摘 要：通過對彩色圖像分割方法的研究，提出一種在多分辨率條件下彩色圖像的分割方法。通過離散小波變換獲得原始圖像的低分辨率近似，并利用分水嶺算法對低分辨率近似圖像進(jìn)行初始分割。對初始分割區(qū)域根據(jù)顏色信息和空間關(guān)系按照一定的先后順序進(jìn)行合并，直到形成理想的分割結(jié)果。對合并后的圖像應(yīng)用小波逆變換得到原始分辨率下的分割結(jié)果。在低分辨率下進(jìn)行的分割和合并大大減小了計(jì)算量，提高了分割速度。

關(guān)鍵詞：圖像分割；小波變換；分水嶺；區(qū)域合并

Color Image Segmentation Based on Multi-resolution

XU Lixian，PAN Jianshou，TANG Hongzhen

(Information Science and Technology College，Northwest University，Xi′an，710127，China

Abstract：With the investigation of methods of color image segmentation，a multi-resolution-based new approach is discussed.The Discrete Wavelet Transformation (DWT is applied to get an approximation of the original image，then the initial segmentation is processed through watershed algorithm.To get a satisfying result，the initial segmented regions are merged in a particular order decided by the color of pixel and connection relationship.Then using the Inverse Discrete Wavelet Transformation (IDWT to get the result in the original resolution.This approach needs less computation and is much faster than normal methods because the main segmentation and mergence are processed in the low resolution image.

eywords：image segmentation;DWT;watershed;region mergence

1 引 言

圖像分割是圖像處理的主要問題，屬于計(jì)算機(jī)視覺領(lǐng)域低層次視覺中的問題。目前，對于灰度圖像的分割，已經(jīng)有相當(dāng)多的成果和結(jié)論，而對彩色圖像的分割，由于比較復(fù)雜、運(yùn)算量大，研究還比較少。彩色圖像通常情況下比灰度圖像包含更多的信息，更接近人的視覺感受，因此，對彩色圖像分割的研究很有必要。目前提出的彩色圖像分割方法^［1］主要有:基于邊緣檢測的方法、基于區(qū)域的方法、神經(jīng)網(wǎng)絡(luò)法以及其他技術(shù)方法。

由于彩色圖像本身的數(shù)據(jù)量比較大，導(dǎo)致區(qū)域調(diào)整的過程通常需要很大的計(jì)算量。因此為了提高分割速度，提出在彩色圖像的小波低分辨率近似圖像中進(jìn)行圖像分割，然后映射到原始圖像中的分割方法。

2 顏色空間

彩色圖像采用顏色空間^［2］表示各種顏色的屬性以及各分量之間的關(guān)系。常用的顏色空間有RGB，HSV等。RGB是最常用的顏色空間，但是RGB對光照條件比較敏感，且是不均勻的顏色空間，空間中兩點(diǎn)間的歐式距離與顏色距離不成線性比例，而且，R，G，B各分量之間的相關(guān)性比較高。HSV是一種更接近人眼色彩感知的彩色模型，其中H為色調(diào)；S為色飽和度；V為亮度。，本文選用HSV彩色空間來對圖像進(jìn)行處理。

3 小波變換

在對圖像進(jìn)行分割的時(shí)候，通常都著眼于圖像的整體結(jié)構(gòu)和內(nèi)容，一些小的細(xì)節(jié)則不是太關(guān)心。在小波分析^［3］的低分辨率下，圖像能夠以較少的樣本值來提供整體的結(jié)構(gòu)輪廓以及典型的色彩區(qū)域。本文通過對原始圖像的3個(gè)顏色分量分別進(jìn)行離散haar小波變換以獲得圖像在低分辨率下的近似表示。