基于區域生長的高壓走廊影像黑邊去除方法

馬欽國，曾 健，馬小豐，秦楠楠

（1.國網陜西省電力公司， 陜西 西安 710048；2.北京洛斯達科技發展有限公司，北京 100120）

基于區域生長的高壓走廊影像黑邊去除方法

馬欽國1，曾 健1，馬小豐2，秦楠楠2

（1.國網陜西省電力公司， 陜西 西安 710048；2.北京洛斯達科技發展有限公司，北京 100120）

影像黑邊問題極大地影響了三維GIS平臺中高壓走廊三維地形場景的展示效果。為解決這一問題，提出一種基于閾值和區域生長法的高壓走廊影像黑邊去除法。首先，根據黑邊分布特征，自動選取種子點。通過給生長判別準則添加閾值約束條件，克服區域生長過程中過生長或欠生長的缺陷。再根據分割結果，去除原始影像中的黑邊。該方法簡單易行，數據批處理速度快，黑色區域分割結果準確。

World Wind是目前較為強大的開源三維GIS平臺，國內外許多三維GIS軟件都是基于它而開發的。然而，這些三維GIS平臺在顯示衛星或者航空影像時，普遍存在影像邊緣有明顯黑邊、鋸齒的問題，如圖1中紅色矩形區域，其原因是由jpg文件有損壓縮造成的。為解決這一問題，可采用圖像分割算法，將原影像中黑邊所在的區域分割出來，并對黑邊進行清除，然后保存為無損壓縮格式圖片，如png格式等。

圖像分割是圖像處理中最重要的研究內容之一，其主要包括：基于閾值的圖像分割法及其改進算法[1,2]；基于區域的圖像分割法及其改進算法[3,4]；基于邊緣檢測的圖像分割法[5]等。基于閾值的圖像分割方法是根據不同的特征閾值實現圖像像素的分類，是最常用的一種方法。基于區域的圖像分割方法通過不斷生長，將符合一致性準則的像素點歸為一類。基于邊緣檢測的圖像分割方法是根據邊緣檢測得到的圖像中不同區域的邊緣將圖像分類。這3類圖像分割算法都有各自的適用范圍，單獨使用其中某一種方法往往難以得到理想的分割效果[6]。本文提出一種結合閾值和區域生長法的圖像分割方法，用于去除高壓走廊影像黑邊。該方法在選取種子點時，充分利用了高壓走廊邊緣影像黑邊分布特征；在進行區域生長時，加入了閾值約束條件，可避免欠生長或過生長問題。

1 高壓走廊邊緣影像黑邊

基于World Wind開發的三維GIS平臺在顯示影像切片時，可以讓RGB全為0的像素透明。如果某些像素的RGB不全為0，且值又較小，那么在球上該像素將顯示為暗黑色，而jpg格式的有損壓縮會產生這些暗黑色噪聲點，進而造成黑邊問題。

圖2是某張jpg格式的原始影像切片的黑色噪聲點檢測圖。當圖2中RGB全為0的像素顯示為白色時，可以清晰地看出影像切片中圖像邊緣確實存在大量的RGB不全為0的暗黑色像素點，并呈鋸齒狀分布。

圖1 影像邊緣鋸齒狀黑邊

圖2 某張原始影像切片的黑色噪聲點檢測圖

2 區域生長法

2.1 區域生長法基本原理

區域生長法最早由Zucker[3]提出，隨后有較多的改進算法[7,8]，其基本思想是將具有相似性質的像素集合起來構成區域。具體可表達如下：

假設對一個M×N的圖像進行分割，給每個像素一個標記量F，F=0表示該點屬于未生長區域；F=1表示該點已被生長。初始時，令所有像素的F皆為0。若當前種子點的坐標為（i，j），其像素值為G（i，j），則對于點（i，j）的鄰域中任一像素點（m，n），如果滿足以下2個條件：

則令Fm,n= 1，并將像素點（m，n）作為當前種子點。依此循環，直到沒有新像素點的F值被標記為1為止，所有F值等于1的像素組成的區域就是最終分割出的區域。公式（1）中，S（G（i， j）、G（m，n））表示2個像素點（i， j）和（m，n）灰度值的相似程度，通常直接取2灰度值的差，即， T代表一個閾值。

在使用區域生長法時，需解決3個問題：①選取一組能正確代表待分割區域的種子點；②確定一個在生長過程中能將相似像素合并的生長準則；③確定生長停止的條件。

2.2 區域生長法的缺陷

1）種子點的選取一般需要人工交互，大數據量影像批處理的效率較低；

2） 當目標本身灰度不均勻時，可能會產生欠生長現象；

3）當目標邊界模糊時，可能會產生過生長現象。

3 基于閾值和區域生長法的影像黑邊去除法

采用閾值分割法與區域生長法相結合去除影像邊緣黑邊的步驟是：①根據黑邊像素點分布特征，自動選取種子點。②確定黑色區域像素灰度最大閾值，并將其加入到傳統區域生長法的生長判別準則中，構成帶有閾值約束的生長判別準則。③根據種子點和帶有閾值約束的生長判別準則，分割并標記出影像邊緣的黑色區域。④根據標記出的黑色區域，將原始影像中相應區域內所有像素RGB全部置0，從而完全清除黑邊像素點。

3.1 種子點自動選取

通過大量分析發現，黑邊像素點皆存在于與影像切片邊緣連通的黑色區域中。根據這一特性，將圖片外圍一周所有像素點作為候選種子點，然后選取其中灰度值小于閾值 的像素點作為最終種子點。

3.2 帶有閾值約束的生長判別準則

高壓走廊影像黑色區域圖像明暗變化不大時，將直接采用灰度值作為一致性判別依據。假定人工設置的容差（相鄰像素灰度差閾值）為T1則傳統區域生長法的生長判別準則為：

為避免過生長問題，可在公式（3）的基礎上，加入黑色區域像素灰度值最大閾值T2作為一個約束條件。T2的值可采用自適應閾值分割法中的最大類間方差法[9]或人工設定，帶有閾值約束條件的生長判別準則如下：

當判別準則中包含T2的約束后，T1的值可適當調大，能夠有效避免傳統區域生長法的欠生長問題。

3.3 影像邊緣黑邊去除算法步驟

1）讀取原始jpg圖片，并將其轉換為灰度圖，判斷并記錄灰度圖外圍一周灰度值小于T0的像素個數。如果個數為0，就認為該圖片中不包含與圖片邊緣連通的黑色區域，直接跳過不處理，否則進行下一步。

2）將上一步得到的灰度值小于T0的像素點全部作為種子點，并根據帶有閾值約束條件的區域生長法，檢測并標記出灰度圖中所有滿足條件的像素點。

3）根據灰度圖中被標記的像素點位置，將原始圖片中相應位置像素的RGB全置為0。

4）將處理結果保存為png格式圖片。

其中，步驟2）中“帶有閾值約束條件的區域生長法”的具體實現方法如下：從種子點出發，判斷其周圍四鄰域的像素灰度值是否大于T2，如果灰度值大于T2，不擴展；否則，繼續判斷周圍鄰域灰度值與種子點灰度值差是否大于T1。如果灰度值差大于T1，不擴展；否則，將合并該鄰域點，并將其作為新的種子點向外繼續搜索，直到沒有新的點被合并為止。

4 實 驗

實驗數據是西安到寶雞高壓走廊的影像切片數據，共5層，切片數量為10 450張，每張切片的圖幅大小皆為512×512。原始走廊影像部分區域在三維GIS平臺上的展示效果如圖3所示，存在大量鋸齒狀黑邊。利用Visual C++實現了本文方法，并對實驗數據進行處理。圖4a ～6a中分別是3張黑邊不同分布的原始切片數據，其中，圖4a中只有一塊黑色連通區域，圖5a包含2塊黑色連通區域，圖6包含3塊黑色連通區域。圖4b、5b、6b分別是對應圖4a、5a、6a的黑邊噪聲點檢測結果，圖4c～6c中分別是對應黑邊去除后的結果影像的黑邊噪聲點檢測結果。在以下數據處理中，用到的參數T0、T1、T2的值分別為 5、25、30。

圖3 原始高壓走廊影像部分區域展示效果

由圖4～6可見，經本文方法處理過的原始影像切片的黑邊完全被去除，效果較為理想。

圖5 包含2塊黑色區域的圖片處理

圖6 包含3塊黑色區域的圖片處理

圖7 處理后的高壓走廊影像部分區域展示效果

圖8 處理后的高壓走廊影像局部區域展示效果

由圖3和圖7的對比可以看出，處理后的高壓走廊影像的展示效果有明顯改善，黑邊完全去除。

5 結 語

根據閾值分割法和區域生長法的特點，提出結合閾值和區域生長法的圖像分割算法，可自動選取種子點，并有效避免欠生長、過生長問題。方法能較準確地分割出與影像邊緣連通的各種黑色區域，從而去除所有黑邊。下一步需要充分利用CPU多核或GPU的計算能力來提升圖像分割效率，改進閾值參數的確定方法等。

[1] Arifin A Z, Asano A． Image Segmentation by Histogram Thresholding Using Hierarchical Cluster analysis[J]． Pattern Recognition Letters, 2006, 27(13): 1 515-1 521

[2] Carevic D, Caelli T． Region-based Coding of Color Images Using Karhunen–Loeve Transform[J]． Graphical Models and Image Processing, 1997, 59(1): 27-38

[3] Zucker S W． Region Growing: Childhood and Adolescence[J]．Computer Graphics and Image Processing, 1976, 5(3): 382-399

[4] Jiaxin C, Sen L． Amedical Image Segmentation Method Based on Watershed Transform[C]．The Fifth International Conference on Computer and Information Technology,IEEE, 2005

[5] Canny J． A Computational Approach to Edge Detection[J]． IEEE Transactions on Pattern Analysis and Machine Intelligence, 1986 (6): 679-698

[6] 姜慧研, 張曄． 基于改進的區域生長法的氣管與支氣管分割[J]．東北大學學報:自然科學版, 2009,30(2):191-194

[7] 於猛,劉向榮,黃曉陽, 等． 改進區域生長法及其在冠狀動脈造影圖中的應用[J]． 廈門大學學報: 自然科學版, 2013, 52(1): 38-42

[8] 李夢亮,翁正新．基于改進區域生長法和霍夫變換的車道分割法[J]．計算機應用與軟件, 2011, 28(12):246-248

[9] 張德豐．詳解MatLab數字圖像處理[M]．北京：電子工業出版社,2010

P237.3

B

1672-4623（2016）02-0063-03

10.3969/j.issn.1672-4623.2016.02.022

馬欽國，碩士，高級工程師，主要從事電網規劃與計劃管理工作。

2014-09-30。

項目來源：國家電網公司科技項目（SGSD0000JJGC1400792）。