CN107274415A - 一种基于Tarjan算法和区域连接的图像分割方法 - Google Patents
一种基于Tarjan算法和区域连接的图像分割方法 Download PDFInfo
- Publication number
- CN107274415A CN107274415A CN201710416337.4A CN201710416337A CN107274415A CN 107274415 A CN107274415 A CN 107274415A CN 201710416337 A CN201710416337 A CN 201710416337A CN 107274415 A CN107274415 A CN 107274415A
- Authority
- CN
- China
- Prior art keywords
- mrow
- region
- msubsup
- size
- weight
- 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.)
- Granted
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
- G06T7/11—Region-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
本发明公开了一种基于Tarjan算法和区域连接的图像分割技术,所述的Tarjan算法用于求解有向图的最小分支,当构建完最小分支后,图像被分割成大量碎片。为防止图像出现过分割,若相邻区域间的大小和相似性满足区域连接条件,则连接相邻区域。对比目前存在的图像分割技术,该算法用于图像分割具有时间快,分割准确,构建过程中不需要设置任何参数等优点。
Description
技术领域
本发明属于图像处理技术领域,涉及一种图像分割技术,具体是一种基于Tarjan算法和区域连接的图像分割方法。
背景技术
所谓图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域,并使得这些特征在同一区域内呈现相似性,在不同区域之间呈现明显的差异性。
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图论的分割方法等。Zahn提出一种基于图的最小生成树的分割方法,但这种简单的割断最小权重边的方法存在很大缺陷。由于图像中往往灰度剧烈变化的区域的像素之间的灰度差别很大,但是其对应在图中的边权重很小,若简单的设置阈值来割断小权重边,则会出现不合理的分割。
但是基于Tarjan算法和区域连接的图像分割技术,不仅在构图的时候利用了有向的信息,而且在分割的过程中结合了区域的概念,既保证整体上是一个最小树形图,又保证了分割后的每个区域都是一个最小树形图,最后的区域连接技术再一次保证了图像分割的准确性,防止出现过分割。
发明内容
本发明目的是提供一种快速,准确的基于Tarjan算法和区域连接的图像分割方法,首次提出了在有向图上进行的,不需要任何参数设置的快速图像分割算法,该算法具有很大的发展前景和应用空间。
本发明提供一种基于Tarjan算法和区域连接的图像分割方法,包括以下步骤:
S1.基于图像相邻像素点之间的梯度差的正负对输入图像I构建有向图I'。
S2:在有向图I'上利用Tarjan算法构建最小树形图,为了保证树形图一定存在,需要添加一个虚拟节点,从虚拟节点构建直线连接有向图的每个节点,权重为无穷大。构建完最小树形图之后去掉虚拟节点和虚拟节点所连接的边,形成一个个独立的根树,每个根树代表一个碎片区域。
S3:计算相邻碎片区域之间的两类连接边,一种边连接相邻两区域的叶子节点,权重为we1。另一种边连接相邻两区域的根节点,权重为we2。
S4:将S3中所计算的两类边按we1,λwe2进行升序排列并依次判断:若该边所连接的两碎片大小和相似性满足区域连接条件,则用由区域间颜色差决定的权重边连接两碎片区域。
S5:输出分割图像I”。
进一步的,S1中构建有向图的方法为:令p,q表示图像I上一对相邻的像素点,表示两点的梯度值,若构建两条有向连接线分别指向p和q。若构建一条有向连接线由q指向p,反之构建有向连接线从p指向q。
进一步的,S3中所述we1和we2计算公式为:
we2=|avg(U)-avg(V)|
其中p1和p2表示相邻两区域U和V的根树的叶子节点,avg(U)和avg(V)代表区域U和V的平均
颜色强度。
avg(U)=Colsum(U)/size(U)
Colsum(U)表示区域U中所有像素点的RGB三通道颜色值之和,size(U)表示区域U中像素点的个数。
进一步的,S4中λ取0.2,由于每个区域的根节点较叶子节点不易受边界节点的影响,所以赋予根节点之间的连接边更小的选择权重。
区域连接条件:
size(U)-size(V)≤α
size(U)≤β或者size(V)≤β
c<min(Int(U)+τ(U),Int(V)+τ(V))
其中α=β=50,c表示当前判断的连接边的权重,Int(U),Int(V)表示区域U,V里面的最大的边权重。
τ(U)=k/size(U)
k=m*n/s
m和n表示输入图像I的宽度和高度,s=200。τ(U)控制两个区域之间的差异在多大程度上小于区域内差异才能被连接。连接两区域的边权重计算同we1。
本发明是第一个用到梯度信息建立像素点之间联系的图像分割算法,打破了传统的观念:图像只能被建立成无向图,第一次尝试在有向图上进行图像分割。图像分割过程不需要任何参数的设置,分割结果更自然,能同时满足速度和精度的要求,既满足实时性,有能实现精确的分割。本发明所述的图像分割过程结合了整体与局部,既保证整体上是一个最小树形图,又保证了分割后的每个区域都是一个最小树形图,最后的区域连接技术再一次保证了图像分割的准确性,防止出现过分割。
附图说明
图1为有向图示意图。
图2为构建最小分支的过程。
图3为区域之间的两类连接边示意图。
图4为在是图像分割结果。其中,(a)Baby1;(b)Monopoly;(c)Midd1;
图5为本发明的方法流程图。
具体实施方式
下面,将结合附图1~4进一步详细说明本发明的具体实施方式
本发明是基于Tarjan算法和区域连接的图像分割技术,具体实施步骤如下:
S1.基于图像相邻像素点之间的梯度差的正负对输入图像I构建有向图I'。令p,q表示图像I上一对相邻的像素点,表示两点的梯度值,若构建两条有向连接线分别指向p和q。若构建一条有向连接线由q指向p,反之构建有向连接线从p指向q。
S2:在有向图I'上利用Tarjan算法构建最小树形图,为了保证树形图一定存在,需要添加一个虚拟节点,从虚拟节点构建直线连接有向图的每个节点,权重为无穷大。构建完最小树形图之后去掉虚拟节点和虚拟节点所连接的边,形成一个个独立的根树,每个根树代表一个碎片区域。
S3:计算相邻碎片区域之间的两类连接边,一种边连接相邻两区域的叶子节点,权重为we1。另一种边连接相邻两区域的根节点,权重为we2。
we2=|avg(U)-avg(V)|
其中p1和p2表示相邻两区域U和V的根树的叶子节点,avg(U)和avg(V)代表区域U和V的平均颜色强度。
avg(U)=Colsum(U)/size(U)
Colsum(U)表示区域U中所有像素点的RGB三通道颜色值之和,size(U)表示区域U中像素点的个数。
S4:将S3中所计算的两类边按we1,λwe2进行升序排列并依次判断:若该边所连接的两碎片大小和相似性满足区域连接条件,则用由区域间颜色差决定的权重边连接两碎片区域。λ取0.2,由于每个区域的根节点较叶子节点不易受边界节点的影响,所以赋予根节点之间的连接边更小的选择权重。区域连接条件:
size(U)-size(V)≤α
size(U)≤β或者size(V)≤β
c<min(Int(U)+τ(U),Int(V)+τ(V))
其中α=β=50,c表示当前判断的连接边的权重,Int(U),Int(V)表示区域U,V里面的最大的边权重。
τ(U)=k/size(U)
k=m*n/s
m和n表示输入图像I的宽度和高度,s=200。τ(U)控制两个区域之间的差异在多大程度上小于区域内差异才能被连接。连接两区域的边权重计算同we1。
S5:输出分割图像I”。
表1提供了该算法对不同尺寸的图片分割时间。
表1
图片 | 尺寸 | Tarjan平均时间 | 区域连接平均时间 |
(a)Baby1 | 370*413 | 0.21s | 0.04s |
(b)Monopoly | 370*443 | 0.24s | 0.03s |
(c)Midd1 | 370*465 | 0.27s | 0.04s |
Claims (2)
1.一种基于Tarjan算法和区域连接的图像分割方法,其特征在于,该方法包括以下步骤:
S1.基于图像相邻像素点之间的梯度差的正负对输入图像I构建有向图I';令p,q表示图像I上一对相邻的像素点,表示两点的梯度值,若构建两条有向连接线分别指向p和q;若构建一条有向连接线由q指向p,反之构建有向连接线从p指向q;
S2:在有向图I'上利用Tarjan算法构建最小树形图,要添加一个虚拟节点;从虚拟节点构建直线连接有向图的每个节点,权重为无穷大;构建完最小树形图之后去掉虚拟节点和虚拟节点所连接的边,形成一个个独立的根树,每个根树代表一个碎片区域;
S3:计算相邻碎片区域之间的两类连接边,一种边连接相邻两区域的叶子节点,权重为we1;另一种边连接相邻两区域的根节点,权重为we2;S3中所述we1和we2计算公式为:
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>e</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mo>|</mo>
<msubsup>
<mi>U</mi>
<mrow>
<mi>p</mi>
<mn>1</mn>
</mrow>
<mi>R</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>V</mi>
<mrow>
<mi>p</mi>
<mn>2</mn>
</mrow>
<mi>R</mi>
</msubsup>
<mo>|</mo>
<mo>,</mo>
<mo>|</mo>
<msubsup>
<mi>U</mi>
<mrow>
<mi>P</mi>
<mn>1</mn>
</mrow>
<mi>R</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>V</mi>
<mrow>
<mi>p</mi>
<mn>2</mn>
</mrow>
<mi>R</mi>
</msubsup>
<mo>|</mo>
<mo>,</mo>
<mo>|</mo>
<msubsup>
<mi>U</mi>
<mrow>
<mi>p</mi>
<mn>1</mn>
</mrow>
<mi>R</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>V</mi>
<mrow>
<mi>p</mi>
<mn>2</mn>
</mrow>
<mi>R</mi>
</msubsup>
<mo>|</mo>
<mo>)</mo>
</mrow>
</mrow>
we2=|avg(U)-avg(V)|
其中p1和p2表示相邻两区域U和V的根树的叶子节点,avg(U)和avg(V)代表区域U和V的平均颜色强度;avg(U)=Colsum(U)/size(U);Colsum(U)表示区域U中所有像素点的RGB三通道颜色值之和,size(U)表示区域U中像素点的个数;
S4:将S3中所计算的两类边按we1,λwe2进行升序排列并依次判断:若该边所连接的两碎片大小和相似性满足区域连接条件,则用由区域间颜色差决定的权重边连接两碎片区域;
S5:输出分割图像I”。
2.根据权利要求1所述的基于Tarjan算法和区域连接的图像分割方法,其特征在于:S4中λ取0.2;
区域连接条件:size(U)-size(V)≤α
size(U)≤β或者size(V)≤β
c<min(Int(U)+τ(U),Int(V)+τ(V))
其中α=β=50,c表示当前判断的连接边的权重,Int(U),Int(V)表示区域U,V里面的最大的边权重;
τ(U)=k/size(U);k=m*n/s
m和n表示输入图像I的宽度和高度,s=200;τ(U)控制两个区域之间的差异在多大程度上小于区域内差异才能被连接;连接两区域的边权重计算同we1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710416337.4A CN107274415B (zh) | 2017-06-06 | 2017-06-06 | 一种基于Tarjan算法和区域连接的图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710416337.4A CN107274415B (zh) | 2017-06-06 | 2017-06-06 | 一种基于Tarjan算法和区域连接的图像分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107274415A true CN107274415A (zh) | 2017-10-20 |
CN107274415B CN107274415B (zh) | 2019-08-09 |
Family
ID=60065563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710416337.4A Active CN107274415B (zh) | 2017-06-06 | 2017-06-06 | 一种基于Tarjan算法和区域连接的图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107274415B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080130977A1 (en) * | 2006-12-05 | 2008-06-05 | Fujifilm Corporation | Method and apparatus for detection using gradient-weighted and/or distance-weighted graph cuts |
CN101408941A (zh) * | 2008-10-20 | 2009-04-15 | 中国科学院遥感应用研究所 | 遥感图像多尺度分割及分割结果的层次结构表示方法 |
CN101976348A (zh) * | 2010-10-21 | 2011-02-16 | 中国科学院深圳先进技术研究院 | 图像聚类方法和系统 |
CN103310452A (zh) * | 2013-06-17 | 2013-09-18 | 北京工业大学 | 一种权重自动选择的图像分割方法 |
CN103632361A (zh) * | 2012-08-20 | 2014-03-12 | 阿里巴巴集团控股有限公司 | 一种图像分割方法和系统 |
CN103871090A (zh) * | 2012-12-17 | 2014-06-18 | 北京大学 | 一种交互式路径生成方法和系统 |
US20140204092A1 (en) * | 2012-04-09 | 2014-07-24 | The Regents Of The University Of California | Classification of high dimensional data |
CN104318208A (zh) * | 2014-10-08 | 2015-01-28 | 合肥工业大学 | 一种基于图分割和实例学习的视频场景检测方法 |
CN104780379A (zh) * | 2015-01-21 | 2015-07-15 | 北京工业大学 | 一种屏幕图像集合的压缩方法 |
CN106504276A (zh) * | 2016-10-25 | 2017-03-15 | 桂林电子科技大学 | 非局部立体匹配算法的组合匹配代价算法和视差联合填充算法 |
CN106650744A (zh) * | 2016-09-16 | 2017-05-10 | 北京航空航天大学 | 局部形状迁移指导的图像对象共分割方法 |
-
2017
- 2017-06-06 CN CN201710416337.4A patent/CN107274415B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080130977A1 (en) * | 2006-12-05 | 2008-06-05 | Fujifilm Corporation | Method and apparatus for detection using gradient-weighted and/or distance-weighted graph cuts |
CN101408941A (zh) * | 2008-10-20 | 2009-04-15 | 中国科学院遥感应用研究所 | 遥感图像多尺度分割及分割结果的层次结构表示方法 |
CN101976348A (zh) * | 2010-10-21 | 2011-02-16 | 中国科学院深圳先进技术研究院 | 图像聚类方法和系统 |
US20140204092A1 (en) * | 2012-04-09 | 2014-07-24 | The Regents Of The University Of California | Classification of high dimensional data |
CN103632361A (zh) * | 2012-08-20 | 2014-03-12 | 阿里巴巴集团控股有限公司 | 一种图像分割方法和系统 |
CN103871090A (zh) * | 2012-12-17 | 2014-06-18 | 北京大学 | 一种交互式路径生成方法和系统 |
CN103310452A (zh) * | 2013-06-17 | 2013-09-18 | 北京工业大学 | 一种权重自动选择的图像分割方法 |
CN104318208A (zh) * | 2014-10-08 | 2015-01-28 | 合肥工业大学 | 一种基于图分割和实例学习的视频场景检测方法 |
CN104780379A (zh) * | 2015-01-21 | 2015-07-15 | 北京工业大学 | 一种屏幕图像集合的压缩方法 |
CN106650744A (zh) * | 2016-09-16 | 2017-05-10 | 北京航空航天大学 | 局部形状迁移指导的图像对象共分割方法 |
CN106504276A (zh) * | 2016-10-25 | 2017-03-15 | 桂林电子科技大学 | 非局部立体匹配算法的组合匹配代价算法和视差联合填充算法 |
Non-Patent Citations (5)
Title |
---|
P.M.NARENDRA 等: "Image Segmentation with Directed Trees", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
YURI BOYKOV: "Graph Cuts and Efficient N-D Image Segmentation", 《INTERNATIONAL JOURNAL OF COMPUTER VISION》 * |
陈燕 等: "求强连通分量的几种算法的实现与分析", 《电脑知识与技术》 * |
黄波 等: "基于有向图分割的推荐算法", 《计算机系统应用》 * |
黎莹 等: "基于最小生成树的图像分割", 《计算机工程与应用》 * |
Also Published As
Publication number | Publication date |
---|---|
CN107274415B (zh) | 2019-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103559719A (zh) | 一种交互式图像分割方法 | |
CN104977903A (zh) | 基于实时派工系统的机台组下的晶圆批次派工方法和系统 | |
US20210248729A1 (en) | Superpixel merging | |
KR20150089663A (ko) | 그래프 기반의 멀티 프리미티브 피팅 장치 및 그 동작 방법 | |
CN108305232A (zh) | 一种单帧高动态范围图像生成方法 | |
CN108564604A (zh) | 基于平面约束和三角剖分的双目视觉立体匹配方法及装置 | |
CN107274415A (zh) | 一种基于Tarjan算法和区域连接的图像分割方法 | |
CN107341822B (zh) | 一种基于最小分支代价聚合的立体匹配方法 | |
CN110097495A (zh) | 一种改进的Zhang并行图像细化算法 | |
CN104090940B (zh) | 一种时序网络与时序数据的多态聚类方法 | |
CN107562779A (zh) | 一种二维矢量多边形自相交的空间拓扑处理方法 | |
CN104504692A (zh) | 基于区域对比度的图像中显著对象的提取方法 | |
CN110019589A (zh) | 电子地图显示方法及装置 | |
CN104504714B (zh) | 图像共显著物体的检测方法 | |
CN109509245B (zh) | 一种风格图像生成方法及装置 | |
CN110728688B (zh) | 一种基于能量优化的三维网格模型分割方法及系统 | |
CN103679806B (zh) | 自适应可视外壳生成方法及装置 | |
CN112858873A (zh) | 一种基于二端测试的引脚资源分配方法及系统 | |
CN108804811B (zh) | 大规模集成电路设计中多层绕障直角布线方法 | |
CN107481314A (zh) | 一种基于kd树的阴影体优化方法 | |
US20220414858A1 (en) | Method for determining wire regions of a circuit | |
CN108710600A (zh) | 快速计算统计趋势特征值的方法及装置 | |
CN113240619B (zh) | 基于改进减法直方图的土壤图像阴影检测方法 | |
CN115830286B (zh) | 一种保持三维场景纹理清晰度一致量的烘焙方法 | |
CN109035186B (zh) | 基于并行随机采样与传播的地形非特征区域合成方法、装置和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |