计算机图像分割技术研究现状概述论文
摘 要：图像分割是图像处理到图像分析重要的步骤，同时也是一个经典难题。自20世纪70年代起，研究者们就一直高度重视图像分割，并已经提出上百种分割方法，但至今没有一种通用的方法。本文从传统和新型角度出发，整理和分析了大量的研究文献，具体介绍基于区域、边界、特定理论的分割方法。
1 图像分割概念
图像分割，就是将一副图像通过一定的方法分割成不同的区域，同一区域表现出相同或相似的特征，如灰度、颜色、纹理等，而不同的区域之间有明显的差异。简单地说，就是从一副图像的背景中分离出目标[1]。图像分割在很多领域都有着非常广泛的应用，并涉及不同类型的图像。
2 图像分割的基本表达
设集合 表示一副图像占据的整个空间区域， 是定义在集合 的点上的一个逻辑属性，对 分成满足下列条件的非空子集区域 ：
由以上基础知识，我们可以把图像分割的方法分为基于区域、边界、特定理论的方法。在生活应用中，图像分割根据以上五个准则，把感兴趣的目标区域提取出来。
3 基于区域的分割方法
这种方法就是将一副图像分割成多个区域，将区域内特征相似的归为一类，使区域内像素都满足于灰度、形状等特征的一种相似性准则。
3.1 阈值法
阈值法已是研究者们极为常用的分割方法，由于图像在灰度特性上目标和背景总有差别，通常我们把一幅图像看作具有不同灰度级的区域组合，再选取一个适合的阈值，就能判断像素点是属于目标还是背景区域，从而生成对应的二值图像。由此可见，阈值法不仅处理直观，实现简单，而且计算速度快。
3.1.1 直方图阈值分割
一副图的灰度级取值范围为 ，设灰度级 的像素数为 ，则一副图像的总像素 为： ，灰度级 出现的概率定义为: 。
灰度直方图是一种二维关系，即像素数 与灰度 ，它表示的是一种统计特性，这种方法是将像素灰度作为属性的基础。
Prewitt在20世纪60年代中期，提出了直方图双峰法，即当直方图出现双峰状时，选取两峰的谷底所对应的值当作阈值。Doyle提出的Ptile法是早期的基于灰度直方图的自动阈值选择方法，该方法计算简单，抗噪声性能较好。
3.1.2 类间方差阈值分割
最大类间方差法是由Ostu提出的，它的推导是在判断分析最小二乘法原理的基础上得出的，该算法较为简单，是一种被广为关注的阈值选取方法，这种方法被认为是阈值分割中的经典算法。
3.1.3 最大熵阈值分割
最大熵阈值分割，是最重要的阈值法之一，该方法减少了人的主观参与，对于最佳阈值的选取不依赖于人的主观判断，而是利用计算机的自动选取。P·Sahoo[2]等人提出了用Renyi熵代替常规熵的最大熵原则，该方法提高了计算机阈值选取的速度。
3.1.4 模糊阈值分割
1983年Pal等人提出模糊阈值分割，它是以模糊数学为理论依据，将图像看成一个模糊阵列，在选取阈值的时候，要计算图像的模糊率或模糊熵。
3.2 区域增长法和分裂合并区域方法
3.2.1 区域增长法
作为区域分割的方法，最基本的是区域增长法。这种方法是预先定义我们需要的性质，从一组“种子”点开始，将与定义的性质相似的像素添加到种子上，形成生长区域(如特定范围的灰度或颜色)。这种方法的特点为将处理过程分解为多个顺序步骤，前面步骤的.处理结果得到判断后才能进行后面步骤的处理。
3.2.2 分裂合并法
该方法的思想是通过分裂的条件把一副图像分割成不同的区域，再定义合并的规则使区域完成合并，从而实现对区域分割的目的。
Horowtiz和Pavlids[4]最早用这种方法分割图像，开始使用的均匀性测试准则是每块图像区域中极大与极小值之差是否在允许的偏差范围，后来又发展到用统计检验和模型拟合等。该方法对复杂图像能产生较好的分割结果，但算法较复杂，计算量较大。
4 基于边界的分割方法
由于不同的区域像素灰度会呈现出不连续，该方法就是利用这种特点，检测出这些区域的边缘，再通过一定的准则将它们连成边界，把图像分成不同的区域，这样就实现了图像分割。
4.1 微分算子法
图像内不同区域之间总有边缘，边缘处像素灰度值具有不连续性，正因为这种不连续性，我们能通过求导数来检测到。我们在实际工作中，常用的一阶微分算子有Roberts、Sobel、Prewitt边缘算子，二阶微分算子有Laplacian和Kirsh算子等。微分算子法的优点是速度较快、计算简单，不过也有一定的缺点那就是对噪声的干扰比较敏感。
4.2 边界追踪法
这种方法是从二值图的一边缘点出发，其目标和背景点分别标为1和0，一次搜索并链接相邻边缘点，从而实现对图像边界的检测。按顺时针方向进行，采用合理的搜索机理，按照搜索的完结条件完成边界的追踪，最终实现边缘的提取。
【计算机图像分割技术研究现状概述论文】相关文章：