一種基于主色外觀圖的彩色圖像分割算法

摘要：在對三維傳統(tǒng)的顏色直方圖（CCH）作出了一系列改進的基礎(chǔ)上，提出了一種基于主色外觀圖(DCG)的新的彩色圖像分割方法。首先根據(jù)改進后的顏色直方圖確立彩色圖像的近似主色成分，然后再利用CIE 1976色差公式分別計算出其每個像素與主色之間的距離，并據(jù)此建立相應(yīng)圖像的顏色距離直方圖（CDH），它精確地反映了圖像像素與參考色之間的色彩相似度。為了證實CDH在彩色圖像分割中的效用性，又通過進一步地擴展得到了CDH集，或可稱為主色外觀圖。實驗結(jié)果表明，就精確性、魯棒性和計算的復(fù)雜度而言，基于DCG的分割方法能夠得到比傳統(tǒng)閾值法和聚類法更好的分割效果。

關(guān)鍵詞： 彩色圖像分割； 顏色直方圖； 顏色距離直方圖； 主色外觀圖

中圖分類號：TP32文獻標(biāo)志碼：A

文章編號：1001－3695(2008)01－0313－03

圖像分割是指將圖像分解為各具特性的區(qū)域，并提取出感興趣目標(biāo)的技術(shù)和過程。圖像分割是圖像理解、模式識別和計算機視覺領(lǐng)域中一個十分重要且又十分困難的問題，是計算機視覺技術(shù)中首要的關(guān)鍵步驟[1]。在視覺圖像的分割問題上，大部分研究人員仍然是針對灰度圖像，其惟一可用信息便是明度。隨著技術(shù)的進步，彩色圖像使用得越來越多，對彩色圖像的分割也就越來越引起人們的重視。彩色圖像分割是指在一幅彩色圖像中分離出主要的色彩一致的區(qū)域，通常針對灰度圖像的分割技術(shù)都不能直接應(yīng)用于彩色圖像中。現(xiàn)有的彩色圖像分割技術(shù)可分為三大類，即基于直方圖的閾值法、聚類法和基于鄰域的區(qū)域生長法。其中前兩種方法已得到了廣泛應(yīng)用。

本文首先根據(jù)三維傳統(tǒng)的顏色直方圖（CCH）確定出彩色圖像的近似主色成分，并在此基礎(chǔ)上提出了一種稱為顏色距離直方圖(CDH)的新的彩色圖像描述方法，它反映了單個像素與選定的主色之間的色彩相似度。由于一幅彩色圖像中通常可含有多種主色成分，那么這樣一個CDH集又可被視為彩色圖像的另外一種強有力的描述方法。本文據(jù)此提出了主色外觀圖(DCG)的概念。DCG為能有效地區(qū)分彩色像素提供了一種新的表述框架，基于主色外觀圖的彩色圖像分割方法，可將每個像素歸至與其顏色距離最近的一類主色中。實驗結(jié)果也表明了，本文所提出的基于DCG的彩色圖像分割算法能夠獲得比傳統(tǒng)的直方圖閾值法更好的分割效果，其有效性、精確性和計算復(fù)雜度均要優(yōu)于其他的閾值分割算法。

1傳統(tǒng)顏色直方圖（CCH）

一幅灰度圖像的顏色直方圖是指圖像亮度值的概率密度函數(shù)，這也是傳統(tǒng)的CCH統(tǒng)計圖。它反映了某一允許的動態(tài)范圍內(nèi)每個量化級別上像素的出現(xiàn)頻率[2]。傳統(tǒng)CCH的計算快速而簡單，并且CCH是不會隨著圖像的旋轉(zhuǎn)和平移而變化的。但是對于彩色圖像而言，其顏色直方圖則需定義為圖像中三個顏色通道的聯(lián)合概率密度函數(shù)，這顯然不同于灰度直方圖，它是很難直接用圖形來描述的[3]。

在彩色圖像的分割中，須將基于直方圖的閾值法應(yīng)用于多維特征空間中，即通過在每個坐標(biāo)軸上進行直方圖閾值化來分解典型的特征空間（如三維顏色空間）[4]。其主要問題就是如何決定閾值，這是難以直接解決的一個問題，因為通常彩色圖像中的R、G、B三個顏色通道的值都是相互關(guān)聯(lián)的，不可能單憑某一顏色通道的直方圖閾值化即可解決一幅復(fù)雜彩色圖像的分割。

綜合上述各方面的因素，最后仍然采用改進的二維顏色直方圖來同時表示彩色圖像的三個顏色分量值的出現(xiàn)頻率。其中一個重要的問題就是直方圖的量化，即彩色圖像中色彩信息的量化算法。三維傳統(tǒng)的顏色直方圖本是高維向量數(shù)組，就RGB空間而言，直接表示需要2563=16 777 216個向量，如果再考慮其直方圖上的相關(guān)運算，則需要極大的運算量。一般的解決方法是對三維傳統(tǒng)的顏色直方圖進行降維、量化來減少其所包含的向量個數(shù)。一個合適的量化級數(shù)要求能夠在性能和計算量上取得較好的平衡。一般說來，自然景色中的彩色圖像其每個顏色通道需要10～20個量化級別[5]。本文根據(jù)上述要求對每個顏色通道均采用了18個量化級別，并對被量化后的色彩進行了重新標(biāo)志，圖像上被量化成相同顏色的像素點的集合便構(gòu)成了一類，圖像像素點的顏色將由它們相應(yīng)類別的標(biāo)志號（1～183）所代替。圖1所示即為彩色圖像Lena及其CCH分布圖。

(a) 彩色圖像Lena(b) CCH分布圖

得到上述經(jīng)改進的顏色直方圖后，下面的關(guān)鍵任務(wù)就是要確定出其中的近似主色成分。這里的主色是指與之相關(guān)聯(lián)的像素在整幅彩色圖像中占有絕大比例，它們對應(yīng)于顏色直方圖中的局部峰值點。當(dāng)然在實際應(yīng)用中，主色的定義可以是不同的，它主要取決于用戶或機器的興趣所在。直方圖閾值法的關(guān)鍵也是在于找準(zhǔn)曲線中隱藏的峰值點，有很多作者曾認為重要峰值點的選取應(yīng)根據(jù)其銳度或面積因素，對于一些銳度或面積值較小的峰值點可不予以考慮[6]。實驗結(jié)果證明，該方法有時并不能取得令人滿意的效果，特別是在一些未經(jīng)去噪處理的彩色圖像中。

綜上所述，CCH統(tǒng)計圖只可能有一個，但是CDH統(tǒng)計圖根據(jù)所選取的主色不同則可以有多個。本文為了易于表達，在顏色距離直方圖中的橫軸代表了各顏色距離的量化級別，縱軸則表示出現(xiàn)在各段范圍中的圖像像素個數(shù)。圖3便是一幅以黑色為前景色、灰色為背景色的彩色圖像的顏色距離直方圖。其中中間是以黑色為參考主色、右邊則以灰色為參考主色。

3主色外觀圖

如上所述，一幅典型的彩色圖像中通常含有多種主色成分。其中每一種顏色均可作為參考色來形成相應(yīng)的CDH統(tǒng)計圖。正是由于參考色選取的多樣性，才可以根據(jù)不同的參考色分別建立起相應(yīng)的CDH統(tǒng)計圖。本文下面又提出了一種稱為主色外觀圖(DCG)的新的彩色圖像描述方法。

圖4所示即為彩色圖像Lena及其DCG統(tǒng)計圖。其中近似主色成分數(shù)目為九個。DCG的概念很簡單，但是它在許多潛在的彩色圖像應(yīng)用領(lǐng)域中非常有用。它既指出了一幅彩色圖像中含有多少、哪些主色成分，反映了全局信息；同時又分別計算出了整幅彩色圖像像素相對于各個參考色的顏色距離，并形成了相應(yīng)的CDH顏色距離分布圖，獲取了局部信息。

4基于DCG的彩色圖像分割

彩色圖像分割是指基于提取特征(如顏色、紋理和邊緣等)將一幅給定的彩色圖像分割為幾個同質(zhì)區(qū)。本文利用彩色圖像的主色外觀圖(DCG)提出了一種新的彩色圖像分割方法——基于主色外觀圖的分割(DCGS)。其中的關(guān)鍵問題就在于如何將各個像素分配至與之具有最高相似度的一類主色中。為此，需要針對DCG中的所有CDH分別進行二值化近似處理，它能夠通過一個閾值對所有像素進行基于各參考色的相似性分類。本文根據(jù)相關(guān)國家質(zhì)量標(biāo)準(zhǔn)并結(jié)合實際情況確定了色差閾值ΔE*ab=10。

同樣以彩色圖像Lena為例，圖5就分別顯示了它的九幅CDH統(tǒng)計圖和相應(yīng)的經(jīng)二值化近似處理后的圖像。在每一幅CDH統(tǒng)計圖中，所有那些落在色差閾值以左范圍內(nèi)的像素均被認為屬于參考色一類之中。這樣一來，同一個像素就有可能與多個不同的參考色合并為一類；相反地，也有可能某些像素尚未歸于任何一類參考色之中。一旦發(fā)生了這種錯分和漏分的情況，那么為了降低誤差概率，上述像素將會優(yōu)先并入與其顏色距離最近的一類主色成分之中。圖6所示即為Lena及其他一些彩色圖像的最終分割結(jié)果。

5結(jié)束語

本文從最初色彩信息的量化到后來近似主色成分的查找，再到最后顏色距離直方圖的定義，并將其予以擴展得到CDH集，從而提出了一種稱為主色外觀圖(DCG)的彩色圖像描述方法，以及基于DCG的彩色圖像分割方法。經(jīng)過大量實驗表明，DCGS充分考慮到了彩色圖像的實際顏色量化特征，并同時兼顧了原始圖像的全局和局部色彩信息，在分類精度和計算復(fù)雜度上要明顯優(yōu)于其他同類彩色圖像分割方法。

參考文獻:

[1]章毓晉. 圖像分割[M]. 北京: 科學(xué)出版社， 2001: 1－3.

[2]CHENG Heng da， SUN Ying. A hierarchical approach to color image segmentation using homogeneity[J]. IEEE Transactions on Image Processing， 2000，9(12):2071－2082.

[3]竇建軍，文俊，劉重慶. 基于顏色直方圖的圖像檢索技術(shù)[J]. 紅外與激光工程，2005，34（1）：84－88.

[4]郝海濤，田玉敏. 彩色圖像分割方法及進展[J]. 山西師范大學(xué)學(xué)報：自然科學(xué)版，2005，19（1）：64－68.[5]黃飛，吳敏淵，曹開田. 基于HIS空間的彩色圖像分割[J]. 小型微型計算機系統(tǒng)，2004，25（3）：471－474.[6] TSENG D C， CHANGC H. Color segmentation using perceptual attributes[C]//Porc of the 11th International Conference on Pattern Recognition. 1992: 228－231.

[7] OHTA Y， KANADC T， SAKAI T. Color information for region segmentation[J]. Computer Graph Image Processing， 1980，13:222－241.

“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文”