基于灰度空間大熊貓圖像分割方法研究

黃佳琪++王雪琴++曾陳穎++肖江

摘 要：大熊貓作為中國(guó)國(guó)寶，其監(jiān)測(cè)及保護(hù)更受到越來(lái)越多的關(guān)注。本文詳細(xì)介紹基于灰度空間的閾值分割方法，用于大熊貓圖片前景的提取，并與基于YCbCr顏色空間的分割算法進(jìn)行對(duì)比，分析閾值分割的適用范圍及分割效果。

關(guān)鍵詞：大熊貓 圖像分割 灰度空間 閾值

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2014）03（a）-0011-04

野生動(dòng)物的生存與發(fā)展維系著生態(tài)系統(tǒng)的平衡與穩(wěn)定，伴隨著人類社會(huì)的生存與發(fā)展，已成為人類生產(chǎn)、生活的一項(xiàng)重要戰(zhàn)略資源，是事關(guān)社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展的重要戰(zhàn)略資本。大熊貓作為中國(guó)國(guó)寶，其監(jiān)測(cè)及保護(hù)更受到越來(lái)越多的關(guān)注。在野外監(jiān)測(cè)中，如能從上傳圖片中自動(dòng)識(shí)別出大熊貓，將大大提高工作效率，減輕檢測(cè)人員勞動(dòng)力強(qiáng)度。

野外采集的大熊貓圖片識(shí)別的過(guò)程中，圖像分割是圖像檢索、識(shí)別和圖像理解的基本前提步驟。彩色圖像分割的兩個(gè)主要問(wèn)題是選著合適的顏色空間和采用合適的方法[1]，根據(jù)不同的場(chǎng)合選擇合適的顏色空間和方法，能夠得到符合人們主觀視覺(jué)感知的分割結(jié)果。目前在圖像分割領(lǐng)域中，一直沒(méi)有一個(gè)通用有效的方法，大多數(shù)方法只針對(duì)特定的應(yīng)用場(chǎng)合，由于實(shí)際圖像質(zhì)量差別很大，不同彩色圖像分割方法的效果也各有參差，所以彩色圖像分割方法的研究具有很重要的意義[2]。本文主要針對(duì)大熊貓圖像提出了三種基于顏色的圖像分割算法，通過(guò)對(duì)實(shí)驗(yàn)結(jié)果的分析對(duì)比，指出了這些算法的適用場(chǎng)合及不足。

1 圖像分割方法

圖像分割的研究多年來(lái)一直受到人們的高度重視，分割算法也層出不窮，對(duì)于圖像分割算法的分類依據(jù)也不統(tǒng)一。圖像分割方法的選擇，在很大程度上依賴于特定的圖像、成像方式以及成像中的可變因素和不變因素（如噪聲和紋理等），這些都會(huì)在很大程度上影響后繼的分割?，F(xiàn)今國(guó)內(nèi)外廣泛使用的圖像分割方法主要可分為基于閾值分割、基于變形模型分割、基于區(qū)域生長(zhǎng)分割、基于聚類法分割、基于遺傳算法分割等[3]。

1.1 基于閾值的圖像分割

在所有的圖像分割方法中，閾值法是最常用的方法，其實(shí)質(zhì)是利用圖像的灰度直方圖信息得到用于分割的閾值?；陂撝邓惴ǖ膬?yōu)點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，運(yùn)算速度快，缺點(diǎn)是難以處理包含多個(gè)前景物體的情況[4]。

對(duì)于一幅大熊貓的圖像來(lái)說(shuō)，其最顯著的特征便是大熊貓身體顏色的構(gòu)成，除部分區(qū)域因污漬、陰影和光照產(chǎn)生的輕微變化外，大熊貓身體主要由純黑和純白兩種顏色構(gòu)成。而灰度空間是由純黑、純白以及介于二者之間的各種灰色構(gòu)成，在灰度圖像上所占區(qū)間為[0，255]，因而將大熊貓彩色圖像轉(zhuǎn)化為灰度圖像能對(duì)其顏色特征進(jìn)行很好描述。本研究采用的是基于灰度空間的分割算法[5]。將大熊貓身體的黑白兩部分區(qū)域分別提取出來(lái)后合并到一起，與背景區(qū)域分開。下面將結(jié)合程序具體講解算法。

（1）分別提取大熊貓黑色和白色部分：

Q=imread（'1.jpg'）；

I=rgb2gray（Q）；

以上語(yǔ)句將讀取圖片轉(zhuǎn)變成灰度圖像。

BW1=roicolor（I，155，255）；

se1=strel（'disk'，2）；BW1=imopen（BW1，se1）；

se1=strel（'disk'，2）；BW1=imclose（BW1，se1）；

以上語(yǔ)句將灰度圖像中顏色較淺區(qū)域提取出來(lái)，先經(jīng)過(guò)腐蝕處理將背景及大熊貓邊緣含有白色雜質(zhì)部分去除，再通過(guò)膨脹處理將大熊貓主體面積大致恢復(fù)原樣。具體腐蝕膨脹的強(qiáng)度根據(jù)多次調(diào)整strel（）函數(shù)中的數(shù)值，使最終效果既不受背景影響，也不改變大熊貓白色毛發(fā)范圍。實(shí)驗(yàn)效果見圖1。

BW2=roicolor（I，0，30）；

se1=strel（'disk'，2）；BW2=imopen（BW2，se1）；

se1=strel（'disk'，2）；BW2=imclose（BW2，se1）；

以上語(yǔ)句將灰度圖像中顏色較深區(qū)域提取出來(lái)，先經(jīng)過(guò)腐蝕處理將背景及大熊貓邊緣含有黑色雜質(zhì)部分去除，再通過(guò)膨脹處理將大熊貓主體面積大致恢復(fù)原樣。實(shí)驗(yàn)效果見圖2。

（2）合并黑白部分后進(jìn)行膨脹腐蝕處理：

ADD=imadd（BW1，BW2）；

se2=strel（'disk'，5）；ADD=imclose（ADD，se2）；

se1=strel（'disk'，14）；ADDO=imopen（ADD，se1）；

se2=strel（'disk'，50）；ADDOC=imclose（ADDO，se2）；

ADDOCF=imfill（ADDOC）；

BW=im2bw（ADDOCF）；

以上語(yǔ)句將大熊貓的深色區(qū)域和淺色區(qū)域合并后，為使大熊貓的區(qū)域更加接近理想狀態(tài)，又進(jìn)行以下四步處理：（1）先進(jìn)行膨脹處理，將深色區(qū)域與淺色區(qū)域連接到一起，形成一個(gè)整體；（2）腐蝕處理，將背景中殘留部分消除；（3）膨脹處理，將大熊貓區(qū)域還原；（4）填洞，有時(shí)大熊貓區(qū)域內(nèi)部會(huì)因陰影或大熊貓手持食物而存在未被提取到的部分，造成孔洞，最后使用填洞語(yǔ)句將孔洞補(bǔ)上。實(shí)驗(yàn)效果見圖3。

（3）在原圖中顯示：

[B，L] = bwboundaries（BW，'noholes'）；

subplot（2，2，2），imshow（Q）；

hold on；

for k = 1：length（B）

boundary = B{k}；

plot（boundary（：，2）， boundary（：，1）， 'r'， 'LineWidth'， 2）endprint

end

為了觀察對(duì)比處理后區(qū)域的效果，我們用上述程序在原圖上用紅線將提取范圍的輪廓標(biāo)出，可以看出，處理達(dá)到了預(yù)期效果。將處理后的大熊貓背景設(shè)置為藍(lán)色，便于后期的特征提取。實(shí)驗(yàn)效果見圖4。

1.2 基于YCbCr顏色空間的分割算法

YCbCr顏色空間廣泛的應(yīng)用于數(shù)字影視圖像中。Y分量存儲(chǔ)亮度信息，Cb，Cr存儲(chǔ)圖像的彩色信息。其中Cb為藍(lán)色和參考值之間的差異，Cr為紅色和參考值之間的差異。YCbCr色彩系統(tǒng)是一種常見的重要的色彩系統(tǒng)，JPEG圖片采用的色彩系統(tǒng)就是該系統(tǒng)。它由YUV色彩系統(tǒng)衍生而來(lái)，Cb=k1U，Cr=k2V，其中k1、k2分別為壓縮系數(shù)，壓縮的目的是防止色差信號(hào)對(duì)亮度信號(hào)的干擾及超過(guò)亮度信號(hào)的電平，Cb和Cr則是將U和V做少量調(diào)整而得到的。Y仍為亮度信息（電視機(jī)中稱其為亮度信號(hào)）。YCbCr色彩系統(tǒng)與RGB色彩系統(tǒng)的轉(zhuǎn)換關(guān)系如下：

Y=0.299*R+0.587*G+0.114*B （1）

Cr=（R-Y）*0.713+128 （2）

Cb=（B-Y）*0.564+128 （3）

為了對(duì)背景比較復(fù)雜的大熊貓的彩色圖像準(zhǔn)確快速的進(jìn)行檢測(cè)和分割，我們參考了人臉膚色檢測(cè)方法。首先利用手工方式采集不同人種的人臉膚色樣本，在YCbCr色彩空間建立膚色樣本模型，然后利用相似度閾值進(jìn)行膚色分割，將原來(lái)較大的圖像分割成小塊的矩形區(qū)域，再計(jì)算人臉區(qū)域歐拉數(shù)來(lái)縮小搜索范圍，最后用人臉模板進(jìn)行人臉檢測(cè)。選擇YCbCr空間（Y分量表示亮度，Cb、Cr表示色度）。作為膚色分布統(tǒng)計(jì)的映射空間，優(yōu)點(diǎn)是可以將亮度和色度分開單獨(dú)處理，Cb、Cr是兩維獨(dú)立分布，能較好的限制膚色分布區(qū)域，膚色點(diǎn)能夠形成較好的聚類。研究表明YCbCr色彩空間對(duì)大熊貓膚色也具有很好的聚類效果，利用Cb和Cr分量能很好地對(duì)大熊貓顏色信息進(jìn)行聚類。為此我們采取了簡(jiǎn)單的非參數(shù)化方法來(lái)確定膚色，即通過(guò)仔細(xì)選擇閾值Cb[Cb1，Cb2]和Cr[Cr1，Cr2]利用判定規(guī)則：一個(gè)象素（i，j）如果同時(shí)滿足Cb1

從圖5的大熊貓圖像分割結(jié)果可知，對(duì)于背景較復(fù)雜，采用基于YCbCr顏色空間Cb和Cr分量聯(lián)合判別分割算法能取得很好的分割效果。

2 實(shí)驗(yàn)結(jié)果分析

傳統(tǒng)的閾值分割方法僅僅考慮了圖像的灰度信息，而忽略了圖像的空間信息，因此對(duì)于圖像中不存在明顯灰度差的圖像得不到滿意的分割結(jié)果。通常在大熊貓身處背景為黑色、白色環(huán)境中或大熊貓白色毛發(fā)被污染時(shí)，閾值分割法不能達(dá)到預(yù)期效果。

在大熊貓受到過(guò)強(qiáng)光照時(shí)，大熊貓黑色毛發(fā)部分會(huì)發(fā)亮，灰度值增大，大熊貓受到過(guò)弱光照及毛發(fā)被污染時(shí)，白色毛發(fā)部分發(fā)暗，灰度值減小。有可能超出閾值選取范圍，造成大熊貓被提取部分缺失。在大熊貓周圍環(huán)境和大熊貓毛發(fā)顏色接近且范圍較大時(shí)，普通的腐蝕無(wú)法將其去除，又容易造成提取范圍過(guò)大的問(wèn)題，因此基于閾值的圖像分割存在一定缺陷?；赮CbCr顏色空間的分割算法適用范圍不如前者廣泛，但在一定程度上可以彌補(bǔ)基于閾值的圖像分割的不足，在進(jìn)行大熊貓圖像分割時(shí)可將兩者綜合運(yùn)用，提高分割的成功率。

3 結(jié)語(yǔ)

基于閾值的圖像分割算法在部分大熊貓圖像分割上具有滿意的效果，但不能在使用同一參數(shù)的情況下，使所有大熊貓圖片的主體與背景分離。對(duì)于復(fù)雜多變情況下的圖像分割很難通過(guò)一種算法達(dá)到高效通用的目的。作者以后還將繼續(xù)研究更多適用于大熊貓圖像分割的算法，與基于閾值的圖像分割算法配合使用，提高分割適用范圍與效果。

（致謝：本文系北京林業(yè)大學(xué)2013年北京市大學(xué)生科學(xué)研究與創(chuàng)業(yè)行動(dòng)計(jì)劃項(xiàng)目（項(xiàng)目編號(hào)：S1310022034）資助。）

參考文獻(xiàn)

[1] Khang Siang Tan，Nor Ashidi Mat Isa.Color images egmentation using histogram thresholding Fuzzy C-means hybrid approach[J].Pattem Reeognition，2011，44（l）：1-15

[2] 季曉峰.基于模糊C均值聚類的彩色圖像分割算法研究[D].南京理工大學(xué)碩士學(xué)位論文，2012.

[3] 何俊，葛紅，王玉峰.圖像分割算法研究綜述[J].計(jì)算機(jī)工程與科學(xué)，2009，31（12）.

[4] 周鮮成.圖像分割方法及其應(yīng)用研究綜述[J].信息技術(shù)，2008，31（12）：11-14.

[5] 高月紅.灰度圖像分割算法的研究[J].科技信息，2009，27：409-410.

end

為了觀察對(duì)比處理后區(qū)域的效果，我們用上述程序在原圖上用紅線將提取范圍的輪廓標(biāo)出，可以看出，處理達(dá)到了預(yù)期效果。將處理后的大熊貓背景設(shè)置為藍(lán)色，便于后期的特征提取。實(shí)驗(yàn)效果見圖4。

1.2 基于YCbCr顏色空間的分割算法

YCbCr顏色空間廣泛的應(yīng)用于數(shù)字影視圖像中。Y分量存儲(chǔ)亮度信息，Cb，Cr存儲(chǔ)圖像的彩色信息。其中Cb為藍(lán)色和參考值之間的差異，Cr為紅色和參考值之間的差異。YCbCr色彩系統(tǒng)是一種常見的重要的色彩系統(tǒng)，JPEG圖片采用的色彩系統(tǒng)就是該系統(tǒng)。它由YUV色彩系統(tǒng)衍生而來(lái)，Cb=k1U，Cr=k2V，其中k1、k2分別為壓縮系數(shù)，壓縮的目的是防止色差信號(hào)對(duì)亮度信號(hào)的干擾及超過(guò)亮度信號(hào)的電平，Cb和Cr則是將U和V做少量調(diào)整而得到的。Y仍為亮度信息（電視機(jī)中稱其為亮度信號(hào)）。YCbCr色彩系統(tǒng)與RGB色彩系統(tǒng)的轉(zhuǎn)換關(guān)系如下：

Y=0.299*R+0.587*G+0.114*B （1）

Cr=（R-Y）*0.713+128 （2）

Cb=（B-Y）*0.564+128 （3）

為了對(duì)背景比較復(fù)雜的大熊貓的彩色圖像準(zhǔn)確快速的進(jìn)行檢測(cè)和分割，我們參考了人臉膚色檢測(cè)方法。首先利用手工方式采集不同人種的人臉膚色樣本，在YCbCr色彩空間建立膚色樣本模型，然后利用相似度閾值進(jìn)行膚色分割，將原來(lái)較大的圖像分割成小塊的矩形區(qū)域，再計(jì)算人臉區(qū)域歐拉數(shù)來(lái)縮小搜索范圍，最后用人臉模板進(jìn)行人臉檢測(cè)。選擇YCbCr空間（Y分量表示亮度，Cb、Cr表示色度）。作為膚色分布統(tǒng)計(jì)的映射空間，優(yōu)點(diǎn)是可以將亮度和色度分開單獨(dú)處理，Cb、Cr是兩維獨(dú)立分布，能較好的限制膚色分布區(qū)域，膚色點(diǎn)能夠形成較好的聚類。研究表明YCbCr色彩空間對(duì)大熊貓膚色也具有很好的聚類效果，利用Cb和Cr分量能很好地對(duì)大熊貓顏色信息進(jìn)行聚類。為此我們采取了簡(jiǎn)單的非參數(shù)化方法來(lái)確定膚色，即通過(guò)仔細(xì)選擇閾值Cb[Cb1，Cb2]和Cr[Cr1，Cr2]利用判定規(guī)則：一個(gè)象素（i，j）如果同時(shí)滿足Cb1

從圖5的大熊貓圖像分割結(jié)果可知，對(duì)于背景較復(fù)雜，采用基于YCbCr顏色空間Cb和Cr分量聯(lián)合判別分割算法能取得很好的分割效果。

2 實(shí)驗(yàn)結(jié)果分析

傳統(tǒng)的閾值分割方法僅僅考慮了圖像的灰度信息，而忽略了圖像的空間信息，因此對(duì)于圖像中不存在明顯灰度差的圖像得不到滿意的分割結(jié)果。通常在大熊貓身處背景為黑色、白色環(huán)境中或大熊貓白色毛發(fā)被污染時(shí)，閾值分割法不能達(dá)到預(yù)期效果。

在大熊貓受到過(guò)強(qiáng)光照時(shí)，大熊貓黑色毛發(fā)部分會(huì)發(fā)亮，灰度值增大，大熊貓受到過(guò)弱光照及毛發(fā)被污染時(shí)，白色毛發(fā)部分發(fā)暗，灰度值減小。有可能超出閾值選取范圍，造成大熊貓被提取部分缺失。在大熊貓周圍環(huán)境和大熊貓毛發(fā)顏色接近且范圍較大時(shí)，普通的腐蝕無(wú)法將其去除，又容易造成提取范圍過(guò)大的問(wèn)題，因此基于閾值的圖像分割存在一定缺陷?；赮CbCr顏色空間的分割算法適用范圍不如前者廣泛，但在一定程度上可以彌補(bǔ)基于閾值的圖像分割的不足，在進(jìn)行大熊貓圖像分割時(shí)可將兩者綜合運(yùn)用，提高分割的成功率。

3 結(jié)語(yǔ)

基于閾值的圖像分割算法在部分大熊貓圖像分割上具有滿意的效果，但不能在使用同一參數(shù)的情況下，使所有大熊貓圖片的主體與背景分離。對(duì)于復(fù)雜多變情況下的圖像分割很難通過(guò)一種算法達(dá)到高效通用的目的。作者以后還將繼續(xù)研究更多適用于大熊貓圖像分割的算法，與基于閾值的圖像分割算法配合使用，提高分割適用范圍與效果。

（致謝：本文系北京林業(yè)大學(xué)2013年北京市大學(xué)生科學(xué)研究與創(chuàng)業(yè)行動(dòng)計(jì)劃項(xiàng)目（項(xiàng)目編號(hào)：S1310022034）資助。）

參考文獻(xiàn)

[1] Khang Siang Tan，Nor Ashidi Mat Isa.Color images egmentation using histogram thresholding Fuzzy C-means hybrid approach[J].Pattem Reeognition，2011，44（l）：1-15

[2] 季曉峰.基于模糊C均值聚類的彩色圖像分割算法研究[D].南京理工大學(xué)碩士學(xué)位論文，2012.

[3] 何俊，葛紅，王玉峰.圖像分割算法研究綜述[J].計(jì)算機(jī)工程與科學(xué)，2009，31（12）.

[4] 周鮮成.圖像分割方法及其應(yīng)用研究綜述[J].信息技術(shù)，2008，31（12）：11-14.

[5] 高月紅.灰度圖像分割算法的研究[J].科技信息，2009，27：409-410.

end

為了觀察對(duì)比處理后區(qū)域的效果，我們用上述程序在原圖上用紅線將提取范圍的輪廓標(biāo)出，可以看出，處理達(dá)到了預(yù)期效果。將處理后的大熊貓背景設(shè)置為藍(lán)色，便于后期的特征提取。實(shí)驗(yàn)效果見圖4。

1.2 基于YCbCr顏色空間的分割算法

YCbCr顏色空間廣泛的應(yīng)用于數(shù)字影視圖像中。Y分量存儲(chǔ)亮度信息，Cb，Cr存儲(chǔ)圖像的彩色信息。其中Cb為藍(lán)色和參考值之間的差異，Cr為紅色和參考值之間的差異。YCbCr色彩系統(tǒng)是一種常見的重要的色彩系統(tǒng)，JPEG圖片采用的色彩系統(tǒng)就是該系統(tǒng)。它由YUV色彩系統(tǒng)衍生而來(lái)，Cb=k1U，Cr=k2V，其中k1、k2分別為壓縮系數(shù)，壓縮的目的是防止色差信號(hào)對(duì)亮度信號(hào)的干擾及超過(guò)亮度信號(hào)的電平，Cb和Cr則是將U和V做少量調(diào)整而得到的。Y仍為亮度信息（電視機(jī)中稱其為亮度信號(hào)）。YCbCr色彩系統(tǒng)與RGB色彩系統(tǒng)的轉(zhuǎn)換關(guān)系如下：

Y=0.299*R+0.587*G+0.114*B （1）

Cr=（R-Y）*0.713+128 （2）

Cb=（B-Y）*0.564+128 （3）

為了對(duì)背景比較復(fù)雜的大熊貓的彩色圖像準(zhǔn)確快速的進(jìn)行檢測(cè)和分割，我們參考了人臉膚色檢測(cè)方法。首先利用手工方式采集不同人種的人臉膚色樣本，在YCbCr色彩空間建立膚色樣本模型，然后利用相似度閾值進(jìn)行膚色分割，將原來(lái)較大的圖像分割成小塊的矩形區(qū)域，再計(jì)算人臉區(qū)域歐拉數(shù)來(lái)縮小搜索范圍，最后用人臉模板進(jìn)行人臉檢測(cè)。選擇YCbCr空間（Y分量表示亮度，Cb、Cr表示色度）。作為膚色分布統(tǒng)計(jì)的映射空間，優(yōu)點(diǎn)是可以將亮度和色度分開單獨(dú)處理，Cb、Cr是兩維獨(dú)立分布，能較好的限制膚色分布區(qū)域，膚色點(diǎn)能夠形成較好的聚類。研究表明YCbCr色彩空間對(duì)大熊貓膚色也具有很好的聚類效果，利用Cb和Cr分量能很好地對(duì)大熊貓顏色信息進(jìn)行聚類。為此我們采取了簡(jiǎn)單的非參數(shù)化方法來(lái)確定膚色，即通過(guò)仔細(xì)選擇閾值Cb[Cb1，Cb2]和Cr[Cr1，Cr2]利用判定規(guī)則：一個(gè)象素（i，j）如果同時(shí)滿足Cb1

從圖5的大熊貓圖像分割結(jié)果可知，對(duì)于背景較復(fù)雜，采用基于YCbCr顏色空間Cb和Cr分量聯(lián)合判別分割算法能取得很好的分割效果。

2 實(shí)驗(yàn)結(jié)果分析

傳統(tǒng)的閾值分割方法僅僅考慮了圖像的灰度信息，而忽略了圖像的空間信息，因此對(duì)于圖像中不存在明顯灰度差的圖像得不到滿意的分割結(jié)果。通常在大熊貓身處背景為黑色、白色環(huán)境中或大熊貓白色毛發(fā)被污染時(shí)，閾值分割法不能達(dá)到預(yù)期效果。

在大熊貓受到過(guò)強(qiáng)光照時(shí)，大熊貓黑色毛發(fā)部分會(huì)發(fā)亮，灰度值增大，大熊貓受到過(guò)弱光照及毛發(fā)被污染時(shí)，白色毛發(fā)部分發(fā)暗，灰度值減小。有可能超出閾值選取范圍，造成大熊貓被提取部分缺失。在大熊貓周圍環(huán)境和大熊貓毛發(fā)顏色接近且范圍較大時(shí)，普通的腐蝕無(wú)法將其去除，又容易造成提取范圍過(guò)大的問(wèn)題，因此基于閾值的圖像分割存在一定缺陷?；赮CbCr顏色空間的分割算法適用范圍不如前者廣泛，但在一定程度上可以彌補(bǔ)基于閾值的圖像分割的不足，在進(jìn)行大熊貓圖像分割時(shí)可將兩者綜合運(yùn)用，提高分割的成功率。

3 結(jié)語(yǔ)

基于閾值的圖像分割算法在部分大熊貓圖像分割上具有滿意的效果，但不能在使用同一參數(shù)的情況下，使所有大熊貓圖片的主體與背景分離。對(duì)于復(fù)雜多變情況下的圖像分割很難通過(guò)一種算法達(dá)到高效通用的目的。作者以后還將繼續(xù)研究更多適用于大熊貓圖像分割的算法，與基于閾值的圖像分割算法配合使用，提高分割適用范圍與效果。

（致謝：本文系北京林業(yè)大學(xué)2013年北京市大學(xué)生科學(xué)研究與創(chuàng)業(yè)行動(dòng)計(jì)劃項(xiàng)目（項(xiàng)目編號(hào)：S1310022034）資助。）

參考文獻(xiàn)

[1] Khang Siang Tan，Nor Ashidi Mat Isa.Color images egmentation using histogram thresholding Fuzzy C-means hybrid approach[J].Pattem Reeognition，2011，44（l）：1-15

[2] 季曉峰.基于模糊C均值聚類的彩色圖像分割算法研究[D].南京理工大學(xué)碩士學(xué)位論文，2012.

[3] 何俊，葛紅，王玉峰.圖像分割算法研究綜述[J].計(jì)算機(jī)工程與科學(xué)，2009，31（12）.

[4] 周鮮成.圖像分割方法及其應(yīng)用研究綜述[J].信息技術(shù)，2008，31（12）：11-14.

[5] 高月紅.灰度圖像分割算法的研究[J].科技信息，2009，27：409-410.