《图像分割方法综述》由会员分享，可在线阅读，更多相关《图像分割方法综述（4页珍藏版）》请在金锄头文库上搜索。
1、图像分割方法综述图像分割是图像处理中的一项关键技术，自 20 世纪 70 年代起一直受到人们的高度重视，至今已提出上千种分割算法，但因尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算法。另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。最近几年又出现了许多新思路、新方法或改进算法，对一些经典方法和新出现的方法作了概述并将图像分割方法分为阈值分割方法、边缘检测方法、区域提取方法和结合特定理论工具的分割方法 4 类。单色（灰度）图像的分割通常是基于图像强度的两个基本特征：灰阶值的不连续性和灰度区域的相似性。第一类方法主要是
2、基于图像灰阶值的突然变换（如边缘）来分割图像，而第二类方法主要是把图像的某个子区域与某预定义的标准进行比较，以二者之间的相似性指标为指导来划分图像区域：如阈值化技术、面向区域的方法、形态学分水岭分割算法等。1 阈值分割方法阈值分割方法的历史可追溯到近 40 年前，现已提出了大量算法，对灰度图像的取阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值，然后将图像中各个象素的灰度值都与这个阈值相比较，并根据比较结果将对应的象素分为两类。这两类象素一般分属图像的两类区域，从而达到分割的目的。从该方法中可以看出，确定一个最优阈值是分割的关键。现有的大部分算法都是集中在阈值确定的研究上。阈值分割方法
3、根据图像本身的特点，可分为单阈值分割方法和多阈值分割方法；也可分为基于象素值的阈值分割方法、基于区域性质的阈值分割方法和基于坐标位置的阈值分割方法。若根据分割算法所有的特征或准则，还可以分为直方图与直方图变换法、最大类空间方差法、最小误差法与均匀化误差法、共生矩阵法、最大熵法、简单统计法与局部特性法、概率松驰法、模糊集法、特征空间聚类法、基于过渡区的阈值选取法等。2 基于边缘的分割方法图像最基本的特征是边缘，它是图像局部特性不连续（或突变）的结果&例如，灰度值的突变、颜色的突变、纹理的突变等&边缘检测方法是利用图像一阶导数的极值或二阶导数的过零点信息来提供判断边缘点的基本依据，经典的边缘检测方
4、法是构造对图像灰度阶跃变化敏感的差分算子来进行图像分割，如 Roberts 算子，Sobel 算子算子，Prewitt 算子，Canny 算子等。根据检测边缘采用方式的不同，边缘检测方法大致包括以下几类：基于局部图像函数的方法、多尺度方法、图像滤波法、基于反应扩散方程的方法、多分辨分法、基于边界曲线拟合方法、状态空间搜索法、动态规划法、边界跟踪法、哈夫变换法等。(1)Roberts算子 Roberts边缘检测算子是一种利用局部差分运算术寻求检测边缘的算子。它采用两个2x2模板。Roberts算子边缘定位精度较高，但易丢失一部分边缘，同时由于没经过图像-平滑计算，因此不能抑制噪声。该算予对具有陡
5、峭的低噪声图像响应最好。(2)SobeI算子Sobel算子由图所示的两个卷积核形成。图像中的每一个点都是与这两个核做卷积，一个核对垂直方向的边缘响应最大，另一个核对水平方向的边缘响应最人。两个卷积的最大值作为该点的输出值。Sobel算子很容易在空间上实现，对噪声具有平滑作用，受噪卢影响较小，可提供较为精确的边缘方向信息，但同时也会检测出许多伪边缘，检测到的边缘宽度较粗，边缘位置定位精度不高。Sobel算子很容易在空间实现， Sobel边缘检测器不但产生较好的边缘检测效果，同时，因为 Sobel算子引入了局部平均，使其受噪声的影响也比较小。当使用大的邻域时，抗噪声特性会更好，但这样做会增加计算量
6、，并且得到的边缘也较粗。Sobel算子利用像素上下、左右相邻点的灰度加权算法，根据在边缘点处达到极值这一现象进行边缘的检测。因此Sobel算子对噪声具有平滑作用，提供较为精确的边缘的方向信息，但是这是由于局部平均的影响，它同时也会检测出许多的伪边缘，且边缘定位精度不够高。当对精度要求不是很高时，是一种较常用的边缘检测方法。(3) Prewitt算子Prewitt算子与Sobel算子使用方法群，都是对图像进行差分和滤波运算，差别只在于使用的模板不一样，Prewitt算子比Sobel算子运算略微简单。当用两个掩模板（卷积算子）组成边缘检测器时，通常取较大的幅度作为输出值。这使得它们对边缘的走向有些
7、敏感。取它们的平方和的开方可以获得性能更一致的全方位的响应。这与真实的梯度值更接近。另一种方法是，可以将Prewitt算子扩展到八个方向，即边缘样板算子。这些算子样板由离线的边缘子图像构成。依次用边缘样板去检测图像，与被检测区域最为相似的样板给出最大值。用这个最大值作为算子的输出值，这样可将边缘检测出来。(4) Canny算子Canny算子是一个具有滤波、增强和检测的多阶段的优化算子。在进行处理前, Canny算子先利用高斯平滑滤波器来平滑图像以除去噪声(即用高斯平滑滤波器与图像作卷积)。增强边缘是将邻域(或局部)强度值有显著变化的点突出来,一般通过计算梯度幅值来完成。Canny分割算法采用一
8、阶偏导的有限差分来计算梯度的幅值和方向。对一个边缘来说,其一阶导数在边界处存在一个向上的阶跃,或者其二阶导数过零点。在处理过程中, Canny算法还将经过一个非极大值抑制的过程。最后Canny算法将采用两个阈值来连接边缘。（5）Laplace算子一阶微分是一个矢量，既有大小又有方向，和标量相比，它的存储量大。另外，在具有等斜率的宽区域上，有可能将局部区域当作边缘检测出来。因此有必有求出斜率的变化率，即对图像函数进行二阶微分运算。22 2 22( , )( , )( , )f x yf x yf x yxy这就是应用 Laplace算子提取边缘的形式，即二 阶偏导数的和，它是一个标量，属于各向同
9、性的运算，对灰度突变敏感。Laplace算子是对二维函数进行运算的二阶导数算子，利用边缘点处二阶导函数出现零交叉原理检测边缘。不具有方向性，定位精度高，不但检测出了绝大部分的边缘，同时基本上没有出现伪边缘。但它的检测也存在一些缺点，如丢失了一些边缘、有一些边缘不够连续、不能获得边缘方向等信息。而且Laplace算子为二阶差分，与一阶微分比较， Laplace算子对噪声更敏感，它使噪声成分加强，因此在实际应用中必须充分注意。通常在进行微分运算之前需要对图像进行平滑。二阶微分是一个标量，可取负值也可取正值，一般取正值或绝对值。同一阶微分一样，二阶微分也存在着阈值选择的问题，其最好的方法是计算Lap
10、lace直方图，然后在双峰直方图谷的区域决定阈值。3 基于区域的分割方法区域分割的实质就是把具有某种相似性质的像素连通起来，从而构成最终的分割区域。它利用了图像的局部空间信息，可有效的克服其它方法存在的图像分割空间不连续的缺点，但它通常会造成图像的过度分割。在此类方法中，如果从全图出发，按区域属性特征一致的准则，决定每个像元的区域归属，形成区域图，这常称之为区域生长的分割方法；如果从像元出发，按区域属性特征一致的准则，将属性接近的连通像元聚集为区域是区域增长的分割方法；若综合利用上述两种方法，就是分裂合并的方法。区域生长法的基本思想是将具有相似性质的象素合起来构成区域，具体做法是选给定图像中要
11、分割的目标物体内的一个小块或者说种子区域，再在种子区域的基础上不断将其周围的象素点以一定的规则加入其中，达到最终将代表该物体的所有象素点结合成一个区域的目的，该方法的关键是要选择合适的生长或相似准则。生长准则一般可分为 8 种：基于区域灰度差准则、基于区域内灰度分布统计性质准则和基于区域形状准则。分裂合并法是先将图像分割成很多的一致性较强的小区域，再按一定的规则将小区域融合成大区域，达到分割图像的目的。4 结合特定理论工具的分割方法图像分割至今为止尚无通用的自身理论)近年来，随着各学科许多新理论和新方法的提出，人们也提出了许多与一些特定理论、方法和工具相结合的分割技术。（1）基于数学形态学的分
12、割技术其基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。（2）基于模糊技术的图像分割方法基于模糊集合和逻辑的分割方法是以模糊数学为基础，利用隶属决图像中由于信息不全面、不准确、含糊、矛盾等造成的不确定性问题，该方法在医学图像分析中有广泛的应用。（3）基于人工神经网络技术的图像分割方法基于神经网络的分割方法的基本思想是通过训练多层感知机来得到线性决策函数，然后用决策函数对象素进行分类来达到分割的目的。（4）遗传算法在图像分割中的应用遗传算法是基于进化论自然选择机制的、并行的、统计的、随机化搜索方法。对此，科学家们进行了大量的研究工作，并成功地将它们运用于各种类型的优化问题，在分割复杂的图像时，人们往往采用多参量进行信息融合，在多参量参与的最优值的求取过程中，优化计算是最重要的，把自然进化的特征应用到计算机算法中，将能解决很多困难。遗传算法的出现为解决这类问题提供了新而有效的方法，它不仅可以得到全局最优解，而且大量缩短了计算时间。
