存的待定目标像素位置集即为检测到的一个目标区域，取目标区域最外围的点集保存到目标轮廓集S列表中，同时，令i＝i+1转入步骤(3)开始下一个目标区域的搜索；

步骤(6)、当Q中最后一行即第M行搜索完毕时，判断当前已保存的待定目标像素位置集的行数是否超过ObjectHTheshold，如低于ObjectHTheshold则忽略已保存的待定目标像素位置集合，如果超过ObjectHTheshold，则已保存的待定目标像素位置集即为检测到的一个目标区域，取目标区域最外围的点集保存到目标轮廓集S列表中；

步骤(7)、在Q中移除已遍历搜索过的所有像素位置，如移除之后Q仍然存在像素点位置，则转入步骤(3)，如移除之后Q无像素点位置，则输出目标轮廓集S，检测到的各目标轮廓显示如图3所示，共检测到6个目标区域，检测结束。

通过设置ThresholdX、ThresholdY、ObjectHTheshold三个阈值调控最终输出的目标轮廓集S中轮廓个数与各轮廓尺寸，不仅适用于多目标分布连续的情形，且扩展应用于多目标分布离散的情形，当待分割目标离散程度较大时，ThresholdX与ThresholdY宜偏大设置、ObjectHTheshold宜偏小设置，防止遗留目标，当待分割目标离散程度较小时，ThresholdX与ThresholdY宜偏小设置、ObjectHTheshold宜偏大设置，防止误判目标。

本发明未详细阐述部分属于本领域公知技术。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (2)

1.一种基于种子点自动选取的全局最优化图像分割方法，其特征在于：包括如下步骤：

步骤(1)、获取待分割图像A的所有像素信息作为输入，记图像A的宽度与高度分别为W、H，记图像A第i行第j列位置对应的像素R、G、B分量依次为R_ij、G_ij、B_ij，其中1≤i≤H、1≤j≤W；

步骤(2)、根据待检测目标的R、G、B灰度阈值范围对图像A所有像素信息逐行进行筛选，同时保存筛选后的像素行列位置集Q作为进一步图像分割的输入，记Q有M行，第i行的像素个数为N_i，其中1≤M≤H、1≤i≤M、1≤N_i≤W，记Q第i行第j列元素为Q_ij，元素Q_ij在图像A中的行位置为Q_ijx、列位置为Q_ijy；

步骤(3)、根据Q中每一行相邻像素之间的位置关系再次筛选分割目标，通过水平方向分块阈值ThresholdX、竖直方向分块阈值ThresholdY、有效目标区域行数阈值ObjectHTheshold的阈值设置调控最终输出的目标轮廓集S中轮廓个数与各轮廓尺寸，当第i行相邻两像素在图像A中的列位置间隔小于ThresholdX时则保存像素点位置Q_ijx与Q_ijy作为待定的目标像素位置，其中0<ThresholdX<W，当相邻两像素在图像A中列位置间隔大于ThresholdX时，则中断搜索进入Q的第i+1行，当i+1>M时转入步骤(6)；

步骤(4)、当Q相邻两行第i+1行与第i行在图像A中的行位置间隔小于ThresholdY时，令i＝i+1转入步骤(3)继续逐行搜索，其中0<ThresholdY<H；

步骤(5)、当Q相邻两行第i+1行与第i行在图像A中的行位置间隔大于ThresholdY时，则中断当前搜索同时判断当前已保存的待定目标像素位置集的行数是否超过ObjectHTheshold，其中0<ObjectHTheshold<H，如低于ObjectHTheshold则忽略已保存的待定目标像素位置集合，如不低于ObjectHTheshold则已保存的待定目标像素位置集即为检测到的一个目标区域，取目标区域最外围的点集保存到目标轮廓集S列表中，同时，令i＝i+1转入步骤(3)开始下一个目标区域的搜索；

步骤(6)、当Q中最后一行即第M行搜索完毕时，判断当前已保存的待定目标像素位置集的行数是否超过ObjectHTheshold，如低于ObjectHTheshold则忽略已保存的待定目标像素位置集合，如果超过ObjectHTheshold，则已保存的待定目标像素位置集即为检测到的一个目标区域，取目标区域最外围的点集保存到目标轮廓集S列表中；

步骤(7)、在Q中移除已遍历搜索过的所有像素位置，如移除之后Q仍然存在像素点位置，则转入步骤(3)，如移除之后Q无像素点位置，则输出目标轮廓集S，检测结束。

2.根据权利要求1所述的基于种子点自动选取的全局最优化图像分割方法，其特征在于：通过设置ThresholdX、ThresholdY、ObjectHTheshold三个阈值调控最终输出的目标轮廓集S中轮廓个数与各轮廓尺寸，不仅适用于多目标分布连续的情形，且扩展应用于多目标分布离散的情形，当待分割目标离散程度较大时，ThresholdX与ThresholdY宜偏大设置、ObjectHTheshold宜偏小设置，防止遗留目标，当待分割目标离散程度较小时，ThresholdX与ThresholdY宜偏小设置、ObjectHTheshold宜偏大设置，防止误判目标。