机器视觉中图像分割问题研究_侯远韶.pdf

《机器视觉中图像分割问题研究_侯远韶.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第26卷第2期洛阳理工学院学报(自然科学版)Vol.26No.22016年6月JournalofLuoyangInstituteofScienceandTechnology(NaturalScienceEdition)Jun.2016机器视觉中图像分割问题研究侯远韶，张瑶(郑州工业应用技术学院信息工程学院，河南郑州451100)摘要:随着机器视觉技术的普遍应用，图像的采集、处理越来越受到人们的重视。图像分割作为图像处理的重要一环，影响着图像预处理的效果，同时也是后续图像进行分析、理解的基础。现有的图像分

2、割技术没有一个统一的理论体系，不能够根据不同的图像特征选择合适的分割算法。本文分析了现有图像分割技术的原理及应用，在阈值分割技术的基础上，提出了基于模糊阈值的自适应背景区域分割方法。实验表明这种方法在不影响图像理解精确度的前提下，能够有效提高算法的使用范围。关键词:机器视觉;图像分割;自适应技术;模糊阈值DOI:10．3969/i．issn．1674－5403．2016．02．017中图分类号:TP391.4文献标识码:A文章编号:1674－5403(2016)02－0076－05机器视觉系统综合了图像

3、采集、图像处理、图像分析技术，而图像分割作为图像处理至关重要的一环，影响着整个机器视觉系统的精确度。图像处理技术分为两大类即模拟图像处理和数字图像处理，机器视觉里的图像处理通常就是指数字图像处理。图像分割是指把图像分成各具特性的区域，然后通过不［1］同的特征提取算法对这些区域进行特征提取，继而得到图像的分类信息。而图像分割的依据可以是灰度、颜色、纹理等，目标可以是单个区域也可以是多个区域的集合。图像分割算法具有相关性，不同分割对象的准则不尽相同。现有的图像分割算法缺乏一个统一的理论体系，不能有效地针对不

4、同的图像选择合适的分割算法。1图像分割的定义图像分割是根据每个区域的一致性和不同区域的差异性将图像分割成互不相交的部分，进而得到图像分类。图像分割的数学定义为:假设图像区域数据用Ｒ表示，图像分割可以看作是将Ｒ根据不同的条件分成几若干个非空的连通子集Ｒ1，Ｒ2，…Ｒn:n(1)∪Ｒi=Ｒ;i=1(2)当i≠j时，则Ｒi∩Ｒj=φ;(3)当i=1，2，…n时，P(Ｒi)=true;(4)当i≠j时，P(Ｒi∪Ｒj)=flase。条件(1)指出，图像分割的子集应包含图像的每个像素，即全部子区域的总和即为原始图

5、像，确保图像原始数据没有丢失。条件(2)指出，根据不同的特征取值划分的各个子区域互不重叠，即图像分类明确。条件(3)指出，图像分割的各个子集特征值明显，同一子集特征值相近，继而对同类数据进行归类整理。条件(4)则指出，不同子集间特征值差距尽可能大，便于特征分类。图像分割的数学定义描述了图像分割的形式，其中P需要根据不同的分割算法进行定义，没有统一的标准，因此图像分割算法具［2］有很强的针对性。收稿日期:2016－02－20作者简介:侯远韶(1986－)，男，河南平顶山人，硕士，讲师，主要从事机器视觉与图

6、像处理方面的研究．基金项目:河南省科技攻关计划项目(0721002210032)．第2期侯远韶等:机器视觉中图像分割问题研究772几种典型的图像分割技术由于图像分割受制于低级视觉中图像预处理的效果，同时又影响着高级视觉中各种应用的最终输出质量，因此可以说图像分割是连接低级视觉和高级视觉的桥梁和纽带。2.1阈值分割方法根据分析的数据信息，基于阈值的分割技术可以分为局部阈值方法和全局阈值方法;而根据对阈值取值精确度的要求，可以分为模糊阈值和精确阈值方法;根据对阈值使用区域的不同，又可以分为局部［3］阈值方法

7、和全局阈值方法。选择合适的阈值是阈值分割的核心问题，合适的阈值可以大大简化计算的复杂度，进而影响后续的图像分类。灰度直方图作为最常用最简单的方法其步骤为:首先得到各个灰度级的概率分布密度，然后根据相应准则选取一个或多个阈值，从而得到弧度数据的分类。阈值选取准则决定了阈值算法的不同，常见阈值分割方法如表1所示。表1常见阈值分割方法准则方法优点缺点分割得到的目标和背景的概率应该等于其先验概率p-分位数无需搜索和迭代严重依赖对先验概率的估计最优阈值位于目标和背景两个概率分布的交叠处最频值法计算简单要求直方图有

8、明显的双峰特性使目标类和背景类的类内方差最小、类间方差最大Otsu方法效果稳定、计算简单目标和背景的面积相近图像的某种后验熵最大熵方法计算简单对直方图数据模型有特殊要求贝叶斯判别误差最小最小误差法计算简单对直方图模型有要求分割前后图像的矩量保持不变矩量保持法无需迭代和搜索稳定性不高上述阈值分割方法的前提是目标和背景的灰度值存在较大差异，而现实中由于噪声和其他因素的干扰，这一特性很难得到精确实现。2.2边缘检测的图像分割方法边缘作为目标提取和