基于模糊理論的彩色圖像分割方法的研究

劉雅舉 黃建昌 齊立萍 河北農業大學理工學院

基于模糊理論的彩色圖像分割方法的研究

劉雅舉 黃建昌 齊立萍 河北農業大學理工學院

在對圖像處理研究過程中，圖像的分割占有十分重要的位置。基于FCM的圖像分割措施在各處都得到了普遍適用，但對于大樣本的彩色圖像的分割一直以來還沒有完全普遍適用的方法。為達到較好的分割效果和增加分割彩色圖像的普適性，作者提出了一種模糊理論的圖像分割方法。在模糊理論的基礎上應用形態學來完成圖像區域的融合，去掉圖像中不能融合的，不符合要求的散點及獨立點，讓最后圖像的分割效果理想。實驗證明該方法有效，可行。

模糊理論 彩色圖像 FDCIS算法

1 介紹

圖像分割是圖像識別中一個非常重要的步驟，而彩色圖像的分割目前越來越受到人們的歡迎，因為彩色圖像與灰度圖像相比，它具有更詳細更具體的信息分布，使得計算機在分析圖像和提取目標圖像更加方便準確。目前已經提出的針對彩色圖像分割的方法有閾值法、聚類法等。而最受人們關注的方法是模糊C均值聚類(FCM)算法。但應用此FCM聚類方法進行彩色圖像分割仍存在很多問題。所以，本文提出了在應用FCM算法的基礎上，結合形態學及其顏色的特征分量，確定不同顏色空間的針對綠色的聚類中心，找到分割閾值，來完成彩色圖像的分割。

2 方法

2.1 FCM算法

在FCM聚類算法中，一切數據點依照不同的模糊隸屬度分屬到不同的聚類中心。依照隨機指定的若干聚類中心，和數據點對不同聚類中心的模糊隸屬度的差別，利用迭代方法不斷修正聚類中心，在這個過程中，根據極小化數據點到各個聚類中心的距離與隸屬度值的加權和為優化目標。

④重復步驟②，③直至公式(4)成收斂狀態。

2.2 二值形態學原理

最初形態學是生物學家在對大量的動植物的結構進行研究之后形成的一個新的分支，后來出現了數學形態學，其作用是用來化簡圖像數據，維持形態圖像上原有的本質特點，去掉與之無關的數據。在圖像處理中，可以用形態學處理方法達到對圖像增強、消噪、分割等基本的圖像處理任務。

2.3 基于模糊聚類的分割算法

本文所采用的圖像分割方法可分為以下6個步驟：

①根據已知的彩色圖像f（x，y），進行灰度圖像轉換，得到相應的灰度直方圖，而后對圖像直方圖進行歸一化。

②按照獲得的直方圖的波峰與波谷的數量確定模糊聚類數c。

③根據確定的聚類數，運用分水嶺預分割算法得到原圖像對應分割的圖像。

④提取圖像的特征向量—灰度均值，根據模糊聚類算法得到模糊隸屬度函數值，計算每個區域之間的模糊相異性。

⑤根據閾值δ對分割區域進行融合、腐蝕和膨脹，以達到理想的分割的目的。

上面介紹了圖像的處理方法及分割算法，試驗中使用Matlab6．5編程來實現圖像的處理，目的是實現圖像中綠色黃瓜植株與復雜背景的分割、同時運用數學形態學算法完成黃瓜植株的分割處理和目標識別。

3 結果

從原圖片可以看出，該圖片是一個具有比較復雜背景的彩色圖片，要想把作物（黃瓜植株）分離出來，至少剔除四部分背景：白墻、白紙、棋盤格和邊角。根據本文2．3提供的分割算法，最后將植株和與植株同灰度的背景分離。得到最后的分割圖像（圖2）。從最后的圖（2）可以看出該分割黃瓜植株的效果較好，該分割方法可行，有效。

圖1 真彩圖像

圖2 分割后圖像

本文所提供的圖片是一個背景比較復雜的圖片，從最后得到的分割圖片可以看出分割結果較好。借助模糊理論和形態學原理結合到顏色空間來分割彩色作物圖像，實驗結果可以證明，該分割方法有效，可行。

[1]王曉丹,吳崇明.基于MATLAB的系統分析與設計：圖像處理.西安電子科技大學出版社,2000

[2]曹弋.MATLAB教程及實訓.機械工業出版社.2013.8

[3]王厚大,梁棟,楊恒新.自動閾值選取的兩種算法.南京郵電學院學報.Vo.22,No.4,Dec.2002

河北農業大學理工基金項目子課題：復雜背景下鵝膏菌屬圖像的自動識別（編號：LG201636）；河北農業大學理工基金項目子課題：基于邊緣檢測的圖像分割算法研究（編號：LG201635）；河北農業大學理工基金總項目：面對對象的圖像智能識別（編號：LG201634）。