基于羽毛球的水平集分割方法應用

龍永雄++汪仁煌++劉元穩++黃亮亮

摘 要：本文主要論述了利用雙水平集C-V模型對羽毛球圖像進行了分割，并且與單水平集C-V模型進行了比較，提出了圖像中感興趣的部分，實質就是采用多個水平集函數將圖像劃分多種類區域的分割模型。仿真結果表明了該分割方法的可行性。

關鍵詞：羽毛球、單水平集、雙水平集、圖像分割

中圖分類號：TP391 文獻標識碼：A 文章編號：1672-3791（2015）05（c）-0000-00

0 引言

現階段，圖像處理應用在羽毛球檢測中應用的還不是很多，在工業應用方面對于羽毛球的測試方法是采用試打這種方法，由發球機（或運動員）發球后用人工肉眼判斷飛行中的羽毛球穩定性的好壞，人為判斷誤差大，試打對羽毛球有一定的損害，需要大量的人工。目前通過羽毛球風洞中運行，利用圖像處理來研究羽毛球飛行的穩定性正處于研究實驗階段，還沒有實際的測試設備，用其測試結果代替試打方法具有一定實用價值，見參考參考文獻。用圖像處理識別已經取得一定的效果，但羽毛球的圖像分割的結果還不是很完善，存在應用局限。圖像分割使羽毛球具有良好的分割效果，有利于對其形狀或位置進行準確判斷，具有實用價值。本文利用水平集的方法來分割羽毛球圖像，并主要用單水平集和雙水平集這兩種分割方法進行比較，而且取得了一定的效果，具有實用價值。

1 單水平集C-V模型

單水平集分割方法模型其實就是基于水平集求解方法將圖像劃分為兩種異類區域的分割模型，作為水平集方法在圖像分析中的一個基礎研究領域，單水平集模型受到很多的研究人員的關注。該模型是基于變分水平集方法求解的，根據初始化曲線 來構造符號距離函數，設其為水平集函數 ，則可計算得出L（C）和 的表達式，如下：

經過長時間逐步迭代，可求出輪廓曲線。

2 雙水平集C-V模型

直接用單水平集C-V模型分割比較復雜的圖像，圖像分割效果不佳，所以Vese和Chan提出了多相位C-V模型，就是采用多個水平集函數將圖像劃分多個類型的區域，本文采用的是分段常值C-V模型。

設 為兩個水平集函數，將圖像的區域分成四個區域，則其能量泛值為：

3 C-V模型實驗結果與分析

在參考文獻中，有用三值法進行羽毛球圖像的分割，主要使用運用二值法的思想的，然后在某個上限和下限之間的區域設定為灰色（灰度值為128），但是總體來說，這個下限和上限值沒有一個固定的范圍，在某些情況下，還是會對羽毛球的分割造成一定的影響的。

本文用雙水平集和單水平集兩種方法對同一張羽毛球的圖像進行分割，得到的結果如下圖所示：

用于處理的原圖及水平級處理如圖1所示，采用單水平對羽毛球進行分割，雖然羽毛球的輪廓基本能基本分割出來，但是在這過程中，有比較多的干擾點、邊緣也不清晰，不便于處理識別，對測試產生一定的影響，這個從圖2、圖3的分割圖更能看出區別來。因此，在這里利用單水平集分割羽毛球，還是存在一定的不足之處的，羽毛球的邊緣不能很好的分割出來，沒有達到期待的結果。

采用雙水平C-V模型對羽毛球經行分割，從圖1，圖2，圖3中可以看到，羽毛球的邊緣可以清晰地檢測出來，這個對以后的處理起到很重要的作用。其中兩種方法都對比了100次，300次，600次的演算，從演算結果得知，采用單水平集迭代100次的話，邊緣的分割比300次的效果差，600次的話，周邊會有更多的干擾點；雙水平集迭代100次，600次，邊緣分割出來的效果還不錯，周圍也沒有干擾點，其中迭代300次和600次基本上沒有什么的不同，100次，稍微差了一點，因此利用這個方法進行分割圖像，取得了不錯的效果，而且穩定性也很好。

而且，從圖2、圖3的二值分割圖可以更清晰的看見兩種方法分割出來的效果，總體的效果來說，還是采取雙水平集分割比較好。

4 結束語

針對現階段羽毛球測試還是采用試打的方法，還沒有實際的羽毛球檢測測試裝置對羽毛球的形狀和位置進行準確判斷和利用圖像處理技術對羽毛球的飛行穩定性進行判斷還處于研究的狀態中。本文提出了利用單水平集和雙水平集進行羽毛球的分割，并對兩者進行了比較。從單水平集分割出來的結果來看，利用單水平集來進行羽毛球圖像的分割，還是存在一些的缺點的，在羽毛球的分割圖像中還是有一些的干擾點的，并沒有達到預想的效果；而相對于雙水平集的話，分割出來的效果還是達到了當初想要的效果，驗證了一種適合于羽毛球圖像分割的方法，對以后的羽毛球研究提供了一些的幫助，有助于提高企業的生產率。

參考文獻

[1] 李雪晨.圖像采集識別技術及應用研究[D].廣東工業大學，2012.DOI：10.7666/d.y2098132.

[2] 徐東，彭真明.基于C-V模型的改進快速水平集圖像分割法[J].強激光與粒子束，2012，24（12）：2817-2821.DOI：10.3788/HPLPB20122412.2817.

[3] 林穎.基于水平集方法的圖像分割關鍵技術研究[D].哈爾濱工程大學，2010.DOI：10.7666/d.y1809480.

[4] 寧祎，杜寬森，閆銘等.基于C-V模型的水平集方法在腦CT圖像分割中的應用[J].科學技術與工程，2013，13（10）：2710-2714，2725.DOI：10.3969/j.issn.1671-1815.2013.10.019.

[5] 邱金紅.圖像讀數技術及應用研究[D].廣東工業大學，2014.

[6] 王衛衛，楊塨鵬，呂暢等.一種新的水平集圖像分割模型[J].西安電子科技大學學報（自然科學版），2013，40（6）：39-45，91.DOI：10.3969/j.issn.1001-2400.2013.06.007.