圖像分割綜述

何志明

（延安大學西安創(chuàng)新學院,西安 710100）

圖像分割綜述

何志明

（延安大學西安創(chuàng)新學院,西安 710100）

對圖像分割進行綜合闡述，并詳細介紹幾種常用圖像分割法，以及他們主要的特點。

圖像分割;閾值;區(qū)域

1 圖像分割概念

圖像分割是一種主要應(yīng)用于圖像處理及模式識別中的比較重要的分割圖像的方式。圖像分割的根本目的是在整體或是大區(qū)域圖像中分割出有意義或是感興趣的局部區(qū)域，這些區(qū)域一般對應(yīng)于現(xiàn)實世界的各類不同目標。為了有效的辨別、分析目標，我們就有必要將目標區(qū)域單獨劃分出來，只有在基礎(chǔ)上才有可能進一步對目標圖像的特征進行提取、分析和測量。因此，我們認為圖像分割是進行圖像分析、圖像理解和圖像描述的前提條件。

圖像分割的一個主要方法就是閾值分割法。閾值分割法主要利用閾值將一幅灰度圖變成簡單的二值圖像，從而達到分割圖像的目的。該方法的主要難度在于確定合適的灰度值，將高于該值的像素歸于一類，而將低于該值的像素歸于另一類。這個灰度值就是我們所說的“閾值”。該方法是一種簡單而有效的圖像分割法，尤其是對于有較大對比度的圖像，利用閾值分割法分割將會得到很好的分割效果。閾值分割法一般作為圖像處理、分析的第一步。簡單的閾值分割法只能產(chǎn)生一個二值圖來區(qū)分兩個不同的類，這是圖像分割法要局限性之一。閾值分割法的另一個局限性就是：在分割時，一般未考慮圖像的空間特征，使得它對噪聲特別敏感。因此，就出現(xiàn)了一些針對閾值法的改進分割算法。

簡單的理解，圖像分割就是將一幅圖像分成幾個不同的區(qū)域，或是說在一幅圖像中提取一個或是幾個有用的區(qū)域。在圖像分割時，也需要考慮圖像噪聲的影響及圖像特征的識別與提取。其中，遙感圖像的分割難度比較大，因為要飯圖像一般被噪聲污染較為嚴重，噪聲會影響閾值的選取。所以閾值法圖像分割的關(guān)鍵問題是選取一個恰當?shù)拈撝怠?/p>

2 圖像分割的關(guān)鍵問題

2.1 閾值選取

閾值分割法的主要原理是：將高于設(shè)定閾值的像素確定為目標物體對象，而將低于設(shè)定閾值的像素全部確定為背景對象。所以，該方法適用于物體和背景之間有著較大對比度的圖像。在現(xiàn)在的各種圖形圖像處理系統(tǒng)中，一般都會使用閾值法進行圖像處理。為了將物體有效的從背景中提取出來，研究人員發(fā)現(xiàn)或是發(fā)明了很多閾值確定方法，比如全局閾值法，自適應(yīng)閾值法以及最佳閾值法等。

2.2 梯度處理

若目標物體跟背景的對比度相差較大時，那么物體的邊界一般就會處于圖像梯度變化的最高點上，此時，取得最高梯度點的值就可以確定物體的邊界，就可以將物體和背景進行分割。但該方法易因噪聲關(guān)系，影響實際物體邊界的確定。因此，在進行邊界搜索與跟蹤前，一般要先進行圖像的梯度平滑處理，以減小噪聲的影響。

3 確定閾值的主要方法

3.1 雙峰法

雙峰法認為圖像的構(gòu)成主要有兩部分：背景和目標物體。因此，物體和背景會至灰度直方圖中形成兩各高峰，那么，圖像的最佳閾值就應(yīng)該出現(xiàn)在雙峰的最低處。

3.2 迭代法

迭代法主要采用的是逼近原理，它的主要步驟是：

3.3 大津法（OTSU法）

在1979年，大津提出了大津法：對于圖像I，設(shè)前景和背景的分割閾值是t，前景像素數(shù)與整圖像素數(shù)比例為w0，平均灰度值為u0，背景像素數(shù)為w1，平均灰度值為u1，則整個圖像的平均灰度值是：u=w0*u0+w1*u1。然后從最小灰度值到最大灰度值遍歷t，當t使得值g=w0*(u0-u)2+w1*(u1-u)2 最大，t就是最佳閾值。我們可將大津法這樣理解：閾值t將整個圖像分成了前景和背景兩個部分，前景取值為u0的概率是w1，而背景取值為u1的概率是w1，而像素的總均值是u，那么根據(jù)方差的定義我們就能得出上式。當前景和背景的差別越大時，上式的值越大，也就是方差越大，那么錯分的概率就越小。

在很多測試中，我們都發(fā)現(xiàn)：用大津法選的閾值，在各種情況的圖像處理上都表現(xiàn)不錯。盡管它在很多情況是都不是最佳分割，但它的分割質(zhì)量還是有一定保障的，是一種比較穩(wěn)定的分割法。因此，大津法也是一種常用分割算法。

3.4 灰度拉伸

當前景和背景對比度較小時，也就是灰度值差別不明顯時，用大律法進行分割，就會產(chǎn)生令人無法接受的大面積黑色區(qū)域，甚至有可能會丟失整圖信息。為了解決大律法的這個致命弱點，就有人提出將灰度拉伸應(yīng)用于大律法中，即通過增加灰度級數(shù)來增強前景與背景的灰度差異值。常用的灰度拉伸法是將原來的灰度級乘上同一個系數(shù)，從而加大灰度級數(shù)。而當所乘系數(shù)是1時，就成了大津法。因此，可將大津法看成是該方法的一個特例。

在實際使用中，我們發(fā)現(xiàn)對不同的圖像，乘以不同的拉伸系數(shù)時，會產(chǎn)生不同的分割效果。

4 結(jié)束語

至今，圖像分割也沒有形成一個完整的理論體系，也沒有一種算法能進行精準的圖像分割。因此，許多研究人員正在嘗試將一些新理論和新方法引入到圖像分割領(lǐng)域中。隨著計算機技術(shù)和各種新理論、新方法的應(yīng)用與改進，圖像分割技術(shù)也會不斷完善和成熟。

[1]辛月蘭.基于圖個的圖像分割綜述[J].微型電腦應(yīng)用,2012.

[2]吳冰,秦志遠.自動確定圖像二值化最佳閾值的新方法[J].繪測學院學報,2000.

[3]陽樹洪.灰度圖像閾值分割的自適應(yīng)和快速算法研究[D].重慶大學,2014.

[4]付忠良.基于圖像差距度量的閾值選取方法[J].計算機研究與發(fā)展,2001.

[5]劉松濤,殷福亮.基于圖割的圖像分割方法及其新進展[J].自動化學報,2012.

10.16640/j.cnki.37-1222/t.2016.22.197

何志明，碩士研究生，研究方向：圖像處理。