實現虛擬實驗構件的快速提取方法研究

黨李成

（河南省疾病預防控制中心，河南 鄭州 450016）

實現虛擬實驗構件的快速提取方法研究

黨李成

（河南省疾病預防控制中心，河南 鄭州 450016）

在虛擬實驗教學系統可視化設計中，實驗構件輪廓的提取尤為重要，本文采用分水嶺預分割算法，通過對圖像的預處理，減少了最大流分割時的計算量，實現了對構件輪廓的快速提取。

分水嶺預分割；虛擬實驗；構件輪廓

開展虛擬實驗教學可視化設計中，為實現構件輪廓快速提取，先對圖像進行分水嶺預處理以減少最大流分割時的計算量，提高虛擬實驗構件輪廓提取的運行效率，縮短分割提取的時間，將提取結果即時地反饋給用戶［1］。

1　分水嶺預分割算法

圖1　水嶺分割將圖像分為小塊區域

圖2　分水嶺預分割算法的流程圖

分水嶺預處理是將圖像中相鄰區域內色彩相近像素點劃分為同一區域，可以將圖像劃分為若干小區域。在后續的各種操作，如最大流分割算法中，均以分水嶺預分割得到的小區域為最小處理單元，從而降低算法的復雜度。利用分水嶺算法處理的圖像被劃分后的效果如圖1。分水嶺算法對微弱邊界具有良好的響應，能夠得到封閉連續邊界，這保證了分水嶺預處理后，利用最大流算法分割提取的對象邊界是封閉連續的。

2　圖像前景和背景劃分

按照圖切分算法，將圖像轉換為無向圖，經過分水嶺分割后，無向圖的頂點為分水嶺區域，無向邊鄰接的分水嶺區域之間的邊如圖3所示。

圖3　圖切分時的頂點集與邊集

劃分前景與背景就是標記無向圖中的每個頂點，將前景標記為1，背景標記為0。最終的標記結果通過最小化吉布斯能量函數獲得，即求解整個使整個無向圖頂點能量的最小代價。最后的求解結果就是對無向圖的分割，進而就完成了對圖像的分割。

似然能量是無向圖中每個頂點被標記為1或0的概率，概率的估計通過比較每個頂點與前景種子點和背景種子點的相似度獲得，所以首先應該找到前景種子點與背景種子點。計算機目前很難自動查找圖中的前景區域和背景區域，這就需要用戶“告訴”計算機圖像中的前景和背景。用戶“告訴”計算機的方式是在圖像中進行標記，根據標記區域的不同分為前景標記和背景標記。前景標記區域中的像素點為“前景種子點”，背景標記區域中的像素點為“背景種子點”。然后利用這些標記的“種子點”計算圖中各個頂點的似然能量。在圖像中前景標記和背景標記如圖4所示。

3　K-means聚類流程

采集前景種子點與背景種子點后，還需要從這些離散的種子點集合中找出它們的共有特點，即尋找前景區域和背景區域顏色分布中最有代表性的色彩值集合。為了取得這個特征集合，采用K-means聚類方法得到前景種子點與背景種子點聚類，過程如圖5所示。聚類產生的

其中U=V｛F∪B｝代表圖中未標記的區域。上式中前兩個公式保證了前景種子點和背景種子點在劃分后仍是背景和前景，第三個公式是頂點被劃分為前景和背景的概率。然后利用圖像中對象邊界梯度獲得先驗能量，再利用最大流算法最小化吉布斯能量函數，即可獲得對象的初步提取結果。

圖4　標記圖像中的前景與背景

圖5　K-means聚類流程圖

［1］席英.遙感圖像的K-均值聚類和分水嶺分割算法的研究與實現［J］.南京：南京理工大學，2011（1）：21-22.

Research on theFast Extraction Method of Virtual Experiment Component

Dang Licheng
（Disease Control and Prevention Center of Henan Province，Zhengzhou Henan 450016）

In the visualization design of virtual experiment teaching system，the extraction of experimental component contour is very important.This paper adopted watershed pre-segmentation algorithm，through the image pretreatment，reduced the calculation amount of maximum flow segmentation，and achieved the fast extraction of the component contour.

watershed pre-segmentation；virtual experiment；component contour

TG95；TP391.9

A

1003-5168（2015）12-0010-2

2015-12-15

黨李成（1986.8-），碩士，助理工程師，研究方向：計算機應用技術。