【正文】 new_f_x(i,j)=k。l=j。er(index)=0。count=0。c1=repmat(c1,2*hs+1,1)。 end 子程序： function p=meanshift(im) [r,c]=size(im)。 end end end I1=meanshift(I)。 else S1(i,j)=0。figure。 H=im2uint8(H)。 H=H/(2*pi)。 r=rgb(:,:,1)。 感謝我的父母和家人，沒(méi)有你們的鼓勵(lì)和支持我將一事無(wú)成。在實(shí)驗(yàn)中采用 Berkeley 圖 像庫(kù)中的彩色圖像作為樣本，從實(shí)驗(yàn)的結(jié)果中分析，本文的算法具有很好的效果。 臺(tái)州學(xué)院畢業(yè)設(shè)計(jì)（論文） 18 (a)區(qū)域生長(zhǎng) (b)區(qū)域合并 圖 35 區(qū)域生長(zhǎng)和區(qū)域合并效果圖 4．實(shí)驗(yàn)結(jié)果與分析 在實(shí)驗(yàn)中選取 Berkeley 圖像庫(kù)中的彩色圖像，像素分辨率為 321*481。 Sobel 算子也是一種梯度幅值： 22 yx ssM ?? () 其中的偏導(dǎo)數(shù)用下式計(jì)算： )()( 670432 acaaacaas x ?????? () )()( 456210 acaaacaas y ?????? () 其中常數(shù) c=2。 den(den==0)=eps。 num=*((rg)+(rb))。在 HIS 系統(tǒng)中， I是指感覺(jué)到的顏色明暗程度的量。 (a) (b) 圖 23 區(qū)域生長(zhǎng)例圖 (3) 區(qū)域合并法 區(qū)域歸并方法是指在通過(guò)某種初始化分割方法得到的很多小區(qū)域上，根據(jù)一定的歸并標(biāo)準(zhǔn)將滿(mǎn)足歸并標(biāo)準(zhǔn)的兩個(gè)鄰接區(qū)域合并為一個(gè)區(qū)域，直到所有滿(mǎn)足歸并標(biāo)準(zhǔn)的鄰接區(qū)域都被歸并起來(lái)。排序，像素點(diǎn)按梯度值遞增排序，相同梯度值的點(diǎn)作為一個(gè)梯度層級(jí)。 臺(tái)州學(xué)院畢業(yè)設(shè)計(jì)（論文） 12 ．基于區(qū)域的分割方法 (1) 分水嶺方法 數(shù)學(xué)形態(tài)學(xué)理論在圖像分割的應(yīng)用中有代表性的是分水嶺算法。在迭代的第一次，每個(gè)邊緣 e 的信度 c(1)(e)可以定義為規(guī)范化的裂縫邊緣幅值，規(guī)范化可以是基于整幅圖像裂縫邊緣的 全局最大值，也可以是基于該邊緣某個(gè)大鄰域內(nèi)的局部最大值。不同的邊緣檢測(cè)子所得到的邊緣圖像是不同的，基于邊緣的分割方法常用的有以下幾種： (1) 邊緣閾值化 [16] 因?yàn)閹缀鯖](méi)有 0 值像素，但小的邊緣值對(duì)應(yīng)于由量化噪聲、弱且不規(guī)則照明等引起的非顯著的灰度變化的邊緣圖像，所以就應(yīng)該對(duì)邊緣圖像做簡(jiǎn)單的閾值化處理去除臺(tái)州學(xué)院畢業(yè)設(shè)計(jì)（論文） 11 這些小數(shù)值的邊緣。當(dāng)物體或圖像區(qū)域表征為不變的反射率或其表面光的吸收率時(shí)，則可以確定一個(gè)亮度常量閾值來(lái)分割物體和背景。如強(qiáng)度取最小值時(shí)為 黑色，強(qiáng)度取最大值時(shí)為白色。設(shè) 0176。這里的 Y 不是指黃色，而是指顏色的明適度，就是亮度。最強(qiáng)的紅，綠，藍(lán)三原色相加產(chǎn)生了白色。圖像顏色特征的表達(dá)涉及若干問(wèn)題，本章在介紹最常用的顏色空間，轉(zhuǎn)換、量化等基本問(wèn)題的基礎(chǔ)上，討論了顏色特征的提取方法。到了 20 世紀(jì) 70 年代初，數(shù)字圖像處理已經(jīng)形成了較完善 的學(xué)科體系，并成為一門(mén)獨(dú)立的新學(xué)科。在許多場(chǎng)合，圖像所傳遞的信息比其他任何形式所傳遞的信息更加豐富和實(shí)際。由于人的視覺(jué)對(duì)亮度的敏感程度遠(yuǎn)強(qiáng)于對(duì)顏色濃淡程度，為了便于色彩處理和識(shí)別，經(jīng)常采用 HIS 空間，它比 RGB 顏色空間更符合人的視覺(jué)特性。另外，顏色聚類(lèi)一般是在三維空間進(jìn)行的。 等 [7]提出了使用神經(jīng)網(wǎng)絡(luò)進(jìn)行彩色圖像的分割方法。大多數(shù)方法都是對(duì)彩色圖像的每個(gè)分量分別采用直方圖閾值法。無(wú)論是基于哪種分割方法，灰度圖像的分割方法都發(fā)展得比較成熟了。這種技術(shù)明顯導(dǎo)致了時(shí)間復(fù)雜度，但理論上它更可靠更準(zhǔn)確。所有現(xiàn)存分割方法只能針對(duì)某一類(lèi)型的圖像，分割的質(zhì)量必須靠效果和實(shí)際的應(yīng)用 場(chǎng)景來(lái)判斷。隨著彩色圖像的需求和應(yīng)用以及人們生活水平的提高，人們?cè)絹?lái)越關(guān)注彩色圖像分割，也提出了一些分割方法，但這些方法大部分是灰色圖像分割方臺(tái)州學(xué)院畢業(yè)設(shè)計(jì)（論文） 2 法擴(kuò)展 出來(lái)的，因此還不能滿(mǎn)足人們的要求。由于彩色圖像提供了比灰度圖像更加豐富多彩的信息，因此隨著計(jì)算機(jī)處理能力的提高，彩色圖像處理正受到人們?cè)絹?lái)越多的關(guān)注。 關(guān)鍵詞 彩色圖像分割；邊緣檢測(cè)；區(qū)域生長(zhǎng)與合并 臺(tái)州學(xué)院畢業(yè)設(shè)計(jì)（論文） Abstract With the increasing in puter processing capabilities, the color image segmentation techniques more and more are concerned with by researchers. Many researchers have paid a huge effort in this regard, and obtained the corresponding results. On the basis of the current color segmentation method, an unsupervised color image segmentation algorithms have been proposed in this paper, bining of edge detection, region growing and region merging method to achieve the segmentation of color images. The experimental results show that a good segmentation results can be obtained and realtime performance can be implemented. Key words Color Image Segmentation。許多研究者在這方面付出了巨大的努力，并取得了相應(yīng)的成果。 圖像分割作為圖像分析的基礎(chǔ)，是圖像分析過(guò)程中的關(guān)鍵步驟。對(duì)圖像分割的深入研究不僅會(huì)不斷完善對(duì)自身問(wèn)題的解決，而且有助于推動(dòng)模式識(shí)別、計(jì)算機(jī)視覺(jué)、人工智能等計(jì)算機(jī)科學(xué)分支的發(fā)展。因此，對(duì)彩色圖像分割方法的研究有利于克服傳統(tǒng)的灰度圖像分割方式的不足，是一個(gè)更加廣闊的研究領(lǐng)域。如下圖 11 所示： 所謂的串行圖像分割是指對(duì)圖像的每一個(gè)像素上所做的運(yùn)算或者處理不依賴(lài)圖像中其他像素點(diǎn)處理的結(jié)果。把圖像分割方法的發(fā)展劃分為兩個(gè)階段：灰度圖像分割方法階段和彩色圖像分割方法階段。大部分彩色圖像的分割方法或思想都是從灰度圖像分割方法繼承的，因此彩色圖像的一部分方法與灰度圖像基本相同。在灰度圖像中，邊緣的定義是基于灰度級(jí)的突變，而且兩個(gè)區(qū)域的邊緣當(dāng)亮度變化明顯時(shí)才能被檢測(cè)出來(lái)。 文獻(xiàn) [8]中提出了用聚類(lèi)分析進(jìn)行彩色圖像的分割方法。本文針對(duì)彩色圖像的分割問(wèn)題進(jìn)行了研究，由于彩色圖像不僅包括亮度信息，臺(tái)州學(xué)院畢業(yè)設(shè)計(jì)（論文） 6 而且還有更多的有用信息，如色調(diào)、飽和度，為了充分利用這些信息讓圖像得到更好的分割效果，本文采取一種融合 了顏色和空間信息的分割方法。 (3) 提出一種基于區(qū)域生長(zhǎng)法的彩色圖像分割算法，并在 Matlab 中實(shí)現(xiàn)一幅彩色圖像的分割，進(jìn)而分析此算法的優(yōu)越性和特點(diǎn)。數(shù)字圖像處理技術(shù)起源于 20 世紀(jì)20 年代，采用數(shù)字壓縮技術(shù)，通過(guò)海底電纜從英國(guó)倫敦傳輸了一幅照片到美國(guó)紐約。 ． 常用的顏色空間 顏色特征是圖像的最基本的特征，也是最容易被識(shí)別的特征。同理可得綠色和藍(lán)色也被分為 256 個(gè)等級(jí)。 (2) CMY 顏色空間 CMY 色彩系統(tǒng)也是一種常用的色彩表示方式，與 RGB 顏色空間有兩點(diǎn)不同：第一， CMY 的三基色分別為青，品紅，黃 (C,M,Y)；第二，計(jì)算機(jī)屏幕的顯示通常用RGB 顏色系統(tǒng)，它通過(guò)三種顏色的相加來(lái)產(chǎn)生其他顏色，這種方法被稱(chēng)作加色合成法，而 CMY 顏色空間通過(guò)顏色的相加減來(lái)產(chǎn)生其他顏色，這種方法被稱(chēng) 為減色合成法， CMY 顏色空間應(yīng)用于印刷技術(shù)，印刷品通過(guò)發(fā)射光線(xiàn)的原理再現(xiàn)色彩。 HSI 的幾種變體： HSB， HSL， HSV［ 9］ 。表示品紅色或絳紅色。目前，大多灰度圖像分割技術(shù)都可以擴(kuò)展到彩色圖像，許多的彩色圖像分割方法不僅可以灰度圖像分割方法應(yīng)用于不同的彩色模型，還可以直接應(yīng)用于每個(gè)顏色分量上，其結(jié)果再經(jīng)過(guò)一 定的方法進(jìn)行組合，就可得到最終的分臺(tái)州學(xué)院畢業(yè)設(shè)計(jì)（論文） 10 割結(jié)果。根據(jù)這些閾值對(duì)各個(gè)譜段進(jìn)行分割，最后將各個(gè)譜段的每個(gè)分割投影到多光譜分割中。如果一個(gè)邊緣沒(méi)有上下文鄰域，那么它有可能就不屬于任何邊界的一部分。 Hough 變換就是解決該問(wèn)題的典型方法，它通過(guò)在圖像中移動(dòng)一個(gè)合適形狀和大小的掩模，尋找圖像與掩模間的關(guān)聯(lián)，它還可以用于重疊的或部分遮擋的物體的分割。標(biāo)記 是根據(jù)應(yīng)用的關(guān)于該物體的知識(shí)，操作者手工或者通過(guò)自動(dòng)程序選擇的。 區(qū)域生長(zhǎng)示例如圖 23，圖 23(a)給出需要分割的圖像，選定兩個(gè)種子像素（下劃線(xiàn)標(biāo)識(shí)），進(jìn)行區(qū)域生長(zhǎng)。 分割方法框圖如圖 31 所示： 5555555555555551111111111 4652256502555107740157401 臺(tái)州學(xué)院畢業(yè)設(shè)計(jì)（論文） 14 圖 31 分割方法框圖 ．顏色空間的轉(zhuǎn)換 圖像分割最終效果好壞是由人來(lái)判別的，所以在對(duì)原圖像進(jìn)行分割時(shí)，應(yīng)選擇與人的視覺(jué)一致的顏色空間，即在顏色空間計(jì)算的距離應(yīng)該與人觀(guān)察到的顏色距離一致。 原彩色圖像 顏色空間轉(zhuǎn)換 檢測(cè)邊緣 選取種子 區(qū)域生長(zhǎng)與合并 分割結(jié)果 臺(tái)州學(xué)院畢業(yè)設(shè)計(jì)（論文） 15 r=rgb(:,:,1)。 H=H/(2*pi)。 Sobel 算子是邊緣檢測(cè)器中最常用的算子之一。 種子選取效果如圖 34 所示： 圖 34 種子選取效果圖 ．區(qū)域生長(zhǎng)與合并 區(qū)域生長(zhǎng)中選用像素間顏色和紋理的相對(duì)歐氏距離作為相似度函數(shù)，其相似度表達(dá)式為 ),()()()(),(222222222jjjiiijijijijic vuLvuLM i nvvuuLLRRD?????????? () ),(),( ji jijit TTMi nTTRRD ??