李楊靜 劉藝航 王梓 王迎港 宋琳琳

摘要：文章主要對圖像分割技術(shù)進行對比與介紹，其中主要介紹了兩大類分割算法：邊緣檢測和閾值分割。邊緣檢測主要包括Prewitt算法和Canny算子，閾值分割主要包括直方圖法和最小均方誤差法。邊緣檢測能夠通過對圖像邊緣特征的提取對圖像進行檢測，從而進行圖像分割，閾值分割主要根據(jù)灰度值對圖像像素進行分類進而達到分割的效果。關(guān)鍵詞：邊緣檢測；閾值分割；特征提??；灰度值

圖像分割在整個圖像處理中是非常關(guān)鍵的一步[1]。在圖像分割過程中，輸入的是一幅原始圖像，輸出的則是從圖像中提取出來的圖像信息，這種信息就是之后進行圖像分析的關(guān)鍵。也就是說圖像分割可以把一幅圖像分成區(qū)域，這些區(qū)域有著自身的獨特性，并且圖像分割需要從這些區(qū)域中提取出感興趣的目標(biāo)[2]。

1 邊緣檢測

1.1 基于邊緣檢測

如果圖像中某區(qū)域的灰度值發(fā)生了突變，那么該區(qū)域就是圖像的邊緣。而邊緣檢測算子就是利用這一定義來檢測邊緣的。

將計算結(jié)果最大值作為這個像素點的輸出值，得到一幅邊緣幅度圖像。然后選擇一個恰當(dāng)?shù)拈T限值TH，如果p（x，y）≥TH，則（i，j）表示這個位置上的像素就是一個邊緣點，p（x，y）表示邊緣圖像。

從圖1可以看出，Prewitt算法還是能夠比較準(zhǔn)確地提取出圖像的邊緣信息的。對于一些灰度量化比明顯的區(qū)域，也能做到比較良好的提取效果。

1.2 Canny邊緣檢測

Canny算子[2-3]先用高斯函數(shù)對于圖像進行一個平滑處理，然后運用一階微分中函數(shù)的極大值來確定邊緣上各個點所對應(yīng)的位置。首先，利用高斯函數(shù)對待處理的圖像f（x，y）做平滑處理：

其中σ表示的是高斯函數(shù)的散步參數(shù)，它反映的是圖像的平滑程度。

對圖像的邊緣進行一個非極大值抑制的處理，那么就會由梯度幅值圖像得到圖像最后，對于圖像進行雙門限檢測處理以及邊緣檢測處理。

Canny算法的運行結(jié)果如圖2所示。

從實驗結(jié)果中看出，通過Canny算法進行處理過之后的圖像邊緣是不連續(xù)的。這就說明了該算法會對圖像的邊緣有一個弱化的效果，使得弱邊緣變得更加弱。

2 基于閾值分割

基于閾值的圖像分割方法[3]就是將圖像的灰度直方圖用一個或者多個閾值分成幾個類。該方法認(rèn)為如果圖像中灰度值在同一類中，則該灰度值所對應(yīng)的像素就是屬于同一個物體的。當(dāng)然了，這種方法的重點就是如何求解閾值。

2.1 直方圖法

該方法依據(jù)直方圖的谷底，也就是直方圖中的最小值來確定閾值。假設(shè)一幅圖像的背景區(qū)域和目標(biāo)區(qū)域的灰度值分布都是比較均勻的，這時根據(jù)圖像選擇這兩個峰值之間的谷底作為閾值?？梢员磉_為：

g（x）為圖像經(jīng)過閾值運算后的二值圖像函數(shù)表達式。

2.2 最小均方誤差法

用p（z）表示灰度值概率的密度函數(shù)的估計值。

先選定一個初始的閾值T，而后運用這個閾值將圖像中的像素分成兩類，采用最小均方誤差法使得選出的閾值T。

求T的表達式還要有兩個密度概率函數(shù)的表達式。圖像的前景區(qū)域的灰度利用高斯密度函數(shù)，可以表達為：

要得到均方誤差最小的參數(shù)，需要進行一系列很復(fù)雜的運算，上述的研究也是在圖像的目標(biāo)區(qū)域和背景區(qū)域中的像素點都服從高斯分布的情況下進行的。

運用直方圖閾值法對圖像的運算結(jié)果如圖4所示。

從圖中可以看出，灰度值大多分布在200左右，選擇200作為閾值對圖像進行分割處理，然后再選擇150作為閾值進行對比。不難發(fā)現(xiàn)，閾值為200時，經(jīng)過分割得到的圖像比閾值為150時得到的圖像提取出來的信息更為完善和清晰。

3 結(jié)語

本文主要研究了圖像分割中的邊緣算法和基于閾值的算法。在邊緣檢測中，首先對Prewitt算法和Canny算法進行了實驗仿真。從仿真的實驗結(jié)果可以看出，圖像的灰度大部分集中在200附近，選擇兩個閾值，一個是200，一個是150作為對比，不難發(fā)現(xiàn)閾值為200時的分割圖像比閾值為150時的圖像提取出來的信息更加完善和清晰。

[參考文獻]

[1]任小強，王佩，胡波，等.Prewitt圖像邊緣檢測算法的優(yōu)化設(shè)計與實現(xiàn)[J].中國集成電路，2016（7）：34-38.

[2]夏彬，張亞利，王飛.一種基于Canny的原棉雜質(zhì)圖像分割方法研究[J].現(xiàn)代紡織技術(shù)，2017（6）：23-26.

[3]劉尚旺，段德全，崔艷萌，等.二次定位車牌分割及識別方法[J].河南師范大學(xué)學(xué)報（自然科學(xué)版），2016（4）：151-156.