劉歡 張梅 彭星星

【摘要】 彩色圖像分割是計算機視覺領域研究的焦點和難點。本文通過介紹常用彩色圖像分割方法，論述彩色空間的表示方法，在分析和綜合所有方法基礎上，選取邊緣檢測和區(qū)域生長相結合的圖像分割方法對彩色圖像進行研究，分析、總結實驗結果，提出彩色圖像分割和處理技術的發(fā)展方向。

【關鍵詞】 彩色圖像分割 邊緣檢測 區(qū)域生長

一、引言

圖像在軍事、醫(yī)療、工農業(yè)等領域應用十分廣泛，彩圖能提供更多樣準確的信息，彩色圖像處理在現(xiàn)階段備受關注，如何有效的分割處理彩色圖像成為現(xiàn)階段分析圖像分析的關鍵?；叶葓D像分割技術發(fā)展相對成熟，可在灰度圖像分析處理的基礎上完善彩色圖像分割方法。圖像分割是指按照一定的規(guī)則、約束將目標圖像分割成多個互不相交的區(qū)域，使相同特征在同一區(qū)域表現(xiàn)一致性，在不同區(qū)域表現(xiàn)明顯的差異性[1]。光學模擬、電學模擬、數(shù)字圖像是圖像處理技術發(fā)展較成熟的技術。圖像分割技術中典型的有基于區(qū)域的圖像分割、基于邊緣檢測的分割和基于神經網絡的分割方法等，綜合考慮彩色圖像的特點和現(xiàn)階段圖像分割技術的優(yōu)缺點，本文最終決定采用邊緣檢測和區(qū)域生長技術處理彩色圖像。使用邊緣檢測技術可以快速、準確地找到目標圖像的邊緣，并通過邊緣確定區(qū)域內的灰度或顏色信息，從而達到對圖像的快速分割[2]。

使用區(qū)域生長技術去除邊緣檢測技術中存在的毛刺和虛假邊緣，提供更準確，清晰的封閉圖像。本文分析了圖像邊緣檢測和區(qū)域生長的優(yōu)缺點，將二者巧妙、有效的結合，完成了彩色圖像的分割處理。

二、常用圖像分割方法

圖像分割人員在進行圖像處理時，根據圖像特點和具體問題采用不同的分割方法，常用彩色圖像分割方法有直方圖閾值法、特征空間聚類、基于區(qū)域的方法，基于邊緣檢測、基于模糊理論的方法和基于神經元網絡方法等，彩色圖像分割中經常會使用到RGB、YIQ、YUV、I1I2I3、HSI、Nrgb、CIE（L* a* b*）、CIE（L* u* v*）等彩色空間。在彩色圖像分割時，通常將灰度圖像分割方法和顏色空間相結合，形成更有效的分割方法。

三、彩色空間表示

顏色空間是依據多維度的空間坐標，實現(xiàn)顏色的量化。RGB是色彩基色，肉眼觀察的顏色是紅、綠、藍三種顏色的混合。彩色圖像分割的難點在于彩色空間的選取。目前，沒有一種彩色空間能超越其它所有彩色空間適合于處理所有彩色圖像[3～5]。

顏色顯示會使用RGB，但RGB分量相關性較高，不適合分割、處理彩色圖像。線性彩色空間和非線性彩色空間YIQ、YUV、I1I2I3及RGB、HSI、CIE等的引入在彩色圖像分析中起了關鍵作用。本文采用RGB和HSI兩種彩色空間相互轉換得到實驗結果。

RGB彩色空間模型是基于笛卡爾坐標系，其中R（red）指紅色，G（green）指綠色，B（blue）指藍色。HSI是一種基于色調、飽和度和亮度三分量的彩色空間模型，自然而直觀的描述不同圖像，其中H（hue）指色調，S（saturation）指飽和度，I（intensity）指亮度。

計算機使用RGB彩色空間格式實現(xiàn)彩色圖像存儲，但圖像分割算法中用 HSI 模型實現(xiàn)彩色空間轉換。本文據下述公式實現(xiàn)彩色圖像格式轉換：

四、邊緣檢測和區(qū)域生長

基于邊緣檢測的圖像分割是實現(xiàn)圖像分割最受歡迎的算法之一，邊緣檢測技術是根據區(qū)域邊緣差異，觀測像素變化值的劇烈程度選擇合適的檢測技術。串行和并行邊緣檢測技術是兩種常用檢測技術。傳統(tǒng)的對灰度圖像處理時采用的邊緣檢測方法有串行邊界查找、并行微分算子法、邊界曲線擬合、曲面擬合法、形變模型和反應一擴散方程等，均在圖像邊緣檢測時發(fā)揮重要作用，能很好的完成邊緣檢測和圖像分割。但其并不完全適用于彩色圖像邊緣分割、處理問題。彩色圖像包含的每個像素都由多個不同緯度向量組成，處理彩色圖像關鍵是彩色空間轉換，使用canny算子將RGB空間轉成HSI空間進行處理。

區(qū)域生長實質是將具有相似性質的像素點連接起來構成分割域[4～5]。使用區(qū)域生長分割圖像的關鍵是種子點提取，避免分割過度。

本文采用邊緣檢測和區(qū)域生長相結合的方法對彩色圖像進行分割，進行邊緣檢測時采用canny算子對HSI空間中的亮度變量I進行檢測獲取有效、合理的種子點，并將合理的種子點進行標記，壓入堆棧中，使用聚類消除不合理種子點，實現(xiàn)RGB向HSI轉換。并在HSI上計算分量I的梯度能夠快速、準確的得到圖像邊緣，且將邊緣作為停止區(qū)域生長的約束。結果如圖1和圖2所示。

五、實驗結果及分析

5.1實驗環(huán)境

處理器：Intel Core i5-4670T@2.30GHz

軟件：vs2012和opencv2.0

5.2 實驗步驟

本文采用邊緣檢測和區(qū)域生長實現(xiàn)彩色圖像分割，canny算子分割、提取彩色圖像邊緣信息，完成彩色圖像空間轉換。本實驗關鍵是明確該實驗中涉及的顏色空間聚類閾值有幾個，經考察本文共涉及三個閾值，分別是顏色空間點間閾值，canny算子的兩個閾值，閾值的選取成為實驗成功的關鍵。本文采用堆棧存儲種子點。步驟如下：

（1）明確編程工具：opencv2，使用結構體的鏈表存儲種子點值。

（2）使用canny算子對H（色調）、S（飽和度）和I（亮度）三分量邊緣進行檢測獲取彩色圖像邊緣信息，完成RGB到HIS空間轉換。

（3）使用遞歸方法沿著圖像邊界尋找種子點值，并計算各個區(qū)域重心，對四點領域做擴散，計算區(qū)域顏色直到邊界，入棧新種子。

（4）使用canny算子實現(xiàn)HIS到RGB顏色空間轉換，并使用濾波技術完善結果，生成最終的分割圖。結果如圖1。

圖1（b）是使用邊緣檢測法對原圖分割的結果，從結果可知，利用邊緣分割法能清楚得到目標圖像的邊緣，基本符合肉眼對邊緣的感知。

圖2（b）是用區(qū)域增長法結合邊緣分割法得到彩色圖像分割的最終結果，可以看出圖2（b）中樹葉顏色正確，邊緣清晰可見，與原圖葉子顏色和形狀基本吻合，因此使用邊緣檢測技術和區(qū)域生長方法能較準確清楚的實現(xiàn)彩色圖像分割。

六、總結

分析實驗結果，本文算法在彩色圖像分割中有很大優(yōu)勢，所得結果與人眼觀察值基本一致，但也存在空洞點較多、紋理識別不清晰的缺陷，后期的彩色圖像分割算法應盡量避免這幾個缺陷，選取更完善的算法，使處理結果更清楚、準確。

總之，使用邊緣檢測和區(qū)域生長獲得彩色圖像分割結果與人的視覺感官系統(tǒng)對事物的觀察、感知結果基本一致，達到了預期目標。

參 考 文 獻

[1] 何俊，葛紅，王玉峰.圖像分割算法研究綜述[J].計算機工程與科學，2009（12）：58-61

[2] 翁秀梅，肖志濤，楊洪薇.基于邊緣檢測和區(qū)域生長的自然彩色圖像分割[J].天津工業(yè)大學學報，2008，27（1）：50-52

[3] ChengH D，Jiang X H，Sun Y，etal. Color image segmentation： advances and prospects[J]. Pattern Recogniti on，2001，34（12）：2259-2281

[4] 林開顏，吳軍輝，徐立鴻.彩色圖像分割方法綜述[J].中國圖象圖形學報，2005，1（1）：1-10

[5] 劉紅霞.圖像分割算法的研究與實現(xiàn)[D].上海.華東師范大學.2004