劉訓(xùn)星 馬春花

摘要：本文先介紹了什么是圖像分割，接著介紹了圖形分割方法，并闡述了在此過程可能遇到困難，以及分割完成后如何評價分割圖像所得的塊是否理想。

關(guān)鍵字：圖像分割;紋理分割;分割評價

一、引言

圖形分割已經(jīng)在線產(chǎn)品檢測、文件圖像處理、工業(yè)自動化農(nóng)業(yè)、體育和軍事等方面得到廣發(fā)的應(yīng)用。隨著通訊技術(shù)快速發(fā)展和智能化時代到，對圖像進行分割變得也越來越復(fù)雜，但是人們對分割后結(jié)果要求卻變得更高。所以研究圖像分割，從而更加有價值結(jié)果具有較高價值。

二、圖像分割技術(shù)的分析

（一）圖像分割技術(shù)的概念

圖像分割就是采用某種方法分割圖像，使得分割的圖像所得塊之間沒有重疊現(xiàn)象出現(xiàn)。要想成功分割一副圖像，要確保分割所得塊不會出現(xiàn)重疊顯得非常重要，這就要求在分割圖像前，要能夠找到各塊之間差距較大的特征，由此可見圖像分割首要解決問題就是從被分割圖像區(qū)域的劃分和特征屬性的獲取。

（二）圖像分割方法

1.模糊聚類

點擊并拖拽以移動

圖1聚類過程示意圖

模糊聚類過程如圖1所示：

（1）特征選擇：從已有的特征中①對初始對象變換取得②找到區(qū)分度最高的特征準備聚類。

（2）選擇相似性度量：受到標度和特征復(fù)雜性和多樣性影響，找到所需的相似度顯得十分重要。總之，特定的應(yīng)用決定相似性度量的選擇，相似度選擇是否恰當(dāng)決定了最終的結(jié)果是否理想。

（3）聚類算法：依據(jù)實際情況，選擇恰當(dāng)聚類算法，有效合適的算法往往具有容易理解、聚類思想和操縱方便的特點。

（4）結(jié)果驗證：通過類內(nèi)部的耦合、多次驗證聚類結(jié)果的一致性和類間的分離等方式驗證聚類結(jié)果的是否理想。

2.FCM算法

FCM是最普遍、成功一類模糊聚類算法。近些年來，F(xiàn)CM在目標識別、圖像處理得到廣泛的運用。

點擊并拖拽以移動1

在公式1中，各參數(shù)含義如下表所示。

3.KWFLICM算法

KWFLICM算法使用模糊因子，從而獲得高質(zhì)量精確度的對中心點影響程度。衰減權(quán)重因子起到提高對中心像素精確度，有助于提高運行效果。

（三）圖像分割的困難

首先圖像分割沒有正確或理想的分割方式，其次組成部件收到透視畸變、光照條件、遮擋和觀察方位情況。此外可能存在物體與背景無法正常區(qū)分的情況存在。

（四）分割評價

點擊并拖拽以移動

如圖2所示，從以下幾個方面進行評價衡量。

1.分割目標邊界韋封閉的，有助于能夠獲得連續(xù)的輪廓。

2.保留主要的特征，以免造成過度分割，放棄無關(guān)細節(jié)。

3.分割短時間完成，有助于減少運算量。

4.運用非閾值化分割，這么做的原因?qū)τ诓煌哪繕耍撝档倪x擇本身很難把握。

在實際的目標圖像分割時，還需要考慮：分割方法的選擇、分割重點的考慮（區(qū)域的相似性、不同區(qū)域的差異性）、圖像復(fù)雜性、光照不均勻和外界噪音等。在實際操作中情況，把我重點考慮目標，不能脫離約束條件，才可能獲得理想分割效果。

三、結(jié)束語

目前圖像分割存在多種方法，各有優(yōu)勢，同時也在相應(yīng)弊端，文中介紹圖像分割概念、分割方法、存在困難和評價方法。總之，圖像分割朝著精確、智能等方向發(fā)展。隨著科技不斷進步，有理由相信能夠獲得更加理想結(jié)果。

參考文獻

[1]井慧娟，張花馗.淺談圖像分割技術(shù)[J].湖南冶金職業(yè)技術(shù)學(xué)院學(xué)報，2008，8（3）：114-116.

[2]王超.基于模糊算法的圖像分割問題研究[D].山東大學(xué)，2017

[3]買月梅.基于模糊算法的圖像分割研究[D].蘭州交通大學(xué)，2014

基金項目：2019年度宣城職業(yè)技術(shù)學(xué)院校級科研振興計劃項目，編號：ZXTS201910，負責(zé)人：劉訓(xùn)星

作業(yè)簡介：劉訓(xùn)星（1981-），男，安徽宣城人，副教授，碩士，主要研究方向：數(shù)據(jù)挖掘和教育信息化。

馬春花（1982-），女，安徽宣城人，初級，本科，主要研究方向：教育信息化。