圖像區(qū)域生長分割算法研究

王華松

摘 要：圖象處理技術(shù)的蓬勃發(fā)展，給越來越多的學(xué)科帶來圖像處理的需求。彩色圖像處理這一技術(shù)是一種新興的學(xué)科領(lǐng)域，這也是在以后的科學(xué)發(fā)展中占有重要地位的學(xué)科。該文介紹了當(dāng)下圖像分割算法的情況，參考了傳統(tǒng)的一些圖像分割方法，在區(qū)域生長，閾值分割，邊緣分割，特征分割等方法的基礎(chǔ)上，利用像素局部相似性的特征，建立了顏色直方圖，對基于種子區(qū)域生長的分割算法進行分析研究，使得彩色圖像的分割效果得以改善。而實驗最終表明了本文中的算法對于初始種子點的選取適應(yīng)性以及魯棒性更強。

關(guān)鍵詞：圖像分割 種子區(qū)域生長 分割算法 NSP參數(shù)

中圖分類號：TP31 文獻標(biāo)識碼：A 文章編號：1674-098X（2015）06（c）-0066-02

Image Segmentation Algorithm Based on Region Growing

Wang Huasong

（School of Computer and Information Engineering ，Henan university，Kaifeng Henan，475000 China）

Abstract：Development of image processing technology makes more and more subjects need image processing.Color image processing technique is a new discipline， and it will occupy an important position in the later scientific development.In this paper，we introduced some current situation of image segmentation algorithm.we refer to some traditional image segmentation methods ，such as regional grow， threshold segmentation， edge segmentation， character segmentation.The partial similarity characteristic of pixels are used to build color histogram and analysis image segmentation algorithm based on seed region growing that makes the effect of color image is improved.The experimental results show the algorithm in this paper for the initial seed point selection of adaptability and more robust.

Key Words：Image Segmentation；Seed Region Grow；Segmentation Algorithm；Neighborhood Similarity Parameter

隨著各種科技的發(fā)展以及圖像的應(yīng)用，人們越來越關(guān)注圖像的處理。如生活中的超市和商場，為了有效的分類和管理庫存，對商品進行存儲編排；還有網(wǎng)絡(luò)信息的傳播管理使用數(shù)據(jù)在傳輸，由于設(shè)備限制需要對數(shù)據(jù)進行壓縮，這里也需要對圖像和視頻進行分割。

計算機的發(fā)展的迅速，為人們的生活帶來了便捷，同時也帶動了一大批科技的突飛猛進，在近代軍事、科教、工程建設(shè)、工農(nóng)業(yè)生產(chǎn)、氣象預(yù)測、天文學(xué)、地理測繪以及醫(yī)學(xué)等領(lǐng)域中，人們更多的選擇處理的方式是利用圖像信息來解決改善問題，做出判斷。在圖像研究應(yīng)用里，人們一般對圖像中某些特定部分感興趣，筆者稱它為“感興趣區(qū)域”或者“研究區(qū)域”。圖像分割就是把圖像分成若干個特定的、具有獨特性質(zhì)的區(qū)域并劃分感興趣目標(biāo)區(qū)域的技術(shù)和過程。現(xiàn)在已經(jīng)有了許多各種用途的分割算法。

1 分割算法簡介

人眼能夠識別很多顏色，所以在人們眼中有大千世界的姹紫嫣紅，我們能夠從一大堆物品中尋找到感興趣的物品也得益于人眼的這一特性。但卻很難在灰度圖片——譬如黑白照片中找到想要的東西，因為在這些圖像中，想要找的部分和整體背景很難區(qū)分開來。

常用方法如表1所示。

綜上所述，解決彩色圖像分割問題要處理好以下幾個問題。

（1）怎樣把每個像素的全部信息解構(gòu)出來，然后運用算法將這些離散的信息整合，避免過多丟失。

（2）分割色彩空間選擇，不同的空間優(yōu)劣不同，這里并沒有一種統(tǒng)一的、大眾化的彩色空間來處理所有的目標(biāo)圖像。

（3）分割算法的選擇，隨著時間技術(shù)的發(fā)展，發(fā)展出很多類型和效用的算法，運用哪種算法處理圖像也是一個難以抉擇的問題。

這些問題是相互聯(lián)系的，并不能一味解決某個問題而忽略另外的問題。使用者要用發(fā)展的眼光科學(xué)地同時看待這些影響，盡力選出能匹配三者的最優(yōu)算法。目前沒有這樣的算法，這就要求使用者需要在解決圖像分割問題的過程中，根據(jù)情況根據(jù)環(huán)境影響來選出最適合的算法。

2 基于種子點區(qū)域生長的分割算法

2.1 區(qū)域生長算法

區(qū)域生長（region growing）是指將目標(biāo)區(qū)域中的某個感興趣區(qū)域通過生長來得來完全的目標(biāo)區(qū)域的算法。

它的基本做法是：將具有同質(zhì)性（具有共同性質(zhì)，一般指像素區(qū)域之間）的像素區(qū)域集合起來生長出更大的區(qū)域。在每一個感興趣區(qū)域先選一個種子，然后根據(jù)人為需要的準(zhǔn)則把種子區(qū)域以及它的具有同質(zhì)性的鄰域包含進來，進而一步步生長。然后重復(fù)迭代這一過程，一直到所有的像素都檢測過卻沒有再符合的，然后確立我們的目標(biāo)區(qū)域。

2.2 使用同質(zhì)性參數(shù)的區(qū)域生長算法

該文選擇的算法有兩個要求：一是種子點的選取，可以采用更具適應(yīng)性的自動選取；二是種子生長過程中，鄰域相似性閾值的取值，我們在這一步進行優(yōu)化處理，使用NSP參數(shù)來作為同質(zhì)性與否的標(biāo)準(zhǔn)，在目標(biāo)鄰域中找出符合條件的同質(zhì)性區(qū)域來持續(xù)生長。

現(xiàn)有的區(qū)域生長分割的算法有很多，一般是基于灰度圖像的處理，但是彩色圖像擁有的信息是灰度圖像遠遠不及的，這也使得彩色圖像的處理上有很多改進的地方。一般對于彩色圖像的處理是根據(jù)灰度圖像的分割算法，再結(jié)合其他的多種分割方式，這里并沒有一個統(tǒng)一的行之有效的彩色圖象分割算法。

3 結(jié)語

相較于傳統(tǒng)的種子生長算法，本文算法中以NSP參數(shù)來選取種子點，從算法時間復(fù)雜度的角度來說算法效率有較大提高，有利于之后的區(qū)域生長，因而能取得更好的分割效果。實驗的結(jié)論也證明了文中的算法在彩色圖像分割上，取得較好的效果。

參考文獻

[1] 章毓晉.圖像處理和分析[M].北京：清華大學(xué)出版社，1999.

[2] 岡薩雷斯，伍茲著.數(shù)字圖像處理[M].2版.阮秋琦等，譯.北京：電子工業(yè)出版社，2004.

[3] 薛麗霞，羅艷麗，王佐成.基于幀間差分的自適應(yīng)運動目標(biāo)檢測方法[J].計算機應(yīng)用研究，2011（4）：1551-1552.

[4] H D Cheng，X H Jiang，Y Sun et al.Color image segmentation：advances and prospects[J].Pattern Recognition，2001，34（9）：2259-2281.

[5] 林開顏，吳軍輝，徐立鴻.彩色圖像分割方法綜述[J].中國圖像圖形學(xué)報，2005，10（1）：1，10.

[6] 李建飛，文志強，盧永樂，等.一種基于區(qū)域生長的高分辨率遙感影像道路提取方法[J].軟件導(dǎo)刊，2015（1）：27-29.