论文部分内容阅读
【摘要】圖像分割是图像处理的关键步骤，图像分割就是把图像分成若干个具有独特性质的区域。图像分割的主要方法有基于阈值的图像分割、基于边缘的图像分割和基于区域生长的图像分割等。在人的视觉系统，图像边缘比其他的图像特征敏感，基于图像边缘的图像分割在区域界线间有小的间隙。基于区域生长的图像分割计算简单，对于较均匀的连通目标有较好的分割效果，但是对噪声敏感，可能导致区域内有空洞。另外，它是一种串行算法，当目标较大时，分割速度较慢，因此在设计算法时，要尽量提高效率。基于区域生长边缘的图像分割技术是边缘检测方法和区域生长方法的集成。它互补了彼此单独使用的缺点。这是本文所描述的方法首先，检测图像的边缘是通过使用canny边缘算子，然后使区域生长技术进行图像分割，非常小的区域被删除合并，噪声的影响被消除，具有较好的图像分割效果。
【关键词】Canny边缘检测；Sobel边缘检测器；图像分割
1.图像分割
图像分割是利用灰度、颜色、纹理、形状等信息按照一定标准从图像中分离出与现实世界中的物体或区域相关的有一定意义的实体，是图像理解、图像分析、模式识别、计算机视觉等领域中首要解决的关键问题之一。例如，在电子组件异常的自动检查系统中，主要分析组件图像中是否存在有缺陷的组件或断开的组件。主要是通过图像的特征对其进行图像分割，图像分割的准确性决定了计算机分析程序最终的成功或失败。
2.边缘检测技术
边缘检测是目前图像分割中最常用的方法，检测灰度级或者结构具有突变的地方，表明一个区域的终结，也是另一个区域开始的地方。这种方法主要是运用一阶和二阶导数的不连续性进行检测，但是利用导数的边缘检测对噪声敏感。以下是常用边缘检测技术：
（a）梯度算子：在图像进行分割之前，必须对图像的边缘特征进行归类。运用梯度算子找出潜在的图像边缘。梯度算子可以检测出所有方向的图像边缘，但检测出的未必是真正的边缘，所以必须选择恰当方向的梯度算子。
（b）Sobel边缘检测：在这种情况下，对输入的图像数据与3 X 3的卷积模板（即Soble算子）在水平和垂直四个方向进行卷积运算。结合运算所得的四个值，估计边缘强度和方向。当然加入对角线的四个方向进行卷积运算会更准确。
（c）Canny边缘检测：Canny算子是一个多阶段的检测过程。首先进行高斯滤波对图像去噪。然后由原始灰度图求出纵横2个梯度图，以及综合梯度图，其次结合3个梯度图来进行非极大抑制和进行边缘连接，最后对边缘进行细化。
3.基本区域生长方法
区域生长是指将成组的像素或区域发展成更大区域的过程。从种子点的集合开始，从这些点的区域增长是通过将与每个种子点有相似属性像强度、灰度级、纹理颜色等的相邻像素合并到此区域。它是一个迭代的过程，这里每个种子像素点都迭代生长，直到处理过每个像素，因此形成了不同的区域，这些区域它们的边界通过闭合的多边形定义。 图像区域分割的过程首先选择区域内某一像素点作为生长种子，然后判断其相邻像素是否满足相似性准则，如果是，将其合并到当前区域，给该像素添加区域标记，对于新合并的区域，重复上述步骤，不断重复，区域将在各个方向上不断增长，直至没有相邻像素满足相似性性准则为止，或者是满足停止准则为止。
4.整合区域增长与边缘检测
该方法用于整合边缘和区域生长图像分割方法，首先运用恰当的算子进行图像边缘检测。然后，利用被检测到的边缘区域，在改区域中选择某一个像素点作为生长种子。因此，边缘区域围绕着由边缘算子计算出的边缘选出的单个像素种子进行迭代生长，最后进行区域尺寸比较，非常小的边缘区域被删除，而不是合并。因此，可以基本消除噪声的影响。按这种方法分割图像时，该图像被分割成边缘区域和单一特性的均匀区域。
5.结论
该算法对于图像分割具有较好的效果，基本消除了噪声影响，以及弧度不均匀可能会导致的空洞和过分割，但是计算代价比较大，对图像中的阴影效果往往不是很好。 [科]
【参考文献】
［１］J.F.Canny，A Computational Approach to Edge Detection，IEEE Transac-tions on Pattern Analysis and Machine Intelligence，8（6）：679-698，1986.
［２］A.K.Jain，Fundamentals of Digital Image Processing，Prentice-Hall，Englewood Cliffs，NJ，1991.
［３］S.Marshall，G.L.Sicuranza （Editors），Advances in nonlinear signal and image processing，EURASIP Book series on Signal Processing and Communications，Hindawi Publishing Corporation，2006.
［４］F.Smarandache，J.Dezert，J.-M.Tacnet，Fusion of sources of evidence with different importances and reliabilities，in Proceedings of Fusion 2010 conference， Edinburgh，UK，July 2010.
【关键词】Canny边缘检测；Sobel边缘检测器；图像分割
1.图像分割
图像分割是利用灰度、颜色、纹理、形状等信息按照一定标准从图像中分离出与现实世界中的物体或区域相关的有一定意义的实体，是图像理解、图像分析、模式识别、计算机视觉等领域中首要解决的关键问题之一。例如，在电子组件异常的自动检查系统中，主要分析组件图像中是否存在有缺陷的组件或断开的组件。主要是通过图像的特征对其进行图像分割，图像分割的准确性决定了计算机分析程序最终的成功或失败。
2.边缘检测技术
边缘检测是目前图像分割中最常用的方法，检测灰度级或者结构具有突变的地方，表明一个区域的终结，也是另一个区域开始的地方。这种方法主要是运用一阶和二阶导数的不连续性进行检测，但是利用导数的边缘检测对噪声敏感。以下是常用边缘检测技术：
（a）梯度算子：在图像进行分割之前，必须对图像的边缘特征进行归类。运用梯度算子找出潜在的图像边缘。梯度算子可以检测出所有方向的图像边缘，但检测出的未必是真正的边缘，所以必须选择恰当方向的梯度算子。
（b）Sobel边缘检测：在这种情况下，对输入的图像数据与3 X 3的卷积模板（即Soble算子）在水平和垂直四个方向进行卷积运算。结合运算所得的四个值，估计边缘强度和方向。当然加入对角线的四个方向进行卷积运算会更准确。
（c）Canny边缘检测：Canny算子是一个多阶段的检测过程。首先进行高斯滤波对图像去噪。然后由原始灰度图求出纵横2个梯度图，以及综合梯度图，其次结合3个梯度图来进行非极大抑制和进行边缘连接，最后对边缘进行细化。
3.基本区域生长方法
区域生长是指将成组的像素或区域发展成更大区域的过程。从种子点的集合开始，从这些点的区域增长是通过将与每个种子点有相似属性像强度、灰度级、纹理颜色等的相邻像素合并到此区域。它是一个迭代的过程，这里每个种子像素点都迭代生长，直到处理过每个像素，因此形成了不同的区域，这些区域它们的边界通过闭合的多边形定义。 图像区域分割的过程首先选择区域内某一像素点作为生长种子，然后判断其相邻像素是否满足相似性准则，如果是，将其合并到当前区域，给该像素添加区域标记，对于新合并的区域，重复上述步骤，不断重复，区域将在各个方向上不断增长，直至没有相邻像素满足相似性性准则为止，或者是满足停止准则为止。
4.整合区域增长与边缘检测
该方法用于整合边缘和区域生长图像分割方法，首先运用恰当的算子进行图像边缘检测。然后，利用被检测到的边缘区域，在改区域中选择某一个像素点作为生长种子。因此，边缘区域围绕着由边缘算子计算出的边缘选出的单个像素种子进行迭代生长，最后进行区域尺寸比较，非常小的边缘区域被删除，而不是合并。因此，可以基本消除噪声的影响。按这种方法分割图像时，该图像被分割成边缘区域和单一特性的均匀区域。
5.结论
该算法对于图像分割具有较好的效果，基本消除了噪声影响，以及弧度不均匀可能会导致的空洞和过分割，但是计算代价比较大，对图像中的阴影效果往往不是很好。 [科]
【参考文献】
［１］J.F.Canny，A Computational Approach to Edge Detection，IEEE Transac-tions on Pattern Analysis and Machine Intelligence，8（6）：679-698，1986.
［２］A.K.Jain，Fundamentals of Digital Image Processing，Prentice-Hall，Englewood Cliffs，NJ，1991.
［３］S.Marshall，G.L.Sicuranza （Editors），Advances in nonlinear signal and image processing，EURASIP Book series on Signal Processing and Communications，Hindawi Publishing Corporation，2006.
［４］F.Smarandache，J.Dezert，J.-M.Tacnet，Fusion of sources of evidence with different importances and reliabilities，in Proceedings of Fusion 2010 conference， Edinburgh，UK，July 2010.