图像区域生长分割算法研究

摘 要：图象处理技术的蓬勃发展，给越来越多的学科带来图像处理的需求。彩色图像处理这一技术是一种新兴的学科领域，这也是在以后的科学发展中占有重要地位的学科。该文介绍了当下图像分割算法的情况，参考了传统的一些图像分割方法，在区域生长，阈值分割，边缘分割，特征分割等方法的基础上，利用像素局部相似性的特征，建立了颜色直方图，对基于种子区域生长的分割算法进行分析研究，使得彩色图像的分割效果得以改善。而实验最终表明了本文中的算法对于初始种子点的选取适应性以及鲁棒性更强。

关键词：图像分割 种子区域生长 分割算法 NSP参数

中图分类号：TP31 文献标识码：A 文章编号：1674-098X（2015）06（c）-0066-02

Image Segmentation Algorithm Based on Region Growing

Wang Huasong

（School of Computer and Information Engineering ，Henan university，Kaifeng Henan，475000 China）

Abstract：Development of image processing technology makes more and more subjects need image processing.Color image processing technique is a new discipline， and it will occupy an important position in the later scientific development.In this paper，we introduced some current situation of image segmentation algorithm.we refer to some traditional image segmentation methods ，such as regional grow， threshold segmentation， edge segmentation， character segmentation.The partial similarity characteristic of pixels are used to build color histogram and analysis image segmentation algorithm based on seed region growing that makes the effect of color image is improved.The experimental results show the algorithm in this paper for the initial seed point selection of adaptability and more robust.

Key Words：Image Segmentation；Seed Region Grow；Segmentation Algorithm；Neighborhood Similarity Parameter

随着各种科技的发展以及图像的应用，人们越来越关注图像的处理。如生活中的超市和商场，为了有效的分类和管理库存，对商品进行存储编排；还有网络信息的传播管理使用数据在传输，由于设备限制需要对数据进行压缩，这里也需要对图像和视频进行分割。

计算机的发展的迅速，为人们的生活带来了便捷，同时也带动了一大批科技的突飞猛进，在近代军事、科教、工程建设、工农业生产、气象预测、天文学、地理测绘以及医学等领域中，人们更多的选择处理的方式是利用图像信息来解决改善问题，做出判断。在图像研究应用里，人们一般对图像中某些特定部分感兴趣，笔者称它为“感兴趣区域”或者“研究区域”。图像分割就是把图像分成若干个特定的、具有独特性质的区域并划分感兴趣目标区域的技术和过程。现在已经有了许多各种用途的分割算法。

1 分割算法简介

人眼能够识别很多颜色，所以在人们眼中有大千世界的姹紫嫣红，我们能够从一大堆物品中寻找到感兴趣的物品也得益于人眼的这一特性。但却很难在灰度图片――譬如黑白照片中找到想要的东西，因为在这些图像中，想要找的部分和整体背景很难区分开来。

常用方法如表1所示。

综上所述，解决彩色图像分割问题要处理好以下几个问题。

（1）怎样把每个像素的全部信息解构出来，然后运用算法将这些离散的信息整合，避免过多丢失。

（2）分割色彩空间选择，不同的空间优劣不同，这里并没有一种统一的、大众化的彩色空间来处理所有的目标图像。

（3）分割算法的选择，随着时间技术的发展，发展出很多类型和效用的算法，运用哪种算法处理图像也是一个难以抉择的问题。

这些问题是相互联系的，并不能一味解决某个问题而忽略另外的问题。使用者要用发展的眼光科学地同时看待这些影响，尽力选出能匹配三者的最优算法。目前没有这样的算法，这就要求使用者需要在解决图像分割问题的过程中，根据情况根据环境影响来选出最适合的算法。

2 基于种子点区域生长的分割算法

2.1 区域生长算法

区域生长（region growing）是指将目标区域中的某个感兴趣区域通过生长来得来完全的目标区域的算法。

它的基本做法是：将具有同质性（具有共同性质，一般指像素区域之间）的像素区域集合起来生长出更大的区域。在每一个感兴趣区域先选一个种子，然后根据人为需要的准则把种子区域以及它的具有同质性的邻域包含进来，进而一步步生长。然后重复迭代这一过程，一直到所有的像素都检测过却没有再符合的，然后确立我们的目标区域。

2.2 使用同质性参数的区域生长算法

该文选择的算法有两个要求：一是种子点的选取，可以采用更具适应性的自动选取；二是种子生长过程中，邻域相似性阈值的取值，我们在这一步进行优化处理，使用NSP参数来作为同质性与否的标准，在目标邻域中找出符合条件的同质性区域来持续生长。

现有的区域生长分割的算法有很多，一般是基于灰度图像的处理，但是彩色图像拥有的信息是灰度图像远远不及的，这也使得彩色图像的处理上有很多改进的地方。一般对于彩色图像的处理是根据灰度图像的分割算法，再结合其他的多种分割方式，这里并没有一个统一的行之有效的彩色图象分割算法。

3 结语

相较于传统的种子生长算法，本文算法中以NSP参数来选取种子点，从算法时间复杂度的角度来说算法效率有较大提高，有利于之后的区域生长，因而能取得更好的分割效果。实验的结论也证明了文中的算法在彩色图像分割上，取得较好的效果。

参考文献

[1] 章毓晋.图像处理和分析[M].北京：清华大学出版社，1999.

[2] 冈萨雷斯，伍兹著.数字图像处理[M].2版.阮秋琦等，译.北京：电子工业出版社，2004.

[3] 薛丽霞，罗艳丽，王佐成.基于帧间差分的自适应运动目标检测方法[J].计算机应用研究，2011（4）：1551-1552.

[4] H D Cheng，X H Jiang，Y Sun et al.Color image segmentation：advances and prospects[J].Pattern Recognition，2001，34（9）：2259-2281.

[5] 林开颜，吴军辉，徐立鸿.彩色图像分割方法综述[J].中国图像图形学报，2005，10（1）：1，10.

[6] 李建飞，文志强，卢永乐，等.一种基于区域生长的高分辨率遥感影像道路提取方法[J].软件导刊，2015（1）：27-29.