馬欽國，曾 健，馬小豐，秦楠楠

（1.國網(wǎng)陜西省電力公司， 陜西 西安 710048；2.北京洛斯達(dá)科技發(fā)展有限公司，北京 100120）

基于區(qū)域生長的高壓走廊影像黑邊去除方法

馬欽國1，曾 健1，馬小豐2，秦楠楠2

（1.國網(wǎng)陜西省電力公司， 陜西 西安 710048；2.北京洛斯達(dá)科技發(fā)展有限公司，北京 100120）

影像黑邊問題極大地影響了三維GIS平臺中高壓走廊三維地形場景的展示效果。為解決這一問題，提出一種基于閾值和區(qū)域生長法的高壓走廊影像黑邊去除法。首先，根據(jù)黑邊分布特征，自動選取種子點(diǎn)。通過給生長判別準(zhǔn)則添加閾值約束條件，克服區(qū)域生長過程中過生長或欠生長的缺陷。再根據(jù)分割結(jié)果，去除原始影像中的黑邊。該方法簡單易行，數(shù)據(jù)批處理速度快，黑色區(qū)域分割結(jié)果準(zhǔn)確。

World Wind是目前較為強(qiáng)大的開源三維GIS平臺，國內(nèi)外許多三維GIS軟件都是基于它而開發(fā)的。然而，這些三維GIS平臺在顯示衛(wèi)星或者航空影像時，普遍存在影像邊緣有明顯黑邊、鋸齒的問題，如圖1中紅色矩形區(qū)域，其原因是由jpg文件有損壓縮造成的。為解決這一問題，可采用圖像分割算法，將原影像中黑邊所在的區(qū)域分割出來，并對黑邊進(jìn)行清除，然后保存為無損壓縮格式圖片，如png格式等。

圖像分割是圖像處理中最重要的研究內(nèi)容之一，其主要包括：基于閾值的圖像分割法及其改進(jìn)算法[1,2]；基于區(qū)域的圖像分割法及其改進(jìn)算法[3,4]；基于邊緣檢測的圖像分割法[5]等?；陂撝档膱D像分割方法是根據(jù)不同的特征閾值實(shí)現(xiàn)圖像像素的分類，是最常用的一種方法?；趨^(qū)域的圖像分割方法通過不斷生長，將符合一致性準(zhǔn)則的像素點(diǎn)歸為一類。基于邊緣檢測的圖像分割方法是根據(jù)邊緣檢測得到的圖像中不同區(qū)域的邊緣將圖像分類。這3類圖像分割算法都有各自的適用范圍，單獨(dú)使用其中某一種方法往往難以得到理想的分割效果[6]。本文提出一種結(jié)合閾值和區(qū)域生長法的圖像分割方法，用于去除高壓走廊影像黑邊。該方法在選取種子點(diǎn)時，充分利用了高壓走廊邊緣影像黑邊分布特征；在進(jìn)行區(qū)域生長時，加入了閾值約束條件，可避免欠生長或過生長問題。

1 高壓走廊邊緣影像黑邊

基于World Wind開發(fā)的三維GIS平臺在顯示影像切片時，可以讓RGB全為0的像素透明。如果某些像素的RGB不全為0，且值又較小，那么在球上該像素將顯示為暗黑色，而jpg格式的有損壓縮會產(chǎn)生這些暗黑色噪聲點(diǎn)，進(jìn)而造成黑邊問題。

圖2是某張jpg格式的原始影像切片的黑色噪聲點(diǎn)檢測圖。當(dāng)圖2中RGB全為0的像素顯示為白色時，可以清晰地看出影像切片中圖像邊緣確實(shí)存在大量的RGB不全為0的暗黑色像素點(diǎn)，并呈鋸齒狀分布。

圖1 影像邊緣鋸齒狀黑邊

圖2 某張?jiān)加跋袂衅暮谏肼朁c(diǎn)檢測圖

2 區(qū)域生長法

2.1 區(qū)域生長法基本原理

區(qū)域生長法最早由Zucker[3]提出，隨后有較多的改進(jìn)算法[7,8]，其基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域。具體可表達(dá)如下：

假設(shè)對一個M×N的圖像進(jìn)行分割，給每個像素一個標(biāo)記量F，F(xiàn)=0表示該點(diǎn)屬于未生長區(qū)域；F=1表示該點(diǎn)已被生長。初始時，令所有像素的F皆為0。若當(dāng)前種子點(diǎn)的坐標(biāo)為（i，j），其像素值為G（i，j），則對于點(diǎn)（i，j）的鄰域中任一像素點(diǎn)（m，n），如果滿足以下2個條件：

則令Fm,n= 1，并將像素點(diǎn)（m，n）作為當(dāng)前種子點(diǎn)。依此循環(huán)，直到?jīng)]有新像素點(diǎn)的F值被標(biāo)記為1為止，所有F值等于1的像素組成的區(qū)域就是最終分割出的區(qū)域。公式（1）中，S（G（i， j）、G（m，n））表示2個像素點(diǎn)（i， j）和（m，n）灰度值的相似程度，通常直接取2灰度值的差，即， T代表一個閾值。

在使用區(qū)域生長法時，需解決3個問題：①選取一組能正確代表待分割區(qū)域的種子點(diǎn)；②確定一個在生長過程中能將相似像素合并的生長準(zhǔn)則；③確定生長停止的條件。

2.2 區(qū)域生長法的缺陷

1）種子點(diǎn)的選取一般需要人工交互，大數(shù)據(jù)量影像批處理的效率較低；

2） 當(dāng)目標(biāo)本身灰度不均勻時，可能會產(chǎn)生欠生長現(xiàn)象；

3）當(dāng)目標(biāo)邊界模糊時，可能會產(chǎn)生過生長現(xiàn)象。

3 基于閾值和區(qū)域生長法的影像黑邊去除法

采用閾值分割法與區(qū)域生長法相結(jié)合去除影像邊緣黑邊的步驟是：①根據(jù)黑邊像素點(diǎn)分布特征，自動選取種子點(diǎn)。②確定黑色區(qū)域像素灰度最大閾值，并將其加入到傳統(tǒng)區(qū)域生長法的生長判別準(zhǔn)則中，構(gòu)成帶有閾值約束的生長判別準(zhǔn)則。③根據(jù)種子點(diǎn)和帶有閾值約束的生長判別準(zhǔn)則，分割并標(biāo)記出影像邊緣的黑色區(qū)域。④根據(jù)標(biāo)記出的黑色區(qū)域，將原始影像中相應(yīng)區(qū)域內(nèi)所有像素RGB全部置0，從而完全清除黑邊像素點(diǎn)。

3.1 種子點(diǎn)自動選取

通過大量分析發(fā)現(xiàn)，黑邊像素點(diǎn)皆存在于與影像切片邊緣連通的黑色區(qū)域中。根據(jù)這一特性，將圖片外圍一周所有像素點(diǎn)作為候選種子點(diǎn)，然后選取其中灰度值小于閾值 的像素點(diǎn)作為最終種子點(diǎn)。

3.2 帶有閾值約束的生長判別準(zhǔn)則

高壓走廊影像黑色區(qū)域圖像明暗變化不大時，將直接采用灰度值作為一致性判別依據(jù)。假定人工設(shè)置的容差（相鄰像素灰度差閾值）為T1則傳統(tǒng)區(qū)域生長法的生長判別準(zhǔn)則為：

為避免過生長問題，可在公式（3）的基礎(chǔ)上，加入黑色區(qū)域像素灰度值最大閾值T2作為一個約束條件。T2的值可采用自適應(yīng)閾值分割法中的最大類間方差法[9]或人工設(shè)定，帶有閾值約束條件的生長判別準(zhǔn)則如下：

當(dāng)判別準(zhǔn)則中包含T2的約束后，T1的值可適當(dāng)調(diào)大，能夠有效避免傳統(tǒng)區(qū)域生長法的欠生長問題。

3.3 影像邊緣黑邊去除算法步驟

1）讀取原始jpg圖片，并將其轉(zhuǎn)換為灰度圖，判斷并記錄灰度圖外圍一周灰度值小于T0的像素個數(shù)。如果個數(shù)為0，就認(rèn)為該圖片中不包含與圖片邊緣連通的黑色區(qū)域，直接跳過不處理，否則進(jìn)行下一步。

2）將上一步得到的灰度值小于T0的像素點(diǎn)全部作為種子點(diǎn)，并根據(jù)帶有閾值約束條件的區(qū)域生長法，檢測并標(biāo)記出灰度圖中所有滿足條件的像素點(diǎn)。

3）根據(jù)灰度圖中被標(biāo)記的像素點(diǎn)位置，將原始圖片中相應(yīng)位置像素的RGB全置為0。

4）將處理結(jié)果保存為png格式圖片。

其中，步驟2）中“帶有閾值約束條件的區(qū)域生長法”的具體實(shí)現(xiàn)方法如下：從種子點(diǎn)出發(fā)，判斷其周圍四鄰域的像素灰度值是否大于T2，如果灰度值大于T2，不擴(kuò)展；否則，繼續(xù)判斷周圍鄰域灰度值與種子點(diǎn)灰度值差是否大于T1。如果灰度值差大于T1，不擴(kuò)展；否則，將合并該鄰域點(diǎn)，并將其作為新的種子點(diǎn)向外繼續(xù)搜索，直到?jīng)]有新的點(diǎn)被合并為止。

4 實(shí) 驗(yàn)

實(shí)驗(yàn)數(shù)據(jù)是西安到寶雞高壓走廊的影像切片數(shù)據(jù)，共5層，切片數(shù)量為10 450張，每張切片的圖幅大小皆為512×512。原始走廊影像部分區(qū)域在三維GIS平臺上的展示效果如圖3所示，存在大量鋸齒狀黑邊。利用Visual C++實(shí)現(xiàn)了本文方法，并對實(shí)驗(yàn)數(shù)據(jù)進(jìn)行處理。圖4a ～6a中分別是3張黑邊不同分布的原始切片數(shù)據(jù)，其中，圖4a中只有一塊黑色連通區(qū)域，圖5a包含2塊黑色連通區(qū)域，圖6包含3塊黑色連通區(qū)域。圖4b、5b、6b分別是對應(yīng)圖4a、5a、6a的黑邊噪聲點(diǎn)檢測結(jié)果，圖4c～6c中分別是對應(yīng)黑邊去除后的結(jié)果影像的黑邊噪聲點(diǎn)檢測結(jié)果。在以下數(shù)據(jù)處理中，用到的參數(shù)T0、T1、T2的值分別為 5、25、30。

圖3 原始高壓走廊影像部分區(qū)域展示效果

由圖4～6可見，經(jīng)本文方法處理過的原始影像切片的黑邊完全被去除，效果較為理想。

圖5 包含2塊黑色區(qū)域的圖片處理

圖6 包含3塊黑色區(qū)域的圖片處理

圖7 處理后的高壓走廊影像部分區(qū)域展示效果

圖8 處理后的高壓走廊影像局部區(qū)域展示效果

由圖3和圖7的對比可以看出，處理后的高壓走廊影像的展示效果有明顯改善，黑邊完全去除。

5 結(jié) 語

根據(jù)閾值分割法和區(qū)域生長法的特點(diǎn)，提出結(jié)合閾值和區(qū)域生長法的圖像分割算法，可自動選取種子點(diǎn)，并有效避免欠生長、過生長問題。方法能較準(zhǔn)確地分割出與影像邊緣連通的各種黑色區(qū)域，從而去除所有黑邊。下一步需要充分利用CPU多核或GPU的計(jì)算能力來提升圖像分割效率，改進(jìn)閾值參數(shù)的確定方法等。

[1] Arifin A Z, Asano A． Image Segmentation by Histogram Thresholding Using Hierarchical Cluster analysis[J]． Pattern Recognition Letters, 2006, 27(13): 1 515-1 521

[2] Carevic D, Caelli T． Region-based Coding of Color Images Using Karhunen–Loeve Transform[J]． Graphical Models and Image Processing, 1997, 59(1): 27-38

[3] Zucker S W． Region Growing: Childhood and Adolescence[J]．Computer Graphics and Image Processing, 1976, 5(3): 382-399

[4] Jiaxin C, Sen L． Amedical Image Segmentation Method Based on Watershed Transform[C]．The Fifth International Conference on Computer and Information Technology,IEEE, 2005

[5] Canny J． A Computational Approach to Edge Detection[J]． IEEE Transactions on Pattern Analysis and Machine Intelligence, 1986 (6): 679-698

[6] 姜慧研, 張曄． 基于改進(jìn)的區(qū)域生長法的氣管與支氣管分割[J]．東北大學(xué)學(xué)報(bào):自然科學(xué)版, 2009,30(2):191-194

[7] 於猛,劉向榮,黃曉陽, 等． 改進(jìn)區(qū)域生長法及其在冠狀動脈造影圖中的應(yīng)用[J]． 廈門大學(xué)學(xué)報(bào): 自然科學(xué)版, 2013, 52(1): 38-42

[8] 李夢亮,翁正新．基于改進(jìn)區(qū)域生長法和霍夫變換的車道分割法[J]．計(jì)算機(jī)應(yīng)用與軟件, 2011, 28(12):246-248

[9] 張德豐．詳解MatLab數(shù)字圖像處理[M]．北京：電子工業(yè)出版社,2010

P237.3

B

1672-4623（2016）02-0063-03

10.3969/j.issn.1672-4623.2016.02.022

馬欽國，碩士，高級工程師，主要從事電網(wǎng)規(guī)劃與計(jì)劃管理工作。

2014-09-30。

項(xiàng)目來源：國家電網(wǎng)公司科技項(xiàng)目（SGSD0000JJGC1400792）。