摘 要：在計算機飛速發(fā)展的背景下，計算機的圖像處理技術滲入到各個行業(yè)中。圖像分割作為一種基本的圖像處理技術，它的目的是把圖像分成各具特征的區(qū)域，從中提取感興趣的技術。下面我們就來探討一下圖像分割的進展，以及圖像分割中的自動分割和半自動分割的比較。

關鍵詞：圖像；自動分割；半自動分割；進展

引言

圖像分割作為圖像處理和計算機視覺領域的基礎性工作，它擁有很多的分割方法。第一代編碼技術是在波形編碼的基礎上形成的，信源模型需要使用像素來表示圖像。第二代編碼技術的形成，它主要是針對內(nèi)容進行編碼，但是信源的模型已經(jīng)不再需要使用像素來表示圖像，而是針對內(nèi)容，通過對圖像的劃分，使它們變成許多不同的對象，然后把每個對象都進行編碼，并使他們的編碼具有唯一性。每個對象編碼都需要經(jīng)過一個統(tǒng)一的程序，也就是發(fā)送運動的軌跡、形狀信息和紋理。在進行編碼時，也可以根據(jù)人們視覺愛好對象分配相對多一些比特數(shù)，對于與視覺沒有影響的區(qū)域，比特數(shù)可以分配的較少。與波形的編碼壓縮方法相比，這種針對內(nèi)容的編碼方式具有更高的效率，從而為查詢圖像內(nèi)容和交互奠定了基礎。

1 圖像分割的定義

圖像分割中的分割是一個標記的過程，也就是對分割所取得的同一區(qū)域的像點做出相同的標記。換而言之，圖像分割也就是根據(jù)彩色、灰度、空間紋理、幾何形狀等特點，把圖像分為幾個不相交的區(qū)域，從而這些特征在同一個區(qū)域內(nèi)的表現(xiàn)有相似性和一致性，但是在不同的區(qū)域里又表現(xiàn)的明顯的不同。圖像分割是圖像處理和計算機視覺領域在低層次視覺中最重要也是最基礎的領域之一，而且它也是一個經(jīng)典的難題，目前，沒有一個既可以通用的分割方法和判斷是否成功作為客觀的標準。

2 圖像分割自動和半自動的比較

圖像分割的方法從各種途徑參與的程度上來看，可以分為自動、半自動和人工。人工分割是指操作者使用鼠標等工具，大致描繪出分割區(qū)域，這種方法非常浪費時間和人力。但是通過人工操作，人們對顏色和紋理更加敏感，在大腦的作用下可以進行準確的分割圖像。而自動分割不需要進行人機交互，它的分割完全受計算機的控制，計算機可以幫助它完成大量的工作，雖然可以減輕分割的壓力，但是這種方法具有很差的適應性，很難滿足圖像取得的分割效果。半自動是人工和自動的結合，能夠適應許多不同圖像，不僅擁有取長補短的效果，還可以有效的降低計算機的復雜度。

2.1 圖像分割自動法

常用的圖像自動分割法有許多，一般分為閾值法、區(qū)域法、邊緣檢測法、聚類法。從圖像分割可以精確的得到能量函數(shù)出發(fā)，它主要包括三個步驟：①設計能量函數(shù)；②構造圖像；③最小割和最大流方法。在一定的情況下，能量函數(shù)的最小化可以使用最小割進行求解。但是必須要符合兩個條件，一個是二值標記，另一個是要能反映出能量函數(shù)，可以是任意一個數(shù)據(jù)項函數(shù)，在權重處于負值時，添加一個常數(shù)就行。在構建圖時，圖像的區(qū)域或像素要與圖的頂點對應。而頂點的每個邊都反映了標記的偏好程度，鄰域連接可以反映出平滑項。最小割和最大流方法主要包括增廣路徑方法和推進重標記方法。增廣路徑方法，為了避免求最大流時計算的復雜度，它依賴邊的權值大小。推進重標記方法非常容易并行實現(xiàn)，大多數(shù)情況下都是使用GPU通過加速來提高效率。

2.2 圖像分割半自動方法

當前的半自動分割中人機交互的方式：首先要粗略的勾畫出目標圖像的輪廓，形成自動分割的初始形態(tài)。然后根據(jù)特定的任務和圖像去調(diào)整算法參數(shù)。在實際的應用中，多數(shù)分割算法都需要根據(jù)具體的任務和圖像確定參數(shù)的選值問題，例如分割目標、設定閾值等?？梢圆捎镁植恳l(fā)全局抑制的振蕩網(wǎng)絡，對醫(yī)學圖像進行分割。在分割的過程中，要使用人工交互環(huán)節(jié)。例如半自動肺部組織圖像分割方法，它是通過自動或者人工設定的方式產(chǎn)生若干種子點，然后把圖像分為若干個區(qū)域，再使用監(jiān)督分類的方法把它分為背景區(qū)和目標區(qū)，而且還要判斷出兩個交界邊緣的區(qū)域，通過增加種子點，并重復以上的過程，從而使邊緣區(qū)域的劃分更加就精細，如果達到準確的目標區(qū)輪廓，就說明操作順利成功。如下圖所示，分割前和分割后的細胞圖。

3 圖形分割的研究情況

3.1 在圖割交互式分割方面，新的交互式圖像分割算法還有幾處待改進：①重新建立模型，并添加色彩和紋理；②使用Fisher判別準則，對直方圖降維，并使它適合交互式的應用中；③在編輯的時候，使用新加種子點對分割模型進行重新估計，從而可以提高模型應用的準確性。模型的加速技術可以通過高斯超像素來實現(xiàn)，它主要的特點是要使用分量的形式使期望能夠最大化，再加上高斯算法，然后與用戶進行交互聚類，最后還需要描述超像素的特征。

3.2 在實時設計方面，出現(xiàn)CPU不足的原因在于動態(tài)存儲器的存儲模式比較嚴格，而且流水管線的相對固定，但是一個統(tǒng)一的計算機設備架構技術，可以提供便捷的存儲模式和CPU編程。根據(jù)CUDA的編程方式和設計思想，改進圖割算法，通過CUDA架構可以使并行圖割運算成為可能，不僅時圖像分割的效果得到了保證，而且也提高圖像處理的速度。

3.3 在能量函數(shù)設計方面，加權割圖像分割算法的特點是：整合了整體分割信息和圖像的局信息，能夠同時達到類內(nèi)最大一致性和類間最大相異性。這種方法還分析了加權核和圖割模型之間的等價性，不僅可以解決圖譜求解的問題，還可以避免核矩陣的確定問題。

4 結語

隨著圖像分割技術的不斷發(fā)展，它的應用范圍也非常廣泛。只要涉及到對圖像目標進行提取和測量工作的都離不開圖像分割。圖像分割已經(jīng)廣泛應用于通信、軍事、交通、遙感、醫(yī)學等非常多的領域。圖像分割的方法也趨向更精確、更快速發(fā)展，相信通過各種新技術和新理論的結合，圖像分割方法將會不斷取得進步。

參考文獻

[1]楊宇、張琦，半自動圖像分割[J].中國傳媒大學學報自然科學版，2008，16（3），26-31

[2]周鮮成，圖像分割方法及其應用研究綜述[J].信息技術，2007，15（12），11-14

[3]宋寅卯、劉磊，圖像分割研究方法及進展[J].電腦學習，2010，23（2），1-3

[4]黃長專、王彪、楊忠，圖像分割方法研究[J].計算機技術與發(fā)展，2009，19（6），76-83

[5]焦玉斌、徐艷蕾、陳喜龍，圖像分割研究綜述[J].2009，12（10），11