改進的區域生長法的醫院調劑環境下藥品圖像分割

李帥，趙國棟，羅豐

（1.西安電子科技大學 電子工程學院，陜西 西安 710000；2.北京紅楓樹智能控制技術股份有限公司，北京100098）

隨著計算機技術的迅速發展和藥房設備的自動化水平不斷提高，為藥房自動化設備裝上“眼睛”，即加入視覺處理技術，在進一步提高自動化水平和徹底解放藥劑師的雙手方面有著重要的意義。目前，為確保病患的用藥安全，自動化藥房的最后核驗步驟還是由藥劑師依據經驗親自來比對，所以搭建一個藥品識別平臺對提高藥房效率有著重要的意義，藥品圖像分割就是其中的關鍵一步。

目前常用的彩色圖像分割有兩種，即基于聚類進行分割和基于區域進行分割。基于聚類的算法有K 均值聚類和模糊C 均值（FCM）聚類，基于區域的算法有分水嶺分割和區域生長算法。

1967 年，MACQUEEN［1］提出了K 均值聚類（K-means）為后面的聚類算法奠定了基礎，但該算法依賴出生點的選擇而且對異常點敏感。后來的學者對這做出了很多改進，1973 年，DUNN［2］在K-means 的基礎上加入了隸屬度的概念，提出了模糊C 均值聚類（FCM）。2002 年，AHMED等［3］在聚類過程中加入了空間概念，提高了FCM的抗噪性能。2012 年，公茂果等人在FCM 加入了局部紋理信息的考慮，提高了分割效果。總體來說，K 均值聚類通過計量樣本點之間的距離來評價兩個點的相似度，通過不斷的迭代調整聚類中心使每個簇里內部相似度盡可能高、簇間相似度盡可能低。1991 年，VINCENT 等［4］提出的分水嶺算法是將圖像灰度值和地理拓撲理論相結合，基本實現了對距離較近的目標進行分割，但容易產生過分割現象。……