【摘要】圖像分割是圖像處理的關(guān)鍵步驟，圖像分割就是把圖像分成若干個具有獨特性質(zhì)的區(qū)域。圖像分割的主要方法有基于閾值的圖像分割、基于邊緣的圖像分割和基于區(qū)域生長的圖像分割等。在人的視覺系統(tǒng)，圖像邊緣比其他的圖像特征敏感，基于圖像邊緣的圖像分割在區(qū)域界線間有小的間隙?；趨^(qū)域生長的圖像分割計算簡單，對于較均勻的連通目標有較好的分割效果，但是對噪聲敏感，可能導(dǎo)致區(qū)域內(nèi)有空洞。另外，它是一種串行算法，當(dāng)目標較大時，分割速度較慢，因此在設(shè)計算法時，要盡量提高效率?；趨^(qū)域生長邊緣的圖像分割技術(shù)是邊緣檢測方法和區(qū)域生長方法的集成。它互補了彼此單獨使用的缺點。這是本文所描述的方法首先，檢測圖像的邊緣是通過使用canny邊緣算子，然后使區(qū)域生長技術(shù)進行圖像分割，非常小的區(qū)域被刪除合并，噪聲的影響被消除，具有較好的圖像分割效果。

【關(guān)鍵詞】Canny邊緣檢測；Sobel邊緣檢測器；圖像分割

1.圖像分割

圖像分割是利用灰度、顏色、紋理、形狀等信息按照一定標準從圖像中分離出與現(xiàn)實世界中的物體或區(qū)域相關(guān)的有一定意義的實體，是圖像理解、圖像分析、模式識別、計算機視覺等領(lǐng)域中首要解決的關(guān)鍵問題之一。例如，在電子組件異常的自動檢查系統(tǒng)中，主要分析組件圖像中是否存在有缺陷的組件或斷開的組件。主要是通過圖像的特征對其進行圖像分割，圖像分割的準確性決定了計算機分析程序最終的成功或失敗。

2.邊緣檢測技術(shù)

邊緣檢測是目前圖像分割中最常用的方法，檢測灰度級或者結(jié)構(gòu)具有突變的地方，表明一個區(qū)域的終結(jié)，也是另一個區(qū)域開始的地方。這種方法主要是運用一階和二階導(dǎo)數(shù)的不連續(xù)性進行檢測，但是利用導(dǎo)數(shù)的邊緣檢測對噪聲敏感。以下是常用邊緣檢測技術(shù)：

（a）梯度算子：在圖像進行分割之前，必須對圖像的邊緣特征進行歸類。運用梯度算子找出潛在的圖像邊緣。梯度算子可以檢測出所有方向的圖像邊緣，但檢測出的未必是真正的邊緣，所以必須選擇恰當(dāng)方向的梯度算子。

（b）Sobel邊緣檢測：在這種情況下，對輸入的圖像數(shù)據(jù)與3 X 3的卷積模板（即Soble算子）在水平和垂直四個方向進行卷積運算。結(jié)合運算所得的四個值，估計邊緣強度和方向。當(dāng)然加入對角線的四個方向進行卷積運算會更準確。

（c）Canny邊緣檢測：Canny算子是一個多階段的檢測過程。首先進行高斯濾波對圖像去噪。然后由原始灰度圖求出縱橫2個梯度圖，以及綜合梯度圖，其次結(jié)合3個梯度圖來進行非極大抑制和進行邊緣連接，最后對邊緣進行細化。

3.基本區(qū)域生長方法

區(qū)域生長是指將成組的像素或區(qū)域發(fā)展成更大區(qū)域的過程。從種子點的集合開始，從這些點的區(qū)域增長是通過將與每個種子點有相似屬性像強度、灰度級、紋理顏色等的相鄰像素合并到此區(qū)域。它是一個迭代的過程，這里每個種子像素點都迭代生長，直到處理過每個像素，因此形成了不同的區(qū)域，這些區(qū)域它們的邊界通過閉合的多邊形定義。 圖像區(qū)域分割的過程首先選擇區(qū)域內(nèi)某一像素點作為生長種子，然后判斷其相鄰像素是否滿足相似性準則，如果是，將其合并到當(dāng)前區(qū)域，給該像素添加區(qū)域標記，對于新合并的區(qū)域，重復(fù)上述步驟，不斷重復(fù)，區(qū)域?qū)⒃诟鱾€方向上不斷增長，直至沒有相鄰像素滿足相似性性準則為止，或者是滿足停止準則為止。

4.整合區(qū)域增長與邊緣檢測

該方法用于整合邊緣和區(qū)域生長圖像分割方法，首先運用恰當(dāng)?shù)乃阕舆M行圖像邊緣檢測。然后，利用被檢測到的邊緣區(qū)域，在改區(qū)域中選擇某一個像素點作為生長種子。因此，邊緣區(qū)域圍繞著由邊緣算子計算出的邊緣選出的單個像素種子進行迭代生長，最后進行區(qū)域尺寸比較，非常小的邊緣區(qū)域被刪除，而不是合并。因此，可以基本消除噪聲的影響。按這種方法分割圖像時，該圖像被分割成邊緣區(qū)域和單一特性的均勻區(qū)域。

5.結(jié)論

該算法對于圖像分割具有較好的效果，基本消除了噪聲影響，以及弧度不均勻可能會導(dǎo)致的空洞和過分割，但是計算代價比較大，對圖像中的陰影效果往往不是很好。 [科]

【參考文獻】

［１］J.F.Canny，A Computational Approach to Edge Detection，IEEE Transac-tions on Pattern Analysis and Machine Intelligence，8（6）：679-698，1986.

［２］A.K.Jain，F(xiàn)undamentals of Digital Image Processing，Prentice-Hall，Englewood Cliffs，NJ，1991.

［３］S.Marshall，G.L.Sicuranza （Editors），Advances in nonlinear signal and image processing，EURASIP Book series on Signal Processing and Communications，Hindawi Publishing Corporation，2006.

［４］F.Smarandache，J.Dezert，J.-M.Tacnet，F(xiàn)usion of sources of evidence with different importances and reliabilities，in Proceedings of Fusion 2010 conference， Edinburgh，UK，July 2010.