? ? 圖像分割是從圖像處理到圖像分析的關(guān)鍵技術(shù)。圖像分割的種類和方法很多，有些分割算法可直接用于任何圖像，而另一些算法只能適用于分割特殊類別的圖像。有些算法需要先對(duì)圖像進(jìn)行粗分割，因?yàn)樗鼈冃枰獜膱D像中提取出來(lái)的信息。沒(méi)有唯一的標(biāo)準(zhǔn)的方法。分割結(jié)果的好壞需要根據(jù)具體的場(chǎng)合要求衡量。
早期的圖像分割方法可以分為兩大類。一類是邊界方法，這種方法假設(shè)圖像分割結(jié)果的某個(gè)子區(qū)域在原來(lái)圖像中一定會(huì)有邊緣存在；一類是區(qū)域方法，這種方法假設(shè)圖像分割結(jié)果的某個(gè)子區(qū)域一定會(huì)有相同的性質(zhì)，而不同區(qū)域的像素則沒(méi)有共同的性質(zhì)。這兩種方法都有優(yōu)點(diǎn)和缺點(diǎn)，有的學(xué)者考慮把兩者結(jié)合起來(lái)進(jìn)行研究?，F(xiàn)在，隨著計(jì)算機(jī)處理能力的提高，很多方法不斷涌現(xiàn)，如基于彩色分量分割、紋理圖像分割。所使用的數(shù)學(xué)工具和分析手段也是不斷的擴(kuò)展，從時(shí)域信號(hào)到頻域信號(hào)處理，小波變換等等。
圖像分割主要包括4種技術(shù)：并行邊界分割技術(shù)、串行邊界分割技術(shù)、并行區(qū)域分割技術(shù)和串行區(qū)域分割技術(shù)。下面是分別對(duì)每一項(xiàng)做簡(jiǎn)單的介紹。
?1、并行邊界分割
不同圖像灰度不同，邊界處一般會(huì)有明顯的邊緣，利用此特征可以分割圖像。需要說(shuō)明的是：邊緣和物體間的邊界并不等同，邊緣指的是圖像中像素的值有突變的地方，而物體間的邊界指的是現(xiàn)實(shí)場(chǎng)景中的存在于物體之間的邊界。有可能有邊緣的地方并非邊界，也有可能邊界的地方并無(wú)邊緣，因?yàn)楝F(xiàn)實(shí)世界中的物體是三維的，而圖像只具有二維信息，從三維到二維的投影成像不可避免的會(huì)丟失一部分信息；另外，成像過(guò)程中的光照和噪聲也是不可避免的重要因素。正是因?yàn)檫@些原因，基于邊緣的圖像分割仍然是當(dāng)前圖像研究中的世界級(jí)難題，目前研究者正在試圖在邊緣提取中加入高層的語(yǔ)義信息。
在實(shí)際的圖像分割中，往往只用到一階和二階導(dǎo)數(shù)，雖然，原理上，可以用更高階的導(dǎo)數(shù)，但是，因?yàn)樵肼暤挠绊?#xff0c;三階以上的導(dǎo)數(shù)信息往往失去了應(yīng)用價(jià)值。二階導(dǎo)數(shù)還可以說(shuō)明灰度突變的類型。在有些情況下，如灰度變化均勻的圖像，只利用一階導(dǎo)數(shù)可能找不到邊界，此時(shí)二階導(dǎo)數(shù)就能提供很有用的信息。二階導(dǎo)數(shù)對(duì)噪聲也比較敏感，解決的方法是先對(duì)圖像進(jìn)行平滑濾波，消除部分噪聲，再進(jìn)行邊緣檢測(cè)。不過(guò)，利用二階導(dǎo)數(shù)信息的算法是基于過(guò)零檢測(cè)的，因此得到的邊緣點(diǎn)數(shù)比較少，有利于后繼的處理和識(shí)別工作。
Roberts算子：邊緣定位準(zhǔn)，但是對(duì)噪聲敏感。適用于邊緣明顯且噪聲較少的圖像分割。
Prewitt算子：對(duì)噪聲有抑制作用，抑制噪聲的原理是通過(guò)像素平均，但是像素平均相當(dāng)于對(duì)圖像的低通濾 ? ??波，所以Prewitt算子對(duì)邊緣的定位不如Roberts算子。
Sobel算子：Sobel算子和Prewitt算子都是加權(quán)平均，但是Sobel算子認(rèn)為，鄰域的像素對(duì)當(dāng)前像素產(chǎn)生的影 ? ? ?響不是等價(jià)的，所以距離不同的像素具有不同的權(quán)值，對(duì)算子結(jié)果產(chǎn)生的影響也不同。一般來(lái) ? ?說(shuō)，距離越遠(yuǎn)，產(chǎn)生的影響越小。
Isotropic Sobel算子：加權(quán)平均算子，權(quán)值反比于鄰點(diǎn)與中心點(diǎn)的距離，當(dāng)沿不同方向檢測(cè)邊緣時(shí)梯度幅 ? ?度一致，就是通常所說(shuō)的各向同性。
上面的算子時(shí)利用一階導(dǎo)數(shù)的信息。
Laplacian算子：這時(shí)二階微分算子。其具有各向同性，即與坐標(biāo)軸方向無(wú)關(guān)，坐標(biāo)軸旋轉(zhuǎn)后梯度結(jié)果不變。但是，其對(duì)噪聲比較敏感，所以，圖像一般先經(jīng)過(guò)平滑處理，因?yàn)槠交幚硪彩怯媚０暹M(jìn)行的，所以，通常的分割算法都是把Laplacian算子和平滑算子結(jié)合起來(lái)生成一個(gè)新的模板。
2、串行邊界分割

? ?并行邊緣檢測(cè)的方法，對(duì)圖像的每一點(diǎn)上所做的處理不依賴于其它的點(diǎn)處理結(jié)果。串行邊界分割在處理圖像時(shí)不但利用了本身像素的信息，而且利用前面處理過(guò)像素的結(jié)果。對(duì)某個(gè)像素的處理，以及是否把它分類成為邊界點(diǎn)，和先前對(duì)其它點(diǎn)的處理得到的信息有關(guān)。串行邊界分割技術(shù)通常是通過(guò)順序的搜索邊緣點(diǎn)來(lái)工作的，一般有三個(gè)步驟：1.起始邊緣點(diǎn)的確定。

2.搜索準(zhǔn)則，將根據(jù)這個(gè)準(zhǔn)則確定下一個(gè)邊緣點(diǎn)。

3.終止條件，設(shè)定搜索過(guò)程結(jié)束的條件。

? ? 邊界跟蹤是一種串行邊界分割的方法。
? ? 邊界跟蹤是由梯度圖中一個(gè)邊緣點(diǎn)出發(fā)，搜索并連接邊緣點(diǎn)進(jìn)而逐步檢測(cè)所有邊界的方法。在并行邊界分割法中，邊緣像素不一定能夠組合成閉合的曲線，因?yàn)檫吔缟嫌锌赡軙?huì)遇到缺口。缺口可能太大而不能用一條直線或曲線連接，也有可能不是一條邊界上的缺口。邊界跟蹤的方法者可以在一定程度上解決這些問(wèn)題，對(duì)某些圖像，這種方法的分割結(jié)果更好。具體算法是，先對(duì)原圖像進(jìn)行梯度運(yùn)算，然后進(jìn)行邊界跟蹤算法。1.起始點(diǎn)：對(duì)梯度圖搜索，找到梯度最大點(diǎn)，做為邊界跟蹤的開始點(diǎn)。2.生長(zhǎng)規(guī)則：在這個(gè)點(diǎn)的8鄰域像素中，梯度最大的點(diǎn)被當(dāng)做邊界，同時(shí)，這個(gè)點(diǎn)還會(huì)做為下一個(gè)搜索的起始點(diǎn)。3.終止條件：按照2的準(zhǔn)則一直搜索，直到梯度絕對(duì)值小于一個(gè)閾值時(shí)，搜索停止。有時(shí)為了保證邊界的光滑性，每次只是在一定的范圍的像素中選擇，這樣得到的邊界點(diǎn)不但能保證連通性，還能保證光滑性。
3、并行區(qū)域分割
? ? ?并行區(qū)域分割主要有兩種方法：閾值分割和聚類。
? ? ?直接的閾值分割一般不能適用于復(fù)雜景物的正確分割，如自然場(chǎng)景，因?yàn)閺?fù)雜景物的圖像，有的區(qū)域很難判斷究竟是前景還是背景。不過(guò)，閾值分割在處理前景和背景有很強(qiáng)的對(duì)比的圖像時(shí)特別有用，此時(shí)需要的計(jì)算復(fù)雜度小。當(dāng)物體的灰度級(jí)比較集中時(shí)，簡(jiǎn)單的設(shè)置灰度級(jí)閾值提取物體是一個(gè)有效的辦法。
? ? ?閾值方法分為全局閾值和局部閾值兩種，如果分割過(guò)程中對(duì)圖像上每個(gè)像素所使用的閾值都相等，則為全局閾值方法；如果每個(gè)像素所使用的閾值可能不同，則為局部閾值方法。最佳全局閾值的確定的常用方法一般有下面幾種：試驗(yàn)法，直方圖法，最小誤差法（這種方法是假設(shè)背景和前景的灰度分布都是正態(tài)分布的）。當(dāng)光照不均勻、有突發(fā)噪聲，或者背景灰度變化比較大時(shí)，整幅圖像分割將沒(méi)有合適的單一門限，因?yàn)閱我坏拈撝挡荒芗骖檲D像各個(gè)像素的實(shí)際情況。這時(shí)，可對(duì)圖像按照坐標(biāo)分塊，對(duì)每一塊分別選一閾值進(jìn)行分割，這種與坐標(biāo)相關(guān)的閾值稱為動(dòng)態(tài)閾值方法，也稱為自適應(yīng)閾值方法。這類方法的時(shí)間和空間復(fù)雜度比較大，但是抗噪聲能力比較強(qiáng)，對(duì)采用全局閾值不容易分割的圖像有較好的效果。自適應(yīng)閾值選取的比較簡(jiǎn)單的方法時(shí)對(duì)每一個(gè)像素確定以它為中心的一個(gè)鄰域窗口，計(jì)算窗口內(nèi)像素的最大和最小值，然后取它們的均值做為閾值。對(duì)圖像分塊后的每一個(gè)子塊可以采用直方圖分析，如果某個(gè)子塊內(nèi)有目標(biāo)和背景，則直方圖呈雙峰。如果塊內(nèi)只有目標(biāo)或背景，則直方圖沒(méi)有雙峰，可根據(jù)鄰域各塊分割得到的參數(shù)插值進(jìn)行分割。實(shí)際的自適應(yīng)閾值分割完全可以根據(jù)圖像的實(shí)際性質(zhì)，對(duì)每個(gè)像素設(shè)定閾值，但這個(gè)過(guò)程要考慮到實(shí)際的要求和計(jì)算的復(fù)雜度問(wèn)題。
4.串行區(qū)域分割

? ? 串行區(qū)域分割一般可分為兩種方法：一種是區(qū)域生長(zhǎng)，二是分裂合并。區(qū)域生長(zhǎng)是指從某個(gè)像素出發(fā)，按照一定的準(zhǔn)則，逐步加入鄰近像素，當(dāng)滿足一定的條件時(shí)，區(qū)域生長(zhǎng)終止。

? ? 區(qū)域生長(zhǎng)的好壞決定于1.初始點(diǎn)（種子點(diǎn)）的選取2.生長(zhǎng)準(zhǔn)則3.終止條件。

? ? 區(qū)域生長(zhǎng)是從某個(gè)或者某些像素點(diǎn)出發(fā)，最后得到整個(gè)區(qū)域，進(jìn)而實(shí)現(xiàn)目標(biāo)的提取。分裂合并差不多是區(qū)域生長(zhǎng)的逆過(guò)程：從整個(gè)圖像出發(fā)，不斷分裂得到各個(gè)子區(qū)域，然后再把前景區(qū)域合并，實(shí)現(xiàn)目標(biāo)的提取。分裂合并的假設(shè)是對(duì)于一幅圖像，前景區(qū)域由一些相互連通的像素組成，因此，如果把一幅圖像分裂到像素級(jí)，那么就可以判定該像素是否為前景像素，當(dāng)所有像素點(diǎn)或者子區(qū)域完成判斷后，把前景區(qū)域或像素合并就可得到前景目標(biāo)。

總結(jié)

以上是生活随笔為你收集整理的图像分割方法介绍的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。