【正文】 文的研究?jī)?nèi)容主要包括：(1) 針對(duì)當(dāng)前主流的彩色圖像分割算法進(jìn)行了分析、分類、歸納與總結(jié)，首先對(duì)多年來彩色圖像分割領(lǐng)域中出現(xiàn)的彩色空間進(jìn)行了總結(jié)，指出了各類彩色空間在彩色圖像分割中的優(yōu)缺點(diǎn)，為人們進(jìn)行彩色圖像分割時(shí)選擇合適的彩色空間提供了依據(jù)。2．彩色圖像分割研究．?dāng)?shù)字圖像處理概述圖像在人類的感知當(dāng)中扮演著非常重要的角色，人類隨時(shí)隨時(shí)都要接觸圖像。圖像就是采用各種觀測(cè)系統(tǒng)獲得的，能夠?yàn)槿祟愐曈X系統(tǒng)所感覺的實(shí)體。20世紀(jì)50年代，人們開始對(duì)數(shù)字圖像處理技術(shù)進(jìn)行系統(tǒng)的研究。目前，數(shù)字圖像處理已成為人們認(rèn)識(shí)世界和改造世界的重要方法。顏色特征是圖像分割中應(yīng)用最為廣泛的特征。自然界中的所有顏色都可以由紅，綠，藍(lán)(R,G,B)三原色組合而成。這樣，根據(jù)紅、綠、藍(lán)各種不同的組合我們就能表示出256*256*256(約1600萬)種顏色。RGB顏色空間是基于三基色理論開發(fā)的顏色相加的顏色模型，它的物理意義很清晰，且顏色的生成不難實(shí)現(xiàn)，因此RGB顏色空間是電子輸入設(shè)備使用最多的顏色語(yǔ)言，如顯示器，掃描儀和數(shù)碼相機(jī)等。（3）YIQ,YUV顏色空間YIQ和YUV都產(chǎn)生一種亮度分量信號(hào)和兩種色度分量信號(hào)。（4）HIS顏色空間相對(duì)于RGB空間來說HIS彩色空間更符合人眼對(duì)顏色的感覺和認(rèn)知。HSI彩色空間可以用一個(gè)圓柱體來表示，如圖21所示。表示黃色，120176。飽和度S分量是HIS顏色空間中軸線到彩色點(diǎn)的半徑的長(zhǎng)度。圖21　HIS彩色空間從RGB到HIS的轉(zhuǎn)換為： ()上面三個(gè)式子中如果強(qiáng)度為零，飽和度就沒有定義，如果飽和度為零，色調(diào)就沒有意義。常用的彩色圖像分割方法有閾值化方法、基于邊緣的方法、分水嶺方法、區(qū)域生長(zhǎng)法和區(qū)域合并法等[1014]。閾值化方法對(duì)物體彼此不接觸，且物體與背景有著明顯差異的灰度值時(shí)，反映在直方圖上就是物體和背景都有不同的峰，選取的閾值就應(yīng)位于直方圖兩個(gè)不同峰之間的谷上，以便于工作將各個(gè)峰分開，得到的分割結(jié)果也會(huì)更理想。閾值化方法不需要先驗(yàn)信息，且計(jì)算量較小，但缺點(diǎn)是：(1)單獨(dú)基于顏色分割得到的區(qū)域可能是有缺陷的；(2)在復(fù)雜圖像的各個(gè)分量直方圖中并可能不存在明顯的谷，用來進(jìn)行閾值化分割；(3)當(dāng)像素顏色映射到3個(gè)直方圖的不同點(diǎn)時(shí)，顏色信息會(huì)發(fā)散；(4)沒有利用局部空間信息[15]。在邊緣圖像的8鄰域內(nèi)，每個(gè)非0幅值的像素，考察由邊緣方向指出的兩個(gè)鄰接像素，假如兩個(gè)鄰接像素的幅值都超過當(dāng)前考察像素的幅值，就將它們標(biāo)記出去除，直到所有像素都考察過。在邊緣圖像中，裂縫邊緣就是進(jìn)行上下文鄰域評(píng)價(jià)的經(jīng)典例子。(3) 邊界跟蹤法[18]如果區(qū)域的邊界未知，而區(qū)域本身在圖像中已定義，則邊界可以唯一地被檢測(cè)出來。Hough變換可以用來檢測(cè)任意形狀的物體，如果待搜索形狀的解析公式并不存在，廣義Hough變換就會(huì)根據(jù)在學(xué)習(xí)階段中檢測(cè)到的樣本情形構(gòu)建一個(gè)參數(shù)曲線描述。相比于簡(jiǎn)單的閾值分割，分水嶺算法是一種自適應(yīng)迭代閾值分割算法。物體經(jīng)標(biāo)記后就可以用形態(tài)的分水嶺變換進(jìn)行區(qū)域生長(zhǎng)。分水嶺分割后的圖像是由幾個(gè)互不重疊的區(qū)域構(gòu)成。生長(zhǎng)過程是：當(dāng)所考察的像素與種子像素顏色值差的絕對(duì)值小于給定閾值T時(shí)，就將該像素標(biāo)記為與種子像素相同的顏色值。制定合并準(zhǔn)則是進(jìn)行合并的重點(diǎn)。第二章介紹的眾多顏色空間中，HIS色彩空間根據(jù)人的視覺系統(tǒng)，用色調(diào)、飽和度、亮度來描述色彩的。在計(jì)算機(jī)中，彩色數(shù)字圖像的存儲(chǔ)一般都是RGB顏色空間。 g=rgb(:,:,2)。 theta=acos(num./(den+eps))。 num=min(min(r,g),b)。 H(S==0)=0。采用3*3鄰域可以避免在像素之間內(nèi)插點(diǎn)上計(jì)算梯度。(2) 種子與其鄰域像素有高度的顏色相似性，通過顏色距離并選擇合適的閾值判斷。區(qū)域生長(zhǎng)之后，會(huì)產(chǎn)生多個(gè)區(qū)域，將這些區(qū)域中屬于同一區(qū)域的進(jìn)行區(qū)域合并，把像素之間特征相對(duì)距離變成兩個(gè)區(qū)域平均特征的相對(duì)距離判定就可。將原圖像進(jìn)行保持邊緣信息的自適應(yīng)濾波，將濾波后的圖像進(jìn)行Sobel邊緣檢測(cè)，因?yàn)槠淦揭撇蛔冃?，在變換域求得多尺度邊緣和融合的紋理特征，在區(qū)域生長(zhǎng)和合并中。本文闡述了一種基于Sobel算子提取邊緣和紋理特征，結(jié)合了區(qū)域生長(zhǎng)和區(qū)域合并的方法實(shí)現(xiàn)了彩色圖像的分割，而且能準(zhǔn)確提取目標(biāo)的輪廓與區(qū)域，為機(jī)器視覺中的目標(biāo)匹配、跟蹤和識(shí)別打下了很好的基礎(chǔ)。參考文獻(xiàn)[1] 曾璐. 彩色圖像分割技術(shù)研究[D].武漢：.[2] 劉杰. 基于分水嶺與區(qū)域生長(zhǎng)的彩色圖像分割算法研究[D]. 長(zhǎng)沙：湖南師范大學(xué)碩士論文，2009.[3] 章三妹. 基于聚類和區(qū)域生長(zhǎng)的彩色圖像分割方法[D].成都：成都理工大學(xué)碩士論文，2008.[4] 王佳男. 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[D]. 長(zhǎng)春：.[5] ， experiments　on　variable　thresholding[J]．Pattern ,11(3):191204．[6] 嚴(yán)學(xué)強(qiáng)，葉秀清，劉濟(jì)林基于量化圖像直方圖的最大熵閾值處理算法[J]．模式識(shí)別與人工智能．1998,11(3)：352358．[7] sergey ,Tatjana neural network for adaptive color image 1997 Vol．3030，7074．[8] Arthur ,G..Eric Segmentation in the HIS color space using the kmeans 1997 Vol．3026，143154．[9] K M Kim，C S Lee，Y H Ha．Color image quantization using weighted distortion measure of HVS color activity[C]．IEEE International Comference on Pattern Recognition．1996：10351039．[10] 林開顏，吳軍輝，徐立鴻．彩色圖像分割方法綜述[J]．中國(guó)圖象圖形學(xué)報(bào)，2005，1(10)：110．[11] 付煒，黃志高，張瑞芳．基于閾值化分割與小波變換的彩色數(shù)字水印算法[J]．電子測(cè)量技術(shù)，2006，6(29)：129131．[12] 金軍．基于子塊的區(qū)域生長(zhǎng)的彩色圖像分割算法[J]．計(jì)算機(jī)工程與應(yīng)用，2008，44(1)：8283．[13] 柳萍，陽(yáng)愛民．一種基于區(qū)域的彩色圖像分割方法[J]．計(jì)算機(jī)工程與應(yīng)用，2007，43(6)：3739，64．[14] 龔巍，林茂松．一種改進(jìn)的邊緣生長(zhǎng)彩色圖像分割方法[J]．微電子學(xué)與計(jì)算機(jī)，2007，24(6)：194197．[15] Geman,D. amp。這三年來，陳老師嚴(yán)謹(jǐn)求實(shí)的治學(xué)態(tài)度、誨人不倦的師德和一絲不茍的工作作風(fēng)使我受益匪淺；他樸實(shí)的生活作風(fēng)、淵博的學(xué)識(shí)以及對(duì)科學(xué)研究事業(yè)執(zhí)著追求的精神給我留下了深刻的印象，并使我終生受益，也是我未來學(xué)習(xí)的榜樣！在這里還要感謝物電學(xué)院的所有領(lǐng)導(dǎo)和老師三年來對(duì)我的培養(yǎng)和關(guān)懷，是他們?yōu)槲姨峁┝肆己玫膶W(xué)習(xí)環(huán)境和機(jī)會(huì)。39。rgb=im2double(rgb)。 num=*((rg)+(rb))。 H(bg)=2*piH(bg)。 den(den==0)=eps。 S=im2uint8(S)。H=double(H)。imshow(uint8(S))。imshow(uint8(I))。for i=1:m for j=1:n if (S(i,j)=100) S1(i,j)=255。for i=1:m for j=1:n if (S1(i,j)==0) H(i,j)=0。for i=1:m for j=1:n if (S1(i,j)==255) I(i,j)=0。for i=1:m for j=1:n if (S1(i,j)==0) H1(i,j)=h1(i,j)。imshow(uint8(hsi))。new_f_y=new_f_x。c1=hs:hs。index=find(es1)。l=j。 rr1=r1+k。 er=exp(er)。 shift=sqrt((knew_k)^2+(lnew_l)^2)。 end if (new_khs+1 || new_krhs || new_lhs+1 || new_lchs) k=i。er=double(er=1)。 new_f_gray(i,j)=tem