CN115661464A - 图像分割方法、装置、设备及计算机存储介质 - Google Patents

Abstract

本发明公开一种图像分割方法、装置、设备及计算机存储介质，涉及图像处理技术领域，方法包括：将第一待分割图像转换为灰度图像；根据灰度图像中每个像素点的梯度强度，对灰度图像进行边缘检测，得到边缘检测结果；将第二待分割图像转换到预设颜色空间，得到彩色图像；根据彩色图像中每个像素点在所述预设颜色空间的颜色距离和边缘检测结果，对所有像素点进行区域生长，得到至少两个初始分割区域；对所有初始分割区域进行区域合并，得到目标分割结果。本发明当像素点周围的空间存在视觉特征相似时，结合边缘检测结果进行图像分割，相较于基于单一视觉特征的图像分割方法，避免了空间中视觉特征相似的噪声点对分割结果的影响，提高了图像分割精度。

Description

图像分割方法、装置、设备及计算机存储介质

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像分割方法、装置、设备及计算机存储介质。

背景技术

图像分割是指使用某种规则将一幅图像划分成一组相互独立、具有某种实际意义的区域，使得每个区域都有自己特定的属性。图像分割技术在模式识别、计算机视觉、医学图像处理以及工业图像处理中都有着广泛应用。

目前，图像分割方法大多是基于单一视觉特征而设计的，其中，基于颜色特征的分割最为常见；但是，由于基于单一视觉特征的图像分割方法没有考虑像素周围的空间信息，通常会导致分割结果中常常含有很多噪声。

发明内容

本发明的主要目的在于：提供一种图像分割方法、装置、设备及计算机存储介质，旨在解决现有基于单一视觉特征的图像分割方法的分割结果包含较多噪声的技术问题。

为实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种图像分割方法，方法包括：

将第一待分割图像转换为灰度图像；

根据灰度图像中每个像素点的梯度强度，对灰度图像进行边缘检测，得到边缘检测结果；

将第二待分割图像转换到预设颜色空间，得到彩色图像；

根据彩色图像中每个像素点在所述预设颜色空间的颜色距离和边缘检测结果，对所有像素点进行区域生长，得到至少两个初始分割区域；

对所有初始分割区域进行区域合并，得到目标分割结果。

可选地，根据彩色图像中每个像素点在预设颜色空间的颜色距离和边缘检测结果，对所有像素点进行区域生长，得到至少两个初始分割区域，包括：

根据彩色图像中每个像素点在预设颜色空间的颜色距离和边缘检测结果，从所有像素点中确定出至少两个第一种子像素点；

根据第一种子像素点、边缘检测结果、颜色距离和像素点与预设区域的空间距离，对所有像素点进行区域生长，得到至少两个初始分割区域。

可选地，根据彩色图像中每个像素点在预设颜色空间的颜色距离和边缘检测结果，从所有像素点中确定出至少两个第一种子像素点，包括：

根据边缘检测结果，判断彩色图像中每个像素点是否为分割边缘点；

若像素点不是分割边缘点，则根据像素点在预设颜色空间的颜色分量和像素点的八个相邻像素点在预设颜色空间的颜色分量平均值，确定像素点在预设颜色空间的颜色距离；

判断颜色距离是否小于预设距离阈值；

若颜色距离小于预设距离阈值，则将像素点作为第一种子像素点，得到至少两个第一种子像素点。

可选地，根据第一种子像素点、边缘检测结果、颜色距离和像素点与预设区域的空间距离，对所有像素点进行区域生长，得到至少两个初始分割区域，包括：

分别将第一种子像素点作为目标像素点；

根据边缘检测结果，按照预设顺序，依次判断目标像素点的八个相邻像素点是否为分割边缘点；

若相邻像素点不是分割边缘点，则根据相邻像素点在预设空间的颜色距离和相邻像素点与预设区域的空间距离，确定相邻像素点的综合距离；

判断综合距离是否小于预设综合距离阈值；

若综合距离小于预设综合距离阈值，则对相邻像素点进行区域生长，得到第二种子像素点，并将第二像素点作为目标像素点；

返回执行按照预设顺序，依次判断目标像素点的八个相邻像素点是否为分割边缘点，直到无法得到下一个种子像素点，得到至少两个初始分割区域。

可选地，对所有初始分割区域进行区域合并，得到目标分割结果，包括：

确定任意相邻的两个初始分割区域的公共边缘长度比；

判断公共边缘长度比是否大于预设边长比阈值；

若公共边缘长度比大于预设边长比阈值，则将两个初始分割区域进行区域合并，得到目标分割结果。

可选地，确定任意相邻的两个初始分割区域的公共边缘长度比之前，方法还包括：

判断每个初始分割区域的面积是否小于预设面积阈值；

若初始分割区域的面积小于预设面积阈值，则将初始分割区域与初始分割区域的颜色距离最接近的初始分割区域进行区域合并，得到中间分割区域；

确定任意相邻的两个初始分割区域的公共边缘长度比，包括：

确定任意相邻的两个中间分割区域的公共边缘长度比；

若公共边缘长度比大于预设边长比阈值，则将两个初始分割区域进行区域合并，得到目标分割结果，包括：

若公共边缘长度比大于预设边长比阈值，则将两个中间分割区域进行区域合并，得到目标分割结果。

可选地，根据灰度图像中每个像素点的梯度强度，对灰度图像进行边缘检测，得到边缘检测结果的步骤，包括：

确定灰度图像中每个像素点在对应梯度方向上的梯度强度；

根据梯度强度与对应梯度方向上相邻的两个像素点的梯度强度，对像素点进行非极大值抑制处理，得到初始边缘检测结果；

对初始边缘检测结果进行阈值滞后处理，确定初始边缘检测结果中的弱边缘点和强边缘点，得到初始弱边缘检测结果和强边缘检测结果；

对初始弱边缘检测结果进行孤立弱边缘抑制处理，去除初始弱边缘检测结果中的噪声边缘点，得到弱边缘检测结果；

根据强边缘检测结果和弱边缘检测结果，得到边缘检测结果。

第二方面，本发明还提供一种图像分割装置，装置包括：

第一图像转换模块，用于将第一待分割图像转换为灰度图像；

边缘检测模块，用于根据灰度图像中每个像素点的梯度强度，对灰度图像进行边缘检测，得到边缘检测结果；

第二图像转换模块，用于将第二待分割图像转换到预设颜色空间，得到彩色图像；

区域生长模块，用于根据彩色图像中每个像素点在预设颜色空间的颜色距离和边缘检测结果，对所有像素点进行区域生长，得到至少两个初始分割区域；

区域合并模块，用于对所有初始分割区域进行区域合并，得到目标分割结果。

第三方面，本发明还提供一种图像分割设备，设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的图像分割程序，通过图像分割程序配置为实现如上述任一项图像分割方法的步骤。

第四方面，本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储有图像分割程序，图像分割程序被处理器执行时实现如上述任一项的图像分割方法的步骤。

本发明提供一种图像分割方法、装置、设备及计算机存储介质，将第一待分割图像转换为灰度图像；根据灰度图像中每个像素点的梯度强度，对灰度图像进行边缘检测，得到边缘检测结果；将第二待分割图像转换到预设颜色空间，得到彩色图像；根据彩色图像中每个像素点在所述预设颜色空间的颜色距离和边缘检测结果，对所有像素点进行区域生长，得到至少两个初始分割区域；对所有初始分割区域进行区域合并，得到目标分割结果。

由此，本申请通过先对待分割图像进行边缘检测，然后结合边缘检测结果和每个像素点在预设颜色空间的颜色距离对所有像素点进行区域生长后，进行区域合并得到目标分割结果，在像素点周围的空间存在视觉特征相似的情况下，结合边缘检测结果进行图像分割，相较于基于单一视觉特征的图像分割方法，避免了空间中视觉特征相似的噪声像素对分割结果的影响，解决了现有基于单一视觉特征的图像分割方法的分割结果包含较多噪声的技术问题，提高了图像分割精度。

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一些实施例，对于本领域普通技术人员来讲，不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明图像分割设备的结构示意图；

图2为本发明图像分割方法第一实施例的流程示意图；

图3为图2中步骤S200的其一细化流程示意图；

图4为图2中步骤S400的其一细化流程示意图；

图5为图4中步骤S410的其一细化流程示意图；

图6为图4中步骤S420的其一细化流程示意图；

图7为图2中步骤S500的其一细化流程示意图；

图8为本发明图像分割方法第一实施例中梯度强度计算模板示意图；

图9为本发明图像分割装置第一实施例的模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，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的一部分实施例，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。

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在本发明中，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装置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装置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……”限定的要素，并不排除在包括该要素的装置或者系统中还存在另外的相同要素。

鉴于现有基于单一视觉特征的图像分割方法的分割结果包含较多噪声的技术问题，本发明提供了一种图像分割方法，总体思路如下：

方法包括：将第一待分割图像转换为灰度图像；根据灰度图像中每个像素点的梯度强度，对灰度图像进行边缘检测，得到边缘检测结果；将第二待分割图像转换到预设颜色空间，得到彩色图像；根据彩色图像中每个像素点在预设颜色空间的颜色距离和边缘检测结果，对所有像素点进行区域生长，得到至少两个初始分割区域；对所有初始分割区域进行区域合并，得到目标分割结果。

本发明提供了一种图像分割方法，通过先对待分割图像进行边缘检测，然后结合边缘检测结果和每个像素点在预设颜色空间的颜色距离对所有像素点进行区域生长后，进行区域合并得到目标分割结果，在像素点周围的空间存在视觉特征相似的情况下，结合边缘检测结果进行图像分割，相较于基于单一视觉特征的图像分割方法，避免了空间中视觉特征相似的噪声像素对分割结果的影响，解决了现有基于单一视觉特征的图像分割方法的分割结果包含较多噪声的技术问题，提高了图像分割精度。

下面对本发明技术实现中应用到的图像分割方法、装置、设备及计算机存储介质进行详细说明：

参照图1，图1为本发明图像分割设备的结构示意图；

如图1所示，该设备可以包括：处理器1001，例如中央处理器（Central ProcessingUnit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示终端和其他人机交互终端等用户设备，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（Wireless-Fidelity，Wi-Fi）接口）。存储器1005可以为高速的随机存取存储器（Random Access Memory，RAM）存储器，也可以为稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以为独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及图像分割程序。

在图1所示的设备中，网络接口1004主要用于与其他设备进行数据通信；用户接口1003主要用于与用户设备进行数据交互；本发明图像分割方法中的处理器1001、存储器1005可以设置在设备中，图像分割方法通过处理器1001调用存储器1005中存储的图像分割程序，并执行本发明实施例提供的图像分割方法。

下面结合附图和具体实施方式对本发明的图像分割方法、装置、设备及计算机存储介质进行详细描述。

基于上述硬件结构但不限于上述硬件结构，参照图2至图8，图2为本发明图像分割方法第一实施例的流程示意图，图3为图2中步骤S200的其一细化流程示意图，图4为图2中步骤S400的其一细化流程示意图，图5为图4中步骤S410的其一细化流程示意图，图6为图4中步骤S420的其一细化流程示意图，图7为图2中步骤S500的其一细化流程示意图，图8为本发明图像分割方法第一实施例中梯度强度计算模板示意图。

本实施例提供一种图像分割方法，方法包括：

步骤S100：将待分割图像转换为灰度图像；

本实施例中，执行主体为如图1所示的图像分割设备，图像分割设备可以包括一独立主机的物理服务器，或者该图像分割设备可以为主机集群承载的虚拟服务器；待分割图像为彩色待分割图像，由若干个像素点构成。

具体实现中，为了方便进行边缘检测，首先将待分割的彩色图像转换为灰度图像；

步骤S200：根据灰度图像中每个像素点的梯度强度，对灰度图像进行边缘检测，得到边缘检测结果；

本实施例中，灰度图像的梯度强度代表图像的灰度值在预设梯度方向上的变化速度，对于灰度图像而言，其边缘部分两侧灰度值相差较大，梯度值大，所以根据灰度图像每个像素点的梯度强度可以检测灰度图像的边缘信息；其中，预设梯度方向可以根据实际使用需求设置，例如，预设梯度方向可以包括【0°，45°，90°，135°】四个方向或【0°，90°】两个方向等。

另外，进行边缘检测之前，可以先对灰度图像进行平滑处理，通常可以通过高斯滤波器，去除灰度图像中的噪声干扰。

具体实现中，首先，通过高斯滤波器对灰度图像进行平滑处理，然后根据灰度图像中每个像素点在预设梯度方向上的梯度强度，检测灰度图像中边缘像素点，得到边缘检测结果。

具体的，如图3所示，步骤S200包括：

步骤S210：确定灰度图像中每个像素点在对应梯度方向的梯度强度；

本实施例中，如图8所示，可以选取每个像素点及每个像素点对应的八个相邻像素点的图像模板的平面坐标轴上【0°，45°，90°，135°】四个方向作为预设梯度方向，然后，根据该图像模板计算每个像素点的梯度强度和梯度方向，计算过程如下：

其中，G ₀ 为0°梯度方向的像素点的梯度强度，G ₁ 为45°梯度方向的像素点的梯度强度，G ₂ 为90°梯度方向的像素点的梯度强度，G ₃ 为135°梯度方向的像素点的梯度强度，G_x为x°梯度方向的像素点的梯度强度，G_y为y°梯度方向的像素点的梯度强度，p ₁ 、p ₂ 、p ₃ 、p ₄ 、p ₅ 、p ₆ 、 p ₇ 、p ₈ 和p ₉ 分别表示3×3的模板中对应像素点的像素值。

由上述公式可得，任意像素点的梯度强度G _xy 及其梯度方向θ为：

最后，根据梯度强度G _xy 计算公式和梯度方向θ计算公式，计算灰度图像中每个像素点的梯度强度和梯度方向，并将上述四个预设梯度方向中与计算得到的梯度方向距离最近的预设梯度方向，作为该像素点的对应梯度方向，将计算得到的梯度强度作为该像素点在该对应梯度方向的梯度强度，得到每个像素点在对应梯度方向的梯度强度。

步骤S220：根据梯度强度与对应梯度方向上相邻的两个像素点的梯度强度，对像素点进行非极大值抑制处理，得到初始边缘检测结果；

本实施例中，某个像素点在对应梯度方向上相邻的两个像素点分别为计算得到的该像素点的梯度方向对应的预设梯度方向正负两个方向上与该像素点相邻的像素点。

具体实现中，将每个像素点的梯度强度与对应梯度方向上相邻的两个像素点的梯度强度进行比较，若该像素点的梯度强度为最大值，则保留该像素点为初始分割边缘点，若该像素点的梯度强度不为最大值，则不将该像素点作为初始分割边缘点。

步骤S230：对初始边缘检测结果进行阈值滞后处理，确定初始边缘检测结果中的弱边缘点和强边缘点，得到初始弱边缘检测结果和强边缘检测结果；

本实施例中，初始分割边缘点包括强边缘点、弱边缘点和噪声边缘点；为了对初始分割边缘点进行分类和去噪，可以利用最大化类间方差法根据灰度图像的灰度值，得到灰度值的最优阈值，将最优阈值作为强边缘阈值；然后，根据强边缘阈值，确定弱边缘阈值，其中，可以将强边缘阈值的预设倍数作为弱边缘阈值，例如，将强边缘阈值的0.4倍作为弱边缘阈值；最后，根据得到的强边缘阈值和弱边缘阈值，对初始边缘检测结果进行阈值滞后处理。

具体实现中，首先，利用最大化类间方差法根据灰度图像的灰度值，得到灰度值的最优阈值，将最优阈值作为强边缘阈值，以最优阈值的0.4倍作为弱边缘阈值；然后，根据强边缘阈值和弱边缘阈值，对初始边缘检测结果中的所有初始分割边缘点进行双阈值检测，具体的，对梯度强度低于弱边缘阈值的初始分割边缘点进行抑制，将梯度强度高于强边缘阈值的初始分割边缘点则定义为强边缘点，将梯度强度处于强边缘阈值和弱边缘阈值之间的初始分割边缘点定义为弱边缘点，得到初始弱边缘检测结果和强边缘检测结果。

步骤S240：对初始弱边缘检测结果进行孤立弱边缘抑制处理，去除初始弱边缘检测结果中的噪声边缘点，得到弱边缘检测结果；

本实施例中，强边缘点为图像分割的真实分割边缘点，而弱边缘点中包括真实分割边缘点和噪声边缘点，为了去除弱边缘点中的噪声边缘点，可以通过判断初始弱边缘检测结果中每个弱边缘点的八个相邻像素点是否为强边缘点，确定该弱边缘点是否为真实分割边缘点。

具体实现中，判断初始弱边缘检测结果中每个弱边缘点的八个相邻像素点是否包括至少一个强边缘点，若该初始弱边缘点的八个相邻像素点包括至少一个强边缘点，则保留该初始弱边缘点为真实分割边缘点，若该初始弱边缘点的八个相邻像素点均不是强边缘点，则该初始弱边缘点为噪声边缘点，对该弱边缘点进行抑制处理，得到弱边缘检测结果。

步骤S250：根据强边缘检测结果和弱边缘检测结果，得到边缘检测结果。

本实施例中，强边缘检测结果中的强边缘点和弱边缘检测结果中的弱边缘点均为真实分割边缘点，将强边缘检测结果中强边缘点和弱边缘检测结果中弱边缘点均作为分割边缘点，即得到边缘检测结果。

具体实现中，将强边缘检测结果中的强边缘点和弱边缘检测结果中的弱边缘点，作为灰色图像的分割边缘点，得到边缘检测结果。

本实施例提供一种图像分割方法，通过双阈值对边缘检测结果进行阈值滞后处理，可在不损失主要边缘的前提下，减少细节边缘的产生，减少了区域块的形成，防止过分割；并且采用最大化类间方差自适应分割双阈值，避免了人工选取阈值的随意性，提高了图像分割的适用性。

步骤S300：将第二待分割图像转换到预设颜色空间，得到彩色图像；

本实施例中，可以预存一张待分割图像，作为第二待分割图像，为了提高图像分割精度，可以将灰度图像转换到预设颜色空间，得到彩色图像，结合彩色图像中的每个像素点在预设颜色空间的颜色距离和得到的边缘检测结果进行区域生长；颜色空间包括RGB模型、HSV（Hue、 Saturation、Value，六棱锥体）模型和HIS（Hue-Saturation-Intensity，色调⁃饱和度⁃强度）颜色模型等，其中，预设颜色空间可以根据实际使用需求选择，例如，可以将第二待分割图像转换到HSV模型。

步骤S400：根据彩色图像中每个像素点在预设颜色空间的颜色距离和边缘检测结果，对所有像素点进行区域生长，得到至少两个初始分割区域；

本实施例中，可以根据预设的区域生长算法对彩色图像中的每个像素点进行区域生长，将彩色图像分割为两个或两个以上初始分割区域；其中，区域生长算法可以根据实际使用需求选择；例如，可以通过八邻域生长算法结合像素点在预设颜色空间的颜色距离和边缘检测结果，对彩色图像的每个像素点进行区域生长，得到至少两个初始分割区域。

具体的，如图4所示，步骤S400包括：

步骤S410：根据彩色图像中每个像素点在预设颜色空间的颜色距离和边缘检测结果，从所有像素点中确定出至少两个第一种子像素点；

本实施例中，可以根据对应第一待分割图像的灰色图像的边缘检测结果和对应第二待分割图像的彩色图像的每个像素点的颜色距离，可以初步确定待分割图像可以分割为多少个区域，然后，在这些区域中分别确定一个第一种子像素点作为区域生长的起点，可以得到初始分割区域；可以理解，彩色图像的所有像素点中包括至少两个第一种子像素点，进行区域生长之前，需要从彩色图像的所有像素点中确定出所有第一种子像素点。

具体的，如图5所示，步骤S410包括：

步骤S411：根据边缘检测结果，判断彩色图像中每个像素点是否为分割边缘点；

本实施例中，第一种子像素点不是分割边缘点；因此，要从彩色图像的所有像素点中确定出第一种子像素点，需要先判断彩色图像中每个像素点是否为分割边缘点。

步骤S412：若像素点不是分割边缘点，则根据像素点在预设颜色空间的颜色分量和像素点的八个相邻像素点在预设颜色空间的颜色分量平均值，确定像素点在预设颜色空间的颜色距离；

本实施例中，预设颜色空间为HSV模型。

具体实现中，可以通过如下公式一，根据彩色图像中每个像素点在HSV模型的颜色分量和该像素点的八个相邻像素点在HSV模型的颜色分量平均值，确定该像素点在HSV模型的颜色距离；其中，公式一为：

d为颜色距离，H、S、V为像素点在HSV模型的颜色分量，

、

、

为该像素点的八个相 邻像素点在HSV模型的颜色分量平均值。

步骤S413：判断颜色距离是否小于预设距离阈值；

本实施例中，预设距离阈值根据实际需求设定。

步骤S414：若颜色距离小于预设距离阈值，则将像素点作为第一种子像素点，得到至少两个第一种子像素点。

本实施例中，将彩色图像中颜色距离小于预设距离阈值，并且不是分割边缘点的限速点作为区域生长的起点。

具体实现中，判断彩色图像中每个像素点是否为分割边缘点后，若该像素点不是分割边缘点，则判断该像素点在HSV模型的颜色距离是否小于预设距离阈值，若该像素点的颜色距离小于预设距离阈值，则将该像素点作为第一种子像素点；可以理解，对彩色图像中的所有像素点均采用上述方法进行判断，即可得到至少两个第一种子像素点。

步骤S420：根据第一种子像素点、边缘检测结果、颜色距离和像素点与预设区域的空间距离，对所有像素点进行区域生长，得到至少两个初始分割区域。

具体的，如图6所示，步骤S420包括：

步骤S421：分别将第一种子像素点作为目标像素点；

本实施例中，可以按照顺序依次由确定出的至少两个第一种子像素点开始进行区域生长，或，同时由至少两个第一种子像素点开始进行区域生长。

步骤S422：根据边缘检测结果，按照预设顺序，依次判断目标像素点的八个相邻像素点是否为分割边缘点；

本实施例中，预设顺序可以是以目标像点素为中心，顺时针或逆时针遍历目标像素点的八个相邻像素点；其中，区域生长时，可以根据边缘检测结果判断目标像素点的八个相邻像素点是否为分割边缘点。

步骤S423：若相邻像素点不是分割边缘点，则根据相邻像素点在预设空间的颜色距离和相邻像素点与预设区域的空间距离，确定相邻像素点的综合距离；

本实施例中，若目标像素点的相邻像素点是分割边缘点，则不需要对该相邻像素点进行区域生长，若目标像素点的相邻像素点不是分割边缘点，则可以进一步通过该相邻像素点在HSV模型的颜色距离和该相邻像素点与预设区域的空间距离，确定是否需要对该相邻像素点进行区域生长；其中，预设区域可以是该初始分割区域中已经完成区域生长的部分区域，可以理解，刚从第一种子像素点作为目标像素点开始进行区域生长时，将该第一种子像素点作为已经完成区域生长的部分区域；具体的，可以通过如下公式二，根据相邻像素点在预设空间的颜色距离和相邻像素点与预设区域的空间距离，确定相邻像素点的综合距离l，公式二为：

其中，（x，y）表示相邻像素点的坐标，（x ₀ ，y ₀ ）表示已生长区域的中心坐标，α ₁ 表示颜色距离的权重，α ₂ 表示空间距离的权重。

可以理解，颜色距离的权重和空间距离的权重可以根据实际使用需求设置。

步骤S424：判断综合距离是否小于预设综合距离阈值；

本实施例中，预设综合距离阈值根据实际使用需求设定。

步骤S425：若综合距离小于预设综合距离阈值，则对相邻像素点进行区域生长，得到第二种子像素点，并将第二像素点作为目标像素点；

本实施例中，若目标像素点的相邻像素点不是分割边缘点，并且该相邻像素点的综合距离小于预设综合距离阈值，则该相邻像素点为初始分割区域中的像素点，即，需要对该像素点进行区域生长，将该像素点合并到初始分割区域中，并且将该像素点作为第二种子像素点。

步骤S426：返回执行按照预设顺序，依次判断目标像素点的八个相邻像素点是否为分割边缘点，直到无法得到下一个种子像素点，得到至少两个初始分割区域。

本实施例中，将第二种子像素点作为目标像素点后，需要按照上述步骤S422到步骤S425的方法对第二种子像素点的八个相邻像素点进行区域生长；其中，当目标像素点的八个相邻像素点均不属于初始分割区域时，无法得到下一个种子像素点，则得到该第一种子像素点对应的初始分割区域；可以理解，对至少两个第一种子像素点按照步骤S421到步骤S426的方法进行区域生长后，则得到至少两个第一种子像素点对应的至少两个初始分割区域。

本实施例提供一种图像分割方法，在像素点周围的空间存在颜色相似或目标存在阴影等噪声像素点情况下，结合边缘检测结果和每个像素点的颜色距离定位每个分割区域的区域生长起点，并综合考虑像素点的颜色信息和位置信息进行区域生长，相较于基于单一视觉特征的图像分割方法，通过综合考虑像素点的颜色信息和位置信息判断是否对该像素点进行区域生长，避免了空间中视觉特征相似的噪声像素对分割结果的影响，解决了现有基于单一视觉特征的图像分割方法的分割结果包含较多噪声的技术问题，提高了图像分割精度；并且同时将边缘检测结果和颜色距离作为区域生长的限制条件，相较于将单一视觉特征作为限制条件，限制了生长得到的区域个数，减少了后续区域合并时间。

步骤S500：对所有初始分割区域进行区域合并，得到目标分割结果。

本实施例中，初始分割区域中可能出现包括属性相同的初始分割区域或者噪声影响生成而不具有实际意义的初始分割区域等情况，因此，为了避免过分割或噪声影响，需要对初始分割区域进行区域合并，得到最终的目标分割结果，例如，可以将属性相同的初始分割区域合并为一个分割区域，或将不具有实际意义的初始分割区域合并到其他的初始分割区域，得到目标分割结果。

具体的，如图7所示，步骤S500包括：

步骤S530：确定任意相邻的两个初始分割区域的公共边缘长度比；

步骤S540：判断公共边缘长度比是否大于预设边长比阈值；

步骤S550：若公共边缘长度比大于预设边长比阈值，则将两个初始分割区域进行区域合并，得到目标分割结果。

本实施例中，预设边长比阈值根据实际使用需求设置；若相邻的两个初始分割区域的公共边缘长度较长，则这两个初始分割区域的相同特征越多，当两个初始分割区域的公共边缘长度比，超过预设边长阈值时，可以认为这两个初始分割区域的属性相同，需要进行区域合并；具体的，可以通过公式三，确定任意相邻的两个初始分割区域的公共边缘长度比，公式三为：

其中，r为公共边缘长度比，l _c 为公共边缘长度值，l _i 和l _j 分别为任意相邻的两个初始分割区域的周长。

具体实现中，首先，根据任意相邻的两个初始分割区域的周长和公共边缘长度，得到任意相邻的两个初始分割区域的公共边缘长度比，然后，判断公共边缘长度比是否大于预设边长比阈值，若公共边缘长度比大于预设边长比阈值，则将两个初始分割区域进行区域合并，若公共边缘长度比小于或等于预设边长比阈值，则保留该两个初始分割区域，得到目标分割结果。

具体的，如图7所示，步骤S530之前，方法还包括：

步骤S510：判断每个初始分割区域的面积是否小于预设面积阈值；

步骤S520：若初始分割区域的面积小于预设面积阈值，则将初始分割区域与初始分割区域的颜色距离最接近的初始分割区域进行区域合并，得到中间分割区域；

具体的，步骤S530包括：

步骤S531：确定任意相邻的两个中间分割区域的公共边缘长度比；

具体的，步骤S550包括：

步骤S551：若公共边缘长度比大于预设边长比阈值，则将两个中间分割区域进行区域合并，得到目标分割结果。

本实施例中，预设面积阈值根据实际需求设置；初始分割区域中面积较小的初始分割区域可能是噪声影响生成或不具有实际意义的区域，此时可以通过判断该初始分割区域的面积是否小于预设面积阈值，判断是否将该初始分割区域合并到属性相似的区域中。

本实施例提供一种图像分割方法，通过判断初始分割区域的面积是否小于预设面积阈值，对初始分割区域进行区域合并，避免了不具有实际意义的分割区域的产生；通过判断相邻的两个初始分割区域的边缘长度比是否大于预设边长比阈值，对相邻的两个初始分割区域进行区域合并，使得具有相同属区域不会被分割出来，避免了过分割情况。

基于同一发明构思，本发明实施例还提供了一种图像分割装置，参照图9，图9为本发明图像分割装置第一实施例的模块示意图；装置包括：

第一图像转换模块10，用于第一将待分割图像转换为灰度图像；

边缘检测模块20，用于根据灰度图像中每个像素点的梯度强度，对灰度图像进行边缘检测，得到边缘检测结果；

第二图像转换模块30，用于第二将待分割图像转换到预设颜色空间，得到彩色图像；

区域生长模块40，用于根据彩色图像中每个像素点在预设颜色空间的颜色距离和边缘检测结果，依次对所有像素点进行区域生长，得到至少两个初始分割区域；

区域合并模块50，用于对所有初始分割区域进行区域合并，得到目标分割结果。

上述图像分割装置的具体实施方式中更多实施细节可参见上述实施例任意一项中图像分割方法的具体实施方式的描述，为了说明书的简洁，此处不再重复赘述。

此外，本发明实施例还提出一种计算机存储介质，存储介质上存储有图像分割程序，图像分割程序被处理器执行时实现如上文的图像分割方法的步骤。因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述。确定为示例，程序指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种图像分割方法，其特征在于，所述方法包括：

将第一待分割图像转换为灰度图像；

根据所述灰度图像中每个像素点的梯度强度，对所述灰度图像进行边缘检测，得到边缘检测结果；

将第二待分割图像转换到预设颜色空间，得到彩色图像；

根据所述彩色图像中每个像素点在所述预设颜色空间的颜色距离和所述边缘检测结果，对所有所述像素点进行区域生长，得到至少两个初始分割区域；

对所有所述初始分割区域进行区域合并，得到目标分割结果。

2.如权利要求1所述的方法，其特征在于，所述根据所述彩色图像中每个像素点在所述预设颜色空间的颜色距离和所述边缘检测结果，对所有所述像素点进行区域生长，得到至少两个初始分割区域，包括：

根据所述彩色图像中每个像素点在所述预设颜色空间的颜色距离和所述边缘检测结果，从所有所述像素点中确定出至少两个第一种子像素点；

根据所述第一种子像素点、所述边缘检测结果、所述颜色距离和所述像素点与预设区域的空间距离，对所有所述像素点进行区域生长，得到至少两个初始分割区域。

3.如权利要求2所述的方法，其特征在于，所述根据所述彩色图像中每个像素点在所述预设颜色空间的颜色距离和所述边缘检测结果，从所有所述像素点中确定出至少两个第一种子像素点，包括：

根据所述边缘检测结果，判断所述彩色图像中每个像素点是否为分割边缘点；

若所述像素点不是所述分割边缘点，则根据所述像素点在所述预设颜色空间的颜色分量和所述像素点的八个相邻像素点在所述预设颜色空间的颜色分量平均值，确定所述像素点在所述预设颜色空间的颜色距离；

判断所述颜色距离是否小于预设距离阈值；

若所述颜色距离小于所述预设距离阈值，则将所述像素点作为第一种子像素点，得到至少两个所述第一种子像素点。

4.如权利要求2所述的方法，其特征在于，所述根据所述第一种子像素点、所述边缘检测结果、所述颜色距离和所述像素点与预设区域的空间距离，对所有所述像素点进行区域生长，得到至少两个初始分割区域，包括：

分别将所述第一种子像素点作为目标像素点；

根据所述边缘检测结果，按照预设顺序，依次判断所述目标像素点的八个相邻像素点是否为分割边缘点；

若所述相邻像素点不是所述分割边缘点，则根据所述相邻像素点在所述预设颜色空间的颜色距离和所述相邻像素点与预设区域的空间距离，确定所述相邻像素点的综合距离；

判断所述综合距离是否小于预设综合距离阈值；

若所述综合距离小于所述预设综合距离阈值，则对所述相邻像素点进行区域生长，得到第二种子像素点，并将所述第二种子像素点作为所述目标像素点；

返回执行所述根据所述边缘检测结果，按照预设顺序，依次判断所述目标像素点的八个相邻像素点是否为分割边缘点，直到无法得到下一个种子像素点，得到至少两个初始分割区域。

5.如权利要求1所述的方法，其特征在于，所述对所有所述初始分割区域进行区域合并，得到目标分割结果，包括：

确定任意相邻的两个所述初始分割区域的公共边缘长度比；

判断所述公共边缘长度比是否大于预设边长比阈值；

若所述公共边缘长度比大于所述预设边长比阈值，则将两个所述初始分割区域进行区域合并，得到所述目标分割结果。

6.如权利要求5所述的方法，其特征在于，所述确定任意相邻的两个所述初始分割区域的公共边缘长度比之前，所述方法还包括：

判断每个所述初始分割区域的面积是否小于预设面积阈值；

若所述初始分割区域的面积小于所述预设面积阈值，则将所述初始分割区域与所述初始分割区域的颜色距离最接近的初始分割区域进行区域合并，得到中间分割区域；

所述确定任意相邻的两个所述初始分割区域的公共边缘长度比，包括：

确定任意相邻的两个所述中间分割区域的公共边缘长度比；

所述若所述公共边缘长度比大于所述预设边长比阈值，则将两个所述初始分割区域进行区域合并，得到所述目标分割结果，包括：

若所述公共边缘长度比大于所述预设边长比阈值，则将两个所述中间分割区域进行区域合并，得到所述目标分割结果。

7.如权利要求1所述的方法，其特征在于，所述根据所述灰度图像中每个像素点的梯度强度，对所述灰度图像进行边缘检测，得到边缘检测结果的步骤，包括：

确定所述灰度图像中每个像素点在对应梯度方向上的梯度强度；

根据所述梯度强度与所述对应梯度方向上相邻的两个像素点的梯度强度，对所述像素点进行非极大值抑制处理，得到初始边缘检测结果；

对所述初始边缘检测结果进行阈值滞后处理，确定所述初始边缘检测结果中的弱边缘点和强边缘点，得到初始弱边缘检测结果和强边缘检测结果；

对所述初始弱边缘检测结果进行孤立弱边缘抑制处理，去除所述初始弱边缘检测结果中的噪声边缘点，得到弱边缘检测结果；

根据所述强边缘检测结果和所述弱边缘检测结果，得到所述边缘检测结果。

8.一种图像分割装置，其特征在于，所述装置包括：

第一图像转换模块，用于将第一待分割图像转换为灰度图像；

边缘检测模块，用于根据所述灰度图像中每个像素点的梯度强度，对所述灰度图像进行边缘检测，得到边缘检测结果；

第二图像转换模块，用于将第二待分割图像转换到预设颜色空间，得到彩色图像；

区域生长模块，用于根据所述彩色图像中每个像素点在所述预设颜色空间的颜色距离和所述边缘检测结果，对所有所述像素点进行区域生长，得到至少两个初始分割区域；

区域合并模块，用于对所有所述初始分割区域进行区域合并，得到目标分割结果。

9.一种图像分割设备，其特征在于，所述设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的图像分割程序，通过图像分割程序配置为实现如权利要求1至7中任一项所述的图像分割方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有图像分割程序，图像分割程序被处理器执行时实现如权利要求1至7任一项所述的图像分割方法的步骤。

Images