基于Matlab圖像分割的研究

雷瓊

（陜西工業職業技術學院 陜西 咸陽 712000）

圖像分割就是把圖像根據其特征諸如顏色、灰度、形狀和紋理等劃分成許多不重疊區域，這些圖像的特征在同一區域內相似，在不同區域則出現明顯的差異。圖像分割是由圖像處理到圖像分析的關鍵步驟。現有的圖像分割方法主要分以下幾類：基于閾值的分割方法、基于區域的分割方法、基于邊緣的分割方法以及基于指紋圖像的分割方法等[1]。

Matlab可以把計算、圖示和編程集合到一個環境中，Matlab的仿真功能非常強大，實際操作也非常便捷。同時，Matlab內部包含了非常豐富的工具箱，比如圖像處理工具箱、圖像采集工具箱、符號數學工具箱、信號處理工具箱、計算機視覺工具箱、優化工具箱等，這些工具箱適合不同的科學領域，基于此使用Matlab可為不同學科領域的研究帶來很大方便。

1 Matlab簡介

MATLAB由matrix&laboratory兩個詞組合而成，直譯為矩陣工廠（矩陣實驗室）。這是一款由美國MathWorks公司在20世紀80年代中期推出的一種數學軟件，以矩陣的形式處理數據，計算環境基于科學計算、交互式程序設計以及可視化的高科技環境。它將數值分析、矩陣計算、科學數據可視化以及非線性動態系統的建模和仿真等諸多強大功能集成在一個易于使用的視窗環境中[2]，為科學研究、工程設計以及必須進行有效數值計算的眾多科學領域提供了一種全面的解決手段[3]，摒棄了諸如C、Fortran之類的傳統非交互式程序設計語言的編輯模式，它的出現將計算軟件水平推向另一個高度。Matlab功能之強大已然成為很多理工科課程的基本教學用具，幾乎可以說，科學計算中的任何問題都可以用它來解決。

2 圖像分割理論概述

數字圖像處理中最關鍵技術之一就是圖像分割。圖像分割就是將圖像中有意義的特征部分提取出來，其有意義的特征有圖像中的邊緣、區域等，這是進一步進行圖像識別、分析和理解的基礎[4]。圖像分割就是對圖象中的目標、背景進行定位并標記，然后將圖像中的目標從背景或其他目標中分離出來，各個區域在物理上表示為有意義的連通區域的集合。

目前研究學者將諸如數學形態學、遺傳算法等很多研究成果運用到圖像分割中，由此產生了先進的圖像分割技術。圖像分割在圖像工程中起著非常重要的作用，它是一個中間層，介乎于低層次處理和高層次處理之間。圖像分割技術主要有閾值、區域、邊緣和指紋圖像分割這4類。下面分別對這4類分割技術一一介紹，并通過MATLAB進行分析比較。

3 圖像分割的常用方法

3.1 基于閾值的分割方法

閾值分割法當前社會最常見也是最簡單的分割法，采用的是并行區域技術，普遍應用于圖像分割。閾值分割方法的實現是將圖像從輸入圖像f到輸出圖像g做以下變換：

這樣得到的g（x，y）是一幅二值圖像。其中，T為閾值，對于物體的圖像元素 g（i，j）=1，對于背景的圖像元素 g（i，j）=0。

這種算法的實現過程如下：

1）將彩色圖像轉化為灰度圖像；

2）計算直方圖，根據直方圖選取閾值；

3）根據閾值進行圖像分割。

基于此，我們發現如果能確定一個合適的閾值就可準確地將圖像分割開來，簡言之閾值的確定是閾值分割算法的關鍵，只要確定了閥值，就可以很容易的對圖像進行分割。隨著科學技術的發展，閾值處理技術也在不斷豐富，目前成熟的閥值處理技術包括矩不變閥值法全局閾值、自適應閾值、最佳閾值等等。閾值的選取還需要根據具體問題來定，一般我們需要通過實驗來確定。

圖1 閾值分割結果Fig.1 Threshold segmentation results

圖1中分別采用的是全局閾值分割法和自適應閾值分割法從圖片可以看出，閾值分割對于直方圖有明顯波谷的圖像可以取得很好的效果。

3.2 基于區域特性的分割

區域分割顧名思義就是將圖像分成若干區域，圖像技術中兩種典型的區域分割方法分別是區域生長法和區域分裂合并法。

3.2.1 區域生長

區域生長就是將性質類似的像素集合起來形成一個區域，分割時需要對每一個需要分割的區域找一個種子像素，將其作為生長的起點[5]，再將種子像素周圍鄰域中與種子像素有相同或相似性質的像素（根據某種事先確定的生長或相似準則來判定）合并到種子像素所在的區域中[6]，直到找不到滿足條件的像素，至此一個區域就長成了。

區域生長法主要有以下3步構成：

1）選擇合適的種子點：

2）確定生長準則；

3）確定生長停止條件

區域生長法是通過MATLAB工具箱中的函數imreconstruct完成的，由于涉及到形態學的知識本文只利用了這個函數實現了分割圖像，沒有討論具體的過程。

圖2 腦部圖像和區域生長法分割的結果Fig.2 Brain image segmentation and region growing method results

3.2.2 區域分裂合并

分裂合并與區域生長不同的是，它是以整個圖像為基礎，將整個圖像任意分裂若干互不相交的區域，再把前景區域進行合并，最后提取目標，這樣就完成了分裂合并任務，區域分裂合并和區域生長是相反的過程。

使用區域分裂合并方法，最常用的方法是四叉樹分解法（如圖3所示）。假設R表示整個正方形圖像區域，P代表邏輯謂詞?；痉至押喜⑺惴ú襟E如下：

圖3 四叉樹分割后的圖像Fig.3 Image after quadtree divided

1）對于一個區域，如果條件滿足 H（Ri）=FALSE，那么根據四叉樹分解法我們就可以將這個區域分裂成相應的4等份，并且分裂后的4等份之間不重疊；

2）對于相鄰的兩個區域Ri和Rj，沒有嚴格的規定它們的大小，假如條件滿足H（Ri∪Rj）=TRUE，就意味著可以進行合并。

3）如果進一步的分裂或合并都不可能，則結束。

區域生長與區域分裂合并方法兩種方法進行比較，可以看出區域生長能在很大程度上節省分裂的過程，但區域生長只能從單一的像素點出發進行生長，而區域分裂合并的方法可以在較大的一個相似區域基礎上再進行相似合并。

3.3 邊緣分割

邊緣檢測作為圖像分割的一種重要途徑，即檢測灰度級或者結構具有突變的地方，代表了一個區域的結束，相對于另一個區域則是它開始的地方[6]?；叶然蚪Y構信息的突變處成為邊緣，它是圖像局部特征不連續性的反映，體現了灰度、顏色、紋理等圖像特性的突變。通常情況下，基于邊緣的分割方法指的是基于灰度值的邊緣檢測，它是建立在邊緣灰度值會呈現出階躍型或屋頂型變化這一觀測基礎上的方法。

階躍型邊緣兩邊像素點的灰度值存在著明顯的差異，而屋頂型邊緣則位于灰度值上升或下降的轉折處。邊緣上的這種變化可用微分算子檢測出來，常用一階導數來檢測邊緣，基于一階導數的檢測邊緣有：Roberts算子，Sober算子，Prewitt算子。

3.4 指紋圖像的分割

進行指紋圖像識別時，首先要對經過指紋采集設備得到的圖像做一些相應的處理，而這些圖像大多都是是含有很多噪聲的，如果不先去除噪聲而直接對這些接圖像進行處理，這樣將會存在很多的問題，最終將影響提取結果?；诖?，需要先去除噪聲，而圖像分割技術恰好可以很好地幫助我們做到這一點，經過對指紋圖像的研究分析，紋理性和方向性是指紋圖像最大的特點，因此利用方向圖對指紋圖像進行分割最常用的一種方法[7]。文章采用的的是基于均方差值的方向圖分割算法。

圖4 邊緣檢測分割結果Fig.4 Edge detection segmentation results

圖5 指紋圖像分割結果Fig.5 Fingerprint image segmentation results

根據圖5的指紋圖像分割結果，我們可以看到，直接用閾值分割算法得到的指紋圖像分割結果中，丟失了原來指紋圖像的很多信息，指紋信息很不清晰。而采用基于方差的圖像分割算法則得到了很好的分割圖像，指紋圖像比原始圖像更加清晰，降低了信息丟失率。

因此，在圖像分割之前應該根據原有圖像的特點，先對圖像進行分析，根據圖形特征，采用不同的圖像分割算法，這樣就比較容易得到理想的圖像分割結果。

4 結束語

圖像分割技術的發展迄今已經經歷了幾個世紀，產生的分割技術的種類繁多。由于至今還沒有發明出一種分割理論能滿足所有圖像，就目前來說，當前的分割技術基本是針對某一個具體問題而產生的，而無法滿足所有圖像。但是不難看出，隨著科學技術的發展，未來圖像分割技術將結合各種新理論和新技術取得一定突破和進展。

[1]張鐵鋒，龐明，李牧.基于顏色和邊緣信息融合的目標定位方法研究[J].物流技術，2012，31（7）：256-258.ZHANG Tie-feng，PANG Ming，LI Mu.Study on target positiongin based on color and marginal information fusion[J].Logistics technology，2012，31（7）:256-258.

[2]趙妙君.MATLAB在函數教學中的應用 [J].新課程學習：下，2011:12.ZHAO Miao-jun.Application of MATLAB in function teaching[J].New Courses Study:The Following，2011:12.

[3]朱磊.MATLAB與C的對比研究[J].宜春學院學報，2012，34（4）:49-50.ZHU Lei.The Rerearch on contrast of MATLAB and C[J].Yichun University，2012，34（4）:49-50.

[4]尹捷.數字圖像處理概述[J].經濟技術協作信息，2007（18）:87.YIN Jie.Overview of digital image processing[J].Economic and Technical Cooperation Information，2007（18）:87.

[5]鄧金蓮，李成貴.結合區域生長和SUSAN的圖像分割方法[J].電光與控制，2012，19（8）:38-40.DENG Jin-lian，LI Cheng-gui.An image segmentation method based on region growing and SUSAN operator[J].Optic and Control 2012，19（8）:38-40.

[6]周鋒飛，陳衛東，李良福.一種基于區域生長的紅外與可見光的圖像融合方法[J].應用光學，2007，28（6）:737-741.ZHOU Feng-fei，CHEN Wei-dong，LI Liang-fu.Fusion of IR and visible images using region growing[J].Applied Optics，2007，28（6）:737-741.

[7]厲謹，李立.遺傳算法在數字圖像分割中的應用[J].科技風，2009:11.LI Jin，LI Li.Genetic algorithm and application in image segmentation[J].Technology Wind，2009:11.

[8]聶桂軍，張振峰，夏玉敏，等.基于數學形態學與均值方差的指紋圖像分割算法[J].南京工業職業技術學院學報，2011，11（4）:38-40.NIE Gui-jun，ZHANG Zhen-feng，XIA Yu-min，et al.Algorithm of image segmetntation based on mathematical morphology[J].Nanjing Industrial Vocational and Technical College，2011 ，11（4）:38-40.