计算机图像处理 超多

《计算机图像处理 超多》由会员分享，可在线阅读，更多相关《计算机图像处理 超多（9页珍藏版）》请在金锄头文库上搜索。

1、 浅谈图像分割原理、方法及发展浅谈图像分割原理、方法及发展摘要：摘要：介绍了图像分割的定义和分类，并且简要概括了图像分割方法：串行边界分割技术、串行区域分割技术、并行边界分割技术、并行区 域分割技术，然后，简单地介绍了图像分割的性能评估。关键词：关键词：像分割； 阈图值；串行；并行； 发展及未来正文正文: :1.1. 引言引言数字图像处理牵涉的面非常广，它影响到了科学技术和社会的各个方面。它从 60年代开始，随着计算机技术的发展而迅速发展起来：美国喷气推进实验室 (JPL)对徘徊者7号在64年发回的几千张月球照片，用数字图像处理技术，成功 地绘制出月球表面地图。随后又对探测飞船发回的照片进行了

2、图像处理，从此 开始了数字图像处理的广泛应用。图像分割是图像处理的一部分。图像处理中， 输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有 图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实 验室（JPL） 。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用 了图像处理技术，如几何校正、灰度换、去除噪声等方法进行处理，并考虑了 太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨 大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理， 以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类 登月创举奠

3、定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后 的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都 发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在医学上获得的成 果。1972年英国 EMI 公司工程师 Housfield 发明了用于头颅诊断的 X 射线计算 机断层摄影装置，也就是我们通常所说的 CT（Computer Tomograph） 。CT 的基 本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像 重建。1975年 EMI 公司又成功研制出全身用的 CT 装置，获得了人体各个部位鲜 明清晰的断层图像。1979年，这项无损伤诊断技术获

4、得了诺贝尔奖，说明它对 人类作出了划时代的贡献。与此同时，图像处理技术在许多应用领域受到广泛 重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、 工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为 一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，从70年 代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图 像处理向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像， 实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多 国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的 研究成果。其

5、中代表性的成果是70年代末 MIT 的 Marr 提出的视觉计算理论，这 个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法 研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进 一步探索的新领域。图像增强和恢复是对整幅图像的质量进行改善，是输入输出均为图像的处 理方法，而图像分析则是更详细地研究并描述组成一幅图像的各个不同部分的 特征及其相互关系，是输入为图像而输出为从这些图像中提取出来的属性的处 理方法。 图像分析的结果不是一幅完美的图像，而是用数字、文字、符号、几何图 形或其组合表示图

6、像的内容和特征，对图像景物的详尽描述和解释。图像处理 的最终目的应是满足对图像的正确理解，即对图像中物体的正确识别，以指导 下一步的行动。在这一过程中，图像分割是关键的一步。图像分割是一种重要 的图像技术，它不仅得到人们的广泛重视和研究，也在实际中得到大量的应用。 图像分割在不同领域中有时也用其它名称，如目标轮廓技术、阈值化技术、图 像区分或求差技术、目标检测技术、目标识别技术、目标跟踪技术等，这些技 术本身或核心实际上也是图像分割技术。在图像分割阶段检测出各个物体，并 把它们的图像和其余景物分离也是图像分割技术。2 2图像分割的原理：图像分割的原理：2.1定义 图像分格是图像处理的一种方式，

7、图像处理（image processing ）就是对图像信息进行加 工处理和分析，以满足人的视觉心理需要和实际应用或某种目的（如压缩编码或机器识别） 的要求。 图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。 图像分割是将图像划分为若干互不相交的小区域的过程。 图像分割就是指把图像分成互不重叠的区域并提取出感兴趣目标的技术和过程。 图像分割是由图像处理进到图像分析的关健步骤。一方面，它是目标表达的基 础，对特征测量有重要的影响。另一方面，因为图像分割及其基于分割的目标 表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式，使得更 高层的图像分析和理解成为可能。这里

8、所说的特性可以是灰度、颜色、纹理等， 而目标可以对应单个区域，可以对应多个区域。图像分割是由图像处理进到图 像分析的关键步骤，也是一种基本的计算机视觉技术。这是因为图像的分割、 目标的分离、特征的提取和参数的测量将原始图像转化 为更抽象更紧凑的形式，使得更高层的分析和理解成为可能。图像分割多年来 一直得到人们的高度重视。至今已经提出了上千种各种类型的分割算法，而且 近年来每年都有大量研究报道发表。2.2图像分割三种不同的途径其一是将各像素划归到相应物体或区域的像素聚类方法即区域法，其二是通过 直接确定区域间的边界来实现分割的边界方法，其三是首先检测边缘像素再将 边缘像素连接起来构成边界形成分割

9、。其中是代表所有在集合中元素的某种性 质， 是空集。上述条件指出：(1)分割所得到的全部子区域的总和(并集)应能 包括图像中所有像素，或者说分割应将图像中的每个像素都分进某一个子区域 中。条件(2)指出各个子区域是互不重叠的，或者说一个像素不能同时属于两个 区域。条件(3)指出在分割后得到的属于不同区域中的像素应该具有一些不同的特性。条件(5)要求同一个子区域内的像素应当是连通的。对图像的分割总是根 据一些分割的准则特性进行的。条件(1)与(2)说明分割准则应可适用于所有区 域和所有像素，而条件(3)与(4)说明分割准则应能帮助确定各区域像素有代表 性的特性。最后需要指出，实际应用中图像分割不

10、仅要把一幅图像分成满足上 面五个条件的各具特性的区域而且需要把其中感兴趣的目标区域提取出来。只 有这样才算真正完成了图像分割的任务。2.3图像分割的基本策略：分割算法是基于灰度值的两个基本特性：不连续性和相似性。第一类性质的应 用途径是基于灰度的不连续变化分割图像，比如图像的边缘。第二类的主要途 径是依据事先制定的准则将图像分割为相似的区域。2.4梯度与图像分割一阶微分：用梯度算子来计算 当物体与背景有明显对比度时，物体的边界处于图像梯度最高的点上，通过跟 踪图像中具有最高梯度的点的方式获得物体的边界，可以实现图像分割。 这种方法容易受到噪声的影响而偏离物体边界，通常需要在跟踪前对梯度图像 进

11、行平滑等处理，再采用边界搜索跟踪算法来实现。 二阶微分：用拉普拉斯算子来计算2.5边界提取与轮廓跟踪将检测的边缘点连接成线就是边缘跟踪。线是图像分析中一个基本而重要的内 容，它是图像的一种中层符号描述，它使图像的表述更简洁，并可用来完成一 定图像的识别任务。将边缘点连成线的方法很多，但都不完善，基本上是按一 定的规则来进行，且需要知识的引导，对跟踪的效果往往要人工编辑。由边缘形成线特征包括两个过程：提取可构成线特征的边缘；将边缘连成 线。 连接边缘的方法很多，主要有光栅扫描跟踪和全向跟踪法 3.3.主要的图像分割方法主要的图像分割方法经过相关学者们几十年的研究与努力，相继踊跃出大量的图像分割方

12、法。大致 归纳起来包括：串行边界分割技术、串行区域分割技术、并行边界分割技术、 并行区域分割技术、结合特定理论工具的分割技术等。3.1 串行边界分割技术串行边界分割技术是指采用串行方式，通过顺序搜索边缘点来对感兴趣目标的 边界进行检测。主要有三个关键步骤： 确定一个顺序搜索的起始边界点； 选择某种搜索策略，确定先前的搜索结果对下一边界点的检测和下一个结果 的影响，并根据一定的原则依次检测新的边界点； 选定搜索终止的条件，以结束搜索过程。 串行边界分割技术所采取的策略主要有以下两种： 首先检查出边界点，然后再连接边界点； 对边界点的检查和连接以交叉结合的方式进行。3.2 串行区域分割技术串行区域

13、分割技术是指采用串行方式，通过对目标区域的直接检测来对图像进 行分割的技术。阈值是在分割时作为区分物体与背景像素的门限，大于或等于 阈值的像素属于物体，而其它属于背景。这种方法对于在物体与背景之间存在 明显差别（对比）的景物分割十分有效。实际上，在任何实际应用的图像处理 系统中，都要用到阈值化技术。为了有效地分割物体与背景，人们发展了各种 各样的阈值处理技术，包括全局阈值、自适应阈值、最佳阈值等等。其特点是： 将整个处理过程分解为顺序的多个步骤依次进行，对后续步骤的处理要根据前 续步骤的处理结果而定。近年来，一些结合了特定数学理论工具的图像分割方 法也常常 采用串行区域分割的方式。 串行区域分

14、割技术有两种基本的形式： 首先从单个像素出发，然后逐渐合并成所需的分割区域； 首先从全图出发，然后逐渐分裂成所需的分割区域。3.3 并行边界分割技术并行边界分割技术是指采用并行方式，通过对感兴趣区域的边界进行检测来对 图像进行分割的技术。边缘检测首先检出图像局部特性的不连续性，然后再将 这些不连续的边缘像素连接成完整的边界。边缘的特性是沿边缘走向的像素变 化平缓，而垂直于边缘方向的像素变化剧烈。所以，从这个意义上说，检测边 缘的算法就是检出符合边缘特性的边缘像素的数学算子，目前，边缘检测场采 用边缘算子法和模板匹配法等。其实现过程主要有两个步骤： 感兴趣区域边界点的检测； 感兴趣区域边界的形成

15、。 对于步骤(1)可以采用各种微分算子进行直接检测，也可以利用边缘模型与拟合 方法进行间接检测。对于步骤(2)由于其过程比较复杂，所以单纯利用微分算子 不能形成闭合的边界，需要利用一定的准则和数学工具把感兴趣区域分离出来。3.4 并行区域分割技术并行区域分割技术是指采用并行方式，通过对感兴趣区域的检测来对图像进行 分割的技术。在实际应用中，并行区域分割技术主要包括两大类： 阈值化方法； 特征空间聚类方法。 （1）阈值化方法 阈值化方法的定义为：对于一幅灰度图像，根据预先确定的一个处于图像灰度 取值范围当中的灰度阈值把所有的像素归为两大类，灰度值大于阈值的像素为 一类，灰度值小于阈值的像素归为另

16、一类，灰度值等于阈值的像素可视情况归 为前面两类当中的任意一类。通常情况下，两类像素分属于图像中的两类区域， 从而根据阈值分类完成了对图像的分割。 阈值化方法有两个关键的步骤： 分割阈值的确定； 将像素值与分割阈值比较以对像素进行归类。其中，步骤(1)是分割的关键，阈值确定的恰到好处，可以方便地将图像分割开 来。另外，阈值化方法通常都是基于一定图像模型的。最常用的模型可描述如 下：假设图像是由具有单峰灰度分布的目标和背景组成，处于目标或背景内部 相邻像素间的灰度值是高度相关的，但处于目标和背景交界处两边的像素在灰 度值上是有很大差别的。如果一幅图像满足这些条件，它的灰度直方图基本上 可看作是由分别对应目标和背景的两个单峰直方图混合构成的。进一步如果这 两个分布大小接近且均值相距足够远，而且两部分的均方差也足够小，则直方 图应为较明显的双峰。类似地，如果图像中有多个单峰灰度分布的目标，则直 方图有可能表现为较明显的多峰。对这类图像常可采用阈值化方法来进行分割。3.5 将检测的边缘点连接成线就是边缘跟踪。线是图像分析中一个基