基于区域的图像分割

1区域增长法

1.1 理论基础

区域增长法[1]是一种已经受到人工只能领域中的计算机视觉界十分关注的图像分割方法。它是以区域为图像处理对象的,它考虑到区域内部和区域之间的同异性,尽量保持区域中像素的临近性和一致性的统一。这样就可以更好的分辨图像真正的边界。

基于区域的分割算法的主要过程是,依次用图像的每一个像素的灰度值和标准阈值减,判断结果是否小于标准差,是则将该点和种子点合并,不是则保持像素点的灰度值不变。这样处理后的图像就是用区域分割法处理后的边缘分割图像。

1.2 实验结果

实现步骤[2]。

(1)取得原图得数据区指针,以及图像的高和宽。

(2)依次用图像的每一个像素的灰度值去减去标准阈值,判定结果的绝对值是否小于标准差,标准差是用户输入的;如果小于则将标准阈值赋给该像素点,否则灰度值保持不变。

(3)调用刷新函数显示效果图。

实验结果:图1(a)为原始图像;图1(b)为区域增长分割效果（如图1）。

2区域分裂合并法

2.1 理论基础

前面介绍的区域增长方法是从单个种子像素开始不断接纳新像素最后到整个区域。区域分裂合并[1]是从整幅图像不断分裂得到整个区域。实际中常先把图像分成任意大小且不重叠的区域,然后再合并或分裂这些区域以满足分裂的要求。

这种分裂合并方法是利用了图像数据的金字塔或四叉树数据结构的层次观念,将图像分化成一组任意不相交的初始区域,即可以从图像的金字塔或四叉树数据结构的任一中间层开始,根据给定的均匀性检测标准则进行分裂和合并这些区域,逐步改善区域划分的性能,直到最后将图像分成数量最好的均匀区域为止。

2.2 实验结果

实验步骤[2]。

(1)确定均匀性测度准则Ｐ,将原始图象中的任一区域Ｒi,如果Ｐ(Ri)=FALSE,就将其分裂成不重叠的4等份,即将原始图像构造成四叉树数据结构。

(2)将图像四叉树数据结构中的某中间层作为初始的区域划分。如果对任意区域Ｒ,有Ｐ(R)=FALSE,则把区域分裂成４个区域,若任1／4自区域,Ｐ(Ri)=FALSE,则再把该子区域一分为四,如果对于任意恰当的四个区域有Ｐ(Ｒa1∪Ｒa2∪Ｒa3∪Ｒa4)=TRUE。则把四个区域合并成一个区域。重复上述操作,直到不可能再合并或分裂为止。

(3)若有不同大小的两个相邻的区域Ｒi和Ｒj,满足Ｐ(Ｒi∪Ｒj)=TRUE,则合并这两个区域。

(4)如果进一步的分裂或者合并都可能进行,则结束。

实验结果:图2(a)原始图像;图2(b)区域分裂合并分割效果图(如图2）。

参考文献

[1] 石荣刚,李志远,江涛.图像分割的常用方法及其应用[J].现代电子技术,2007(12).

[2] 求实科技.Visual C++数字图像处理典型算法及实现[M].北京:人民邮电出版社,2006.