計算機圖形圖像分割算法

趙晶麗 侯書東

摘要：計算機圖形圖像分割在圖像處理工程中屬于熱點研究課題，它所建立的圖形圖像分割算法主要圍繞圖像灰度、輪廓邊緣、紋理區域與自身特深進行圖像分割，但實際上它卻忽略了人在分析過程作用，往往導致圖形圖像分割結果與人的視覺干產生極大偏差。為此本文中就分析7在圖像分割領域中基于，人類視覺顯著性的人類視覺模擬計算機圖形圖像分割算法，分別分析闡釋了人類視覺顯著性問題與基于人類視覺特性的圖像自適應閾值分割算法問題，并對圖形圖像分割算法所獲得的圖像質量進行評估。

關鍵詞：視覺顯著性 圖形圖像分割算法 閾值分割計算 圖像質量評估

圖像的展示過程本身就是一種信息傳遞過程，因為圖像中就蘊含了大量信息，圖形圖像分割算法就是在圖像中踢下去信息并加以信息內容處理的一個重要過程。理解圖像信息傳輸的首個步驟就是圖像分割，因為圖像分割可將某些所需要的目標信息內容從圖像中全部分離出來，再配合分割目標實現對圖像的其它多個方面信息處理。就目前來看圖像分割已經成為計算機圖形圖像分割算法中的一項關鍵技術內容。

1 關于圖像分割

圖像分割涉及到圖像信息數據分離提取而提取環境較多交雜，它可實現在圖像的不同區域提取數據信息，即提取圖像像素。圖像像素中的每一個像素點都會被分配到不同區域，劃分到不同類別中，目的是保證每一區域和每一類別中的圖像都有意義。目前圖像分割技術已經在較多領域中有所應用，應用廣泛性不言而喻，比如圖像分析檢索、圖像標記分類、物體識別與場景理解、交通視頻圖像分析、機器視覺技術以及人臉識別技術等等。在這些技術應用中，圖像分割結果都能從某一個像素發展到某一篇區域，實現像素內容連通，且不同類別相鄰像素還具有不同特征。

2基于人類視覺特性的圖像自適應閾值分割算法應用

2.1算法應用分析

如果從集合技術應用角度分析，可以賦予它以下定義：例如可利用集合R表示一幅待分割圖像，圖像分割中將R劃分為擁有5個條件的非空子區域R1、R2、……Rn分割過程，具體過程如下：

結合常用圖像分割算法進行基于閾值的圖像分割計算過程，主要參考像素內容進行像素分配與像素區域劃分，建立區域圖像分割方法。在該過程中，還要利用到迭代操作對相似特征值相鄰要素內容進行區域分類劃分。例如可基于邊緣圖像分割算法將圖像分割成多個具有相似特征的像素聚類。具體來說，該方法具有兩條操作路線：第一條是通過非線性向各向同性擴散濾波發展，以期待達到一定的降噪效果，它所討論的是基于視覺特性的圖像分割算法應用。比如說，在人眼視覺性中可融入圖形圖像分割概念，構建視覺特性圖形圖像分割方法體系，并賦予它相應的閾值視覺目標函數內容，再優化求解函數，計算圖像局部樹形的自適應閾值內容，最終獲得分割后的二值圖。第二條，要基于人類視覺特性中對局部邊緣事物對比度變化異常敏感的特性建立梯度信息體系，客觀反映圖像邊緣的灰度變化過程，再利用Sobel算子實施邊緣檢測，減少背景噪音影響因素，最后利用分類函數對圖像像素進行分類，給出分類函數為：

在上述分類函數算式中，Savg代表梯度圖像中中的灰度均值，s（i，j）代表梯度值，Sμ（i，j）代表尺寸為3x3的局部窗口梯度均值，可以在這里進行像素灰度值分類對比并同時比較分類函數值內容，確定像素所述分類的具體標簽內容，最后通過閾值像素分割產生多個二值圖像數據，利用最大類間差法從原始圖像中構建包含了具體細節信息的子圖像與涵蓋剩余信息的子圖像內容。

2.2算法結果分析

為進一步有效證明自適應閾值分割算法的有效性，還應該選擇不同圖像基于計算時間、分割質量進行實驗分析，主要是合理運用圖像質量指標對閾值分割方法背景下所產生的二值圖像視覺質量內容進行分析，對比圖像實施計算，確保閾值二值算法質量結果得到有效提高。在該過程中要證明基于視覺特性的圖像自適應閾值分割算法在圖形圖像分割中擁有良好表現，且檢驗它是否也符合人類視覺的感知要求。

2.3圖像質量評估

在圖像質量評估環節，要基于人類視覺特性對圖像質量進行圖像合成應用、圖像編輯、圖像重定義以及圖像2D向3D轉換評估，最終輸出給用戶進行觀察評估。在整個圖像評估過程中，基于計算機圖形圖像的分割計算結果將起到重要的主觀判斷作用，體現技術應用性能。圖像質量評估會對視覺質量內容產生影響，而在操作過程中則要保證目標分割視覺質量無限度接近真實狀況，如此可生成較高質量的合成圖像內容。再一點，在評估圖像與分割算法應用過程中有必要對圖像分割結果的視覺質量進行第三方自動評價，解決主觀評價中所存在的費時費力桎梏問題，即將自動評價與人類主觀評價結合起來，體現圖形圖像分割算法及評估過程的客觀性。總結來講，針對圖形圖像的質量評估方法就包括了上述的主觀評估與客觀評估，其中主觀評估主要提供更為廣泛的心理測量標度方法，它主要進行心理屬性度量，通過離線方式對所獲得圖像進行質量調整與評估優化，它是目前準確率最高的圖像質量評估方法。目前比較常用的圖像主觀評估算法就包括了單向刺激法、雙向刺激法、強迫選擇對比法以及相似性判斷法。反觀圖形圖像分割在客觀圖像質量評估方面則主要圍繞像素度量標準展開，結合參考圖像像素強度最大值建立圖像像素編碼朋確編碼具體位數，最后對比所測量圖像與參考圖像之間的誤差參數，并加以校正調整。

3計算機圖形圖像分割算法的視覺顯著性其它技術要點分析

考慮到視覺顯著性更希望凸顯人與物體、與像素之間的相鄰突出關系，可考慮對感知品質進行深度分析，基于視覺顯著性起源內容進行視覺稀有性內容研究強調它的不可預測價值和獨特性，例如可利用頻域算法與譜殘差將圖像中的視覺顯著性信息與冗余信息分割開來，配合空域算法計算計算機圖形圖像在分割后的分割向量，對顯著區域內的聚類進行顯著對象提取，建立顯著圖并引入馬爾科夫鏈進行視覺顯著性評估，最后得出生物性與計算性結果.

目前在上文所提到的諸多行業領域中都會運用到基于視覺顯著性的計算機圖形圖像分割算法，他們會優先建立視覺顯著性模型，再配合視覺顯著性計算明確顯著性區域范圍，精確指出顯著性對象，然后再對視覺顯著性設計圖區域進行閾值分割，最后得出擁有大量像素的不同視覺區塊，即視覺注意窗。在整個過程中，配合區域聚類算法與支持向量概念可區別視覺注意窗與圖形圖像背景，配合固定閾值實現顯著圖二值化分析，最終提取圖像分割成果（利用Garb Cut提取技術）。

4 總結

就目前來說，人類對于圖形圖像分割算法的研究應用已經相當深入，它合理運用到了計算機系統與人類視覺顯著性等多種指標內容特性，結合人類視覺特性的圖像自適應閾值分割算法實現圖形圖像合理有效分割，有針對性的提取其中有效信息，節省大量操作資源成本為人類未來的生產生活與社會綜合發展帶來福祉。

參考文獻

[1]田源.探究基于視覺特性的計算機圖像分割算法的應用[J]電腦編程技巧與維護，2018（11）：142-143. 152.

[2]歐中亞，試論基于視覺特性的圖形圖像分割算法[J]信息技術與信息化，2018（7）：101-104.

[3]石劍，本征圖像分解算法研究[D].北京：中國科學院大學，2017.