黨李成

（河南省疾病預(yù)防控制中心，河南 鄭州 450016）

實(shí)現(xiàn)虛擬實(shí)驗(yàn)構(gòu)件的快速提取方法研究

黨李成

（河南省疾病預(yù)防控制中心，河南 鄭州 450016）

在虛擬實(shí)驗(yàn)教學(xué)系統(tǒng)可視化設(shè)計(jì)中，實(shí)驗(yàn)構(gòu)件輪廓的提取尤為重要，本文采用分水嶺預(yù)分割算法，通過(guò)對(duì)圖像的預(yù)處理，減少了最大流分割時(shí)的計(jì)算量，實(shí)現(xiàn)了對(duì)構(gòu)件輪廓的快速提取。

分水嶺預(yù)分割；虛擬實(shí)驗(yàn)；構(gòu)件輪廓

開(kāi)展虛擬實(shí)驗(yàn)教學(xué)可視化設(shè)計(jì)中，為實(shí)現(xiàn)構(gòu)件輪廓快速提取，先對(duì)圖像進(jìn)行分水嶺預(yù)處理以減少最大流分割時(shí)的計(jì)算量，提高虛擬實(shí)驗(yàn)構(gòu)件輪廓提取的運(yùn)行效率，縮短分割提取的時(shí)間，將提取結(jié)果即時(shí)地反饋給用戶［1］。

1　分水嶺預(yù)分割算法

圖1　水嶺分割將圖像分為小塊區(qū)域

圖2　分水嶺預(yù)分割算法的流程圖

分水嶺預(yù)處理是將圖像中相鄰區(qū)域內(nèi)色彩相近像素點(diǎn)劃分為同一區(qū)域，可以將圖像劃分為若干小區(qū)域。在后續(xù)的各種操作，如最大流分割算法中，均以分水嶺預(yù)分割得到的小區(qū)域?yàn)樽钚√幚韱卧瑥亩档退惴ǖ膹?fù)雜度。利用分水嶺算法處理的圖像被劃分后的效果如圖1。分水嶺算法對(duì)微弱邊界具有良好的響應(yīng)，能夠得到封閉連續(xù)邊界，這保證了分水嶺預(yù)處理后，利用最大流算法分割提取的對(duì)象邊界是封閉連續(xù)的。

2　圖像前景和背景劃分

按照?qǐng)D切分算法，將圖像轉(zhuǎn)換為無(wú)向圖，經(jīng)過(guò)分水嶺分割后，無(wú)向圖的頂點(diǎn)為分水嶺區(qū)域，無(wú)向邊鄰接的分水嶺區(qū)域之間的邊如圖3所示。

圖3　圖切分時(shí)的頂點(diǎn)集與邊集

劃分前景與背景就是標(biāo)記無(wú)向圖中的每個(gè)頂點(diǎn)，將前景標(biāo)記為1，背景標(biāo)記為0。最終的標(biāo)記結(jié)果通過(guò)最小化吉布斯能量函數(shù)獲得，即求解整個(gè)使整個(gè)無(wú)向圖頂點(diǎn)能量的最小代價(jià)。最后的求解結(jié)果就是對(duì)無(wú)向圖的分割，進(jìn)而就完成了對(duì)圖像的分割。

似然能量是無(wú)向圖中每個(gè)頂點(diǎn)被標(biāo)記為1或0的概率，概率的估計(jì)通過(guò)比較每個(gè)頂點(diǎn)與前景種子點(diǎn)和背景種子點(diǎn)的相似度獲得，所以首先應(yīng)該找到前景種子點(diǎn)與背景種子點(diǎn)。計(jì)算機(jī)目前很難自動(dòng)查找圖中的前景區(qū)域和背景區(qū)域，這就需要用戶“告訴”計(jì)算機(jī)圖像中的前景和背景。用戶“告訴”計(jì)算機(jī)的方式是在圖像中進(jìn)行標(biāo)記，根據(jù)標(biāo)記區(qū)域的不同分為前景標(biāo)記和背景標(biāo)記。前景標(biāo)記區(qū)域中的像素點(diǎn)為“前景種子點(diǎn)”，背景標(biāo)記區(qū)域中的像素點(diǎn)為“背景種子點(diǎn)”。然后利用這些標(biāo)記的“種子點(diǎn)”計(jì)算圖中各個(gè)頂點(diǎn)的似然能量。在圖像中前景標(biāo)記和背景標(biāo)記如圖4所示。

3　K-means聚類流程

采集前景種子點(diǎn)與背景種子點(diǎn)后，還需要從這些離散的種子點(diǎn)集合中找出它們的共有特點(diǎn)，即尋找前景區(qū)域和背景區(qū)域顏色分布中最有代表性的色彩值集合。為了取得這個(gè)特征集合，采用K-means聚類方法得到前景種子點(diǎn)與背景種子點(diǎn)聚類，過(guò)程如圖5所示。聚類產(chǎn)生的

其中U=V｛F∪B｝代表圖中未標(biāo)記的區(qū)域。上式中前兩個(gè)公式保證了前景種子點(diǎn)和背景種子點(diǎn)在劃分后仍是背景和前景，第三個(gè)公式是頂點(diǎn)被劃分為前景和背景的概率。然后利用圖像中對(duì)象邊界梯度獲得先驗(yàn)?zāi)芰浚倮米畲罅魉惴ㄗ钚』妓鼓芰亢瘮?shù)，即可獲得對(duì)象的初步提取結(jié)果。

圖4　標(biāo)記圖像中的前景與背景

圖5　K-means聚類流程圖

［1］席英.遙感圖像的K-均值聚類和分水嶺分割算法的研究與實(shí)現(xiàn)［J］.南京：南京理工大學(xué)，2011（1）：21-22.

Research on theFast Extraction Method of Virtual Experiment Component

Dang Licheng
（Disease Control and Prevention Center of Henan Province，Zhengzhou Henan 450016）

In the visualization design of virtual experiment teaching system，the extraction of experimental component contour is very important.This paper adopted watershed pre-segmentation algorithm，through the image pretreatment，reduced the calculation amount of maximum flow segmentation，and achieved the fast extraction of the component contour.

watershed pre-segmentation；virtual experiment；component contour

TG95；TP391.9

A

1003-5168（2015）12-0010-2

2015-12-15

黨李成（1986.8-），碩士，助理工程師，研究方向：計(jì)算機(jī)應(yīng)用技術(shù)。