采用基于區(qū)域的自動(dòng)種子區(qū)域生長(zhǎng)法的彩色圖像分割方法.pdf

1、本文在傳統(tǒng)的種子區(qū)域生長(zhǎng)方法的基礎(chǔ)上，將分水嶺算法和種子區(qū)域生長(zhǎng)算法相結(jié)合，提出了一種基于區(qū)域的自動(dòng)種子區(qū)域生長(zhǎng)的彩色圖像分割方法。 首先，將彩色圖像從RGB空間轉(zhuǎn)換到HSI彩色空間，使用色調(diào)和飽和度來計(jì)算區(qū)域之間的差異。在此基礎(chǔ)上，使用抖動(dòng)處理來減少彩色圖像中的顏色數(shù)目，并利用中值濾波等方法做去噪聲處理。 然后，使用分水嶺算法實(shí)現(xiàn)對(duì)圖像的初始分割。由于傳統(tǒng)的分水嶺算法在對(duì)彩色圖像分割時(shí)，常常會(huì)出現(xiàn)過度分割的現(xiàn)象，以這些

2、過分割的區(qū)域?yàn)榛A(chǔ)進(jìn)行種子區(qū)域生長(zhǎng)。和傳統(tǒng)的種子生長(zhǎng)方法不同，本算法使用分水嶺算法形成的區(qū)域作為初始種子區(qū)域。 在選擇種子區(qū)域時(shí)，需要考慮兩個(gè)方面：首先被選為種子的區(qū)域必須和它的鄰接區(qū)域有較高的相似度，換言之，種子區(qū)域應(yīng)該能代表所期望得到的結(jié)果區(qū)域的屬性；另外，要求一個(gè)區(qū)域和它的鄰居區(qū)域的相對(duì)歐式距離的最大值小于一個(gè)閾值。 在區(qū)域生長(zhǎng)階段，從選取的種子區(qū)域出發(fā)，逐步將非種子區(qū)域劃分到種子區(qū)域中。由于在種子區(qū)域選取過程中，

3、有可能在所期望的結(jié)果區(qū)域中選出多個(gè)種子區(qū)域，這樣會(huì)造成過分割的效果，為此我們還要進(jìn)一步的進(jìn)行區(qū)域合并。 最后，將根據(jù)兩條規(guī)則進(jìn)行區(qū)域合并，最終實(shí)現(xiàn)彩色圖像的分割。 相對(duì)于傳統(tǒng)的種子區(qū)域生長(zhǎng)算法，本文在種子選擇和區(qū)域生長(zhǎng)步驟中使用區(qū)域代替像素，從算法時(shí)間復(fù)雜度的角度來說算法效率有較大提高；另一方面，由于區(qū)域所攜帶的圖像信息遠(yuǎn)高于像素所攜帶的圖像信息，所以使用區(qū)域做為種子更能代表所期望得到的結(jié)果區(qū)域。也能取得更好的分割效果。