錢蘇斌

(鹽城師范學(xué)院信息科學(xué)與技術(shù)學(xué)院,江蘇鹽城 224002)

0 引 言

在對圖像的研究中,研究人員往往只對圖像中的某一部分感興趣,這樣的區(qū)域稱之為目標(biāo)區(qū)域,除此以外的區(qū)域則稱之為背景區(qū)域.為了能夠?qū)δ繕?biāo)區(qū)域進行針對性的研究與應(yīng)用,常常需要將其從背景中分離出來,這就需要用到圖像分割技術(shù),即將圖像按照灰度、顏色、紋理等性質(zhì)分成各具特性的區(qū)域,從而提取出所需的目標(biāo)區(qū)域.早期的圖像研究中,圖像分割技術(shù)主要包含邊界方法和區(qū)域方法[1].然而,隨著計算機視覺技術(shù)的發(fā)展,圖像分割技術(shù)已由上述兩種基本方法衍生出4種主要分割技術(shù):并行邊界分割技術(shù)、串行邊界分割技術(shù)、并行區(qū)域分割技術(shù)、串行區(qū)域分割技術(shù)[2].其中,并行區(qū)域分割技術(shù)應(yīng)用較為廣泛[3-4].同時,還出現(xiàn)了一些基于常用基本算法的圖像分割技術(shù)[5].由于圖像分割技術(shù)的難點在于圖像數(shù)據(jù)的模糊和噪聲的干擾,到目前為止仍然沒有一種或者幾種完善的圖像分割技術(shù)可以完全按照研究人員的意愿準(zhǔn)確地分割任何一種圖像.比如,圖像的目標(biāo)區(qū)域由于光照原因會存在若干個高光點,在對圖像進行分割后,目標(biāo)區(qū)域依然會存在上述高光點,這一現(xiàn)象勢必會影響到圖像處理的最終效果.針對上述情況,本文提出一種基于并行區(qū)域分割技術(shù)的自適應(yīng)閾值分割方法,并通過四鄰域檢索技術(shù)解決了圖像分割中廣泛存在的高光點問題,較好地實現(xiàn)了圖像分割.

1 自適應(yīng)閾值分割方法

1.1 閾值分割

在實際應(yīng)用中,圖像并行區(qū)域分割技術(shù)主要包含閾值化方法和特征空間聚類方法.其中,閾值化方法主要是確定一個處于圖像灰度取值范圍當(dāng)中的灰度閾值,并通過該閾值將所有像素點歸為兩類,一類是灰度值大于該閾值的像素點集合,另一類是灰度值小于該閾值的像素點集合.一般情況下,兩類像素點集合分別屬于圖像中的目標(biāo)與背景區(qū)域.

根據(jù)上述定義,閾值分割方法主要包含以下步驟[6]:灰度閾值的確定;將像素值與灰度閾值進行比較,并且精確分類.其中,閾值的確定是關(guān)鍵.

閾值一般分為局部閾值和全局閾值兩種.當(dāng)圖像中出現(xiàn)照明不均勻或者背景灰度變化比較大的時候,單一的全局閾值不能夠兼顧圖像各個像素的實際情況.此時,應(yīng)當(dāng)考慮到對整幅圖像中的不同區(qū)域采用不同的閾值進行分割的方法.

1.2 自適應(yīng)閾值分割方法

對于一幅由于照明不均而顯示多個局部特征的圖像,本文提出一種自適應(yīng)的閾值分割方法,即根據(jù)圖像本身像素灰度值分布,將圖像分為如圖1所示的M1、M2、M3、M4 4個子圖像模塊,對每一個子圖像模塊按照灰度值均值計算該子模塊的閾值:首先,對左下圖像進行自下往上、自左往右的逐點掃描,并將各點灰度值存儲在相關(guān)變量中.當(dāng)掃描結(jié)束后,利用該子模塊內(nèi)的所有像素點灰度值累加和及像素點個數(shù)獲得該子模塊的局部閾值,即如圖1所示的Thd1、Thd2、Thd3、Thd4.然后,利用上述自適應(yīng)閾值分割方法對如圖2(a)所示的對象進行閾值分割操作,得到如圖2(b)所示的效果.

圖1 子模塊劃分

圖2 自適應(yīng)閾值分割方法

2 基于四鄰域檢索自適應(yīng)閾值分割方法

通常,圖像的目標(biāo)區(qū)域往往會由于光照原因存在若干個高光點,在對圖像進行分割后,目標(biāo)區(qū)域依然會存在上述高光點,并且呈現(xiàn)出白光區(qū).如圖3 (a)所示為一只具備光照效果的花瓶,對其運用上述自適應(yīng)閾值分割操作后,效果如圖3(b)所示.顯然,經(jīng)過分割后的目標(biāo)區(qū)存在由于高光點而導(dǎo)致的白光區(qū).

圖3 高光區(qū)效果示意圖

為了避免上述白光區(qū)的存在,在對圖像子模塊進行逐點掃描過程中,增加四鄰域檢索過程(見圖4).如圖4所示,currentpoint為當(dāng)前掃描點,uppoint、downpoint、leftpoint、rightpoint分別為其上下左右4個鄰域點.按照自下向上、自左向右的掃描順序,根據(jù)當(dāng)前掃描點的左鄰域、下鄰域點的掃描情況來判斷當(dāng)前點的賦值情況.如果leftpoint和downpoint在掃描后均為目標(biāo)區(qū)域像素點,則當(dāng)前像素點也應(yīng)當(dāng)為目標(biāo)區(qū)域像素點;如果leftpoint或downpoint中之一非目標(biāo)像素點,則當(dāng)前點為背景區(qū)域像素點.

圖4 四鄰域檢索示意圖

利用上述四鄰域檢索方法輔助自適應(yīng)閾值分割過程,得到如圖5所示的分割效果.

圖5 四鄰域檢索輔助閾值分割效果示意圖

3 算法實現(xiàn)

我們以VC++6.0為開發(fā)工具,實現(xiàn)了本文所提出的基于四鄰域檢索的自適應(yīng)閾值分割算法.以左下圖像子模塊為例,算法的部分代碼如下:

圖6(a)為經(jīng)過Sony 707數(shù)碼照相機拍攝得到的24位真彩色花瓶圖片,將其轉(zhuǎn)換成256色灰度圖后進行閾值分割操作,最終得到如圖6(b)所示的效果.

圖6 基于四鄰域檢索的自適應(yīng)閾值分割方法效果圖

4 結(jié) 論

本文所提出的基于四鄰域檢索的自適應(yīng)閾值分割方法,可以方便快捷地實現(xiàn)物體的目標(biāo)區(qū)域提取,并有效避免由于光照所產(chǎn)生的高光區(qū)的出現(xiàn).但是,本算法也存在一定的局限,比如,處理對象形狀比較簡單,同時還存在時間復(fù)雜度和空間復(fù)雜度比較大的問題.在今后的研究過程中,將著力于解決以上問題,使得算法的性能得以進一步提高.

[1]章毓晉.圖象處理和分析[M].北京:清華大學(xué)出版社, 1999.

[2]岡薩雷斯.數(shù)字圖像處理[M].北京:電子工業(yè)出版社, 2007.

[3]陰國富.基于閾值法的圖像分割技術(shù)[J].現(xiàn)代電子技術(shù), 2007,31(23):107-108.

[4]馬馳,張紅云,苗奪謙,等.改進的多閾值動態(tài)二值化方法[J].計算機工程,2006,32(6):203-208.

[5]鄭麗萍,李光耀,姜華.基于微粒群算法的灰度圖像閾值分割的改進[J].計算機工程與設(shè)計,2010,31(3):559-563.

[6]朱志剛.數(shù)字圖像處理[M].北京:電子工業(yè)出版社,2002.