數字圖像處理中的圖像分割技術應用

王利利

近幾年來，數字圖像技術被廣泛應用。數字圖像技術是在數字技術與電子技術的基礎上產生的。而圖像分割技術，又是數字圖像技術的重要組成部分。圖像分割是由圖像處理過渡到圖像分析的關鍵一步，所以一直受到人們高度的關注。隨著人們對圖像分割技術的掌握程度越來越高，圖像分割技術也廣泛地運用到了實際生活中。圖像分割技術，主要是從圖像中獲取所需要的目標，從而對圖像進行分解。

1 圖像分割技術簡介

對于數字圖像，在探究與使用過程中，只是針對圖像中的某個點，或者某個部分，那么這樣的一部分圖像就可以被稱為目標或者前景，圖像的其他部分就被稱為背景。為了更好地、清楚地區分出要分析和辨別的目標，需要把這一部分提取出來，這就是圖像分割。

1.1 基本原理

從廣義上說，圖像分割是根據圖像的一些特征和特征的集合的相似程度，對圖像進行一定比例的重新規劃，使得圖像像素更加清晰，重新分割的部分要連接恰當，并且不重復不疊加。重新分割的圖像，要具有一定的連貫性，并且畫面內容沒有改變。

1.2 圖像分割的種類

由于圖像分割的標準不同，針對不同的要求，采用對應的分割方法進行分割。圖像分割有多種方法，根據使用目的不同，可以將其分為粗分割與細分割；根據圖像內容不同，可以將其分為分割灰度圖像與分割彩色圖像；根據分割圖像的區域差別，可以將其分為分割靜態圖像與分割動態圖像；根據圖像的構造不同，可以將其分為多維度圖像，例如一維度、二維度、三維度等。在不同的領域應用范圍內，可以分為醫學圖像分割、工業圖像分割、安全圖像分割、交通圖像分割和軍事圖像分割等；根據用于知識點的特點和層次又能分為數據驅動和模型驅動兩種，由此可見，圖像分割根據其要求不同，會產生對應的分割方法[1]。

2 數字圖像處理中圖像分割的方法

2.1 數字圖像的閾值分割法

數字圖像的閾值分割法，是將數字圖像的區域，用幾個或者固定的閾值進行分割，并且在種類相同的像素中，具有灰度值的物體，被當作為同一物體。數字圖像的閾值分割法，具有簡單便捷的特性，使用范圍較大，其利用的是圖像的恢復特征。對于數字圖像的閾值分割法，光照、噪音會影響閾值的確定，這是數字圖像的閾值分割法的關鍵問題。為有效地解決此類問題，將圖像中的直方圖，用函數來計算，用概率密度來近似，從而確定灰度值的最小范圍。這樣就有效避免了錯誤的分割。這樣方法在物體和背景之間的區域分界是比較明顯的，換句話說，在物體和背景的灰度值差異明顯的情況下，會比較容易分割。

2.2 數字圖像的聚類分割法

聚類分割法，是通過圖像的聚類，將圖像的不同區域表示出來，并將灰度圖像與彩度圖像相同的區域，與相似的色度進行組合。聚類分割法，實際上是將圖像分割問題，直接轉化成模式自動識別，從而進行聚類分析，將圖像進行分割。像素的空間聚類分割，屬于聚類分割法的一種，其主要的特點是，在規定的范圍內進行圖像分析，使得圖像內容更真實地反映出來，具有一定的真實性與準確性。

2.3 數字圖像的邊緣檢測分割法

數字圖像的邊緣檢測分割法，是非常有用的圖像分割方法。數字圖像的邊緣檢測分割法，原理非常簡單，效果也十分明顯。當邊緣物體受到注視的時候，其最受關注的部分便是其邊緣部分。數字圖像的邊緣檢測分割法，對于被分割的圖像，其信息突然變化的部分被稱之為邊緣部分。其既是圖像區域的結束，同時也是開始，利用這樣的方法進行圖像分割，效果更加明顯。數字圖像的邊緣檢測分割法中，Sobel算子是檢測邊緣的重要依據，Sobel算子從不同的角度與方向進行邊緣檢測，Sobel算子可以強化像素的權重，能夠對邊緣進行更加全面的檢測，采用這種方法檢測出的邊緣，亮度更加完整，畫面非常清晰，同時還可以防止噪音。Hough變換方法，是采用圖像本身的特性，對圖像的輪廓直接進行檢驗，將像素邊緣連接起來，從而組成封閉的邊界區域，是一種常見的圖像分割方法。Hough變換方法，在圖像原有狀態下，能夠更加容易地取得邊界曲線，并且將散落的邊緣像素進行連接。Hough變換方法，具有點和線的對偶性質，在圖像變換之前，存在于圖像的空間，在圖像變換之后，存在參數空間[2]。Hough變換方法的圖像空間與參數空間，可以進行相互變換，圖像空間中的中共線點，對應參數空間的中相交的線。Hough變換方法，參數空間里所有相交的點，在圖像空間中都對應一條中共線，將其稱之為點和線的對偶性。基于這樣的性質，圖像空間的直線檢測問題，可以直接轉換成參數空間的對應點檢測問題，從而在參數空間里進行運算，更加簡便地完成圖像檢測任務。

3 圖像分割技術的應用

3.1 在汽車車牌識別方面的應用

車牌的自動識別就是指監控的大門可以通過對來往的車輛識別系統來辨別車輛是否屬于本單位，從而決定是否自動開啟大門。這個識別的系統可以很好地提示工作人員，也可以將需要的新增車輛加入車輛自動識別的系統中來，具有識別速度快、準確率高和耗資低成本少的特點。

3.2 在生物醫學工程的應用

圖像分割技術，在醫學行業具有重要的應用。利用圖像分割技術，能夠對GVF模型圖像進行分割。GVF模型腦部圖像，其中有大量的腦層凹陷，在用傳統的Snake模型分割方法，對GVF模型腦部圖像進行分割時，會造成腦層凹陷向深度彎曲，容易出現邊界錯誤，導致圖像分割困難。GVF模型圖像分割，可以解決此類問題，其采用以輪廓為中心的方法，給新的模型設定較大的范圍，進行搜索，在利用GVF模型作為基礎，進行運算，提高收斂速率，從而可以有效地處理凹陷部分，提高圖像的分割質量[3]。

3.3 遙感工程方面的應用

在遙感的方面可以對油庫或者同類型的目標進行檢測和定位，油罐在光學煙桿圖像分析中，有一定的特殊性，在基本情況下，油罐的形狀是圓形的，并且顏色均勻。因此，在對遙感方面的油庫進行定位時，可以利用油罐檢測出橢圓，再將檢測出的橢圓形狀進行分類，通過集中分布的方法，從而去確定出油庫的位置。實驗證明，增長區域聚類法，能夠較大程度地定位油庫檢測的位置。增長區域聚類法，就是對油罐的橢圓形狀進行有效定位，將橢圓作為像素，從而進行圖像分割，將圍繞在一起的橢圓進行分類，再利用區域生長原理對其進行定位，從而確定油庫的位置。增長區域聚類法，能夠對油罐的位置精準定位，再確定出油庫的位置，還能夠對虛假油罐信息進行排除，準確程度更高，速度更快。

4 結語

圖像的數字處理已經成為現代化不可或缺的基本技術，圖像分割技術也廣泛運用到了生活中的多個領域。在這其中，圖像分割的理論和新算法一直在不斷地出現和進步，實際運用的范圍也將會越來越大。圖像分割技術，在數字圖像領域具有較大的發展空間，其包含多種類型的分割技術。比如，人工智能技術的使用、分形理論、模糊數學和形態學等。圖像分割技術越來越多地為人們的工作和生活提供便利。

[1]王迪.基于數字圖像處理的圖像分割系統的設計及實現[J].企業導報,2015(12):58-58.

[2]李昕,高東林,黃歡.數字圖像處理技術在膜圖像處理中的應用[J].北京理工大學學報,2011(12):1465-1468.

[3]徐暉.計算機數字圖像處理技術的思考與探討[J].計算機光盤軟件與應用,2012(7):119-119.