【正文】 的像素與種子像素顏色值差的絕對值小于給定閾值 T 時，就將該像素標(biāo)記為與種子像素相同的顏色值。物體經(jīng)標(biāo)記后就可以用形態(tài)的分水嶺變換進行區(qū)域生長。 Hough 變換可以用來檢測任意形狀的物體，如果待搜索形狀的解析公式并不存在，廣義 Hough 變換就會根據(jù)在學(xué)習(xí)階段中檢測到的樣本情形構(gòu)建一個參數(shù)曲線描述。在邊緣圖像中，裂縫邊緣就是進行上下文鄰域評價的經(jīng)典例子。 閾值化方法不需要先驗信息，且計算量較小， 但缺點是： (1)單獨基于顏色分割得到的區(qū)域可能是有缺陷的； (2)在復(fù)雜圖像的各個分量直方圖中并可能不存在明顯的谷，用來進行閾值化分割； (3)當(dāng)像素顏色映射到 3 個直方圖的不同點時，顏色信息會發(fā)散； (4)沒有利用局部空間信息 [15]。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)域生長法和區(qū)域合并法等 [1014]。飽和度 S 分量是 HIS 顏色空間中軸線到彩色點的半徑的長度。 HSI 彩色空間可以用一個圓柱體來表示，如圖 21 所示。 （ 3） YIQ,YUV顏色空間 YIQ 和 YUV 都產(chǎn)生一種亮度分量信號和兩種色度分量信號。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。顏色特征是圖像分割中應(yīng)用最為廣泛的特征。20 世紀(jì) 50 年代，人們開始對數(shù)字圖像處理技術(shù)進行系統(tǒng)的研究。 2．彩色圖像分割研究 ． 數(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，人類隨時隨時都要接觸圖像。首先輸入原真彩色圖像，由于彩色圖像一般都是使用 RGB 空間，但是 RGB 空間存在顏色均勻性差的缺點，所以在本文中把 RGB 顏色空間轉(zhuǎn)換為 HIS 顏色空間， HIS 顏色空間是從人的視覺系統(tǒng)出發(fā)用色調(diào) (H)、色飽和度 (S)和亮度 (I)來描述色彩。聚類分析最常用的方法是k均值法和模糊 c均值聚類方法。在彩色圖像中，用于邊緣檢測的信息更加豐富，如具有相同亮度、不同色調(diào)的邊緣同樣可以被檢測出來，相應(yīng)地，彩色圖像邊緣的定義也是基于 3 維顏色空間的不連續(xù)性。但經(jīng)過試驗證明這些直接繼承下來的方法不太適合于大部分彩色圖像，所以人們對這些方法作了一些改進。 對于灰度圖像的分割方法，人們從不同的角度提出了如直方圖閾值法，區(qū)域生長圖像分割 不連續(xù)的分割 灰度相似性 邊界分割 孤立點 孤立線 組成邊界 邊界跟蹤 區(qū)域分割 閾值分割 區(qū)域分裂合并 區(qū)域生長 自適應(yīng) 并行邊界分割技術(shù) 串行邊界分割技術(shù) 并行區(qū)域分割技術(shù) 串行區(qū)域分割技術(shù) 臺州學(xué)院畢業(yè)設(shè)計（論文） 4 法，邊緣檢測法，基于分水嶺的方法和神經(jīng)網(wǎng)絡(luò)的方法等等。而在并行算法中，對圖像每一個像素的處理依賴其他像素處理后的結(jié)果。 圖像分割的難點在于如何消除噪聲和圖像本身模糊的干擾。 早期由于設(shè)備的限制，主要處理的是灰度圖像。圖像分割，顧名思義是將圖像按照一定的方法劃分成不同的區(qū)域，使得同一區(qū)域內(nèi)像素之間具有一致性，不同區(qū)域間不具有這種一致性。本文對目前的彩色分割方法研究的基礎(chǔ)上，提出了一種無監(jiān)督的彩色圖像分割算法，即合理結(jié)合邊緣提取、區(qū)域生長和區(qū)域合并的方法，實現(xiàn)彩色圖像的分割。實驗結(jié)果表明，獲得了良好的分割效果，并且易于實時性的實現(xiàn)。 因為人眼對亮度具有適應(yīng)性，即在一幅復(fù)雜圖像的任何一點上只能識別幾十種灰度級，但可以識別成千上萬種顏色，所以許多情況下，單純利用灰度信息無法從背景中提取出 目標(biāo)，還必須借助于色彩信息。因此針對灰色圖像的分割算法比較多，也比較成熟。前面已經(jīng)講到目前還沒有一種或者幾種完善的分割方法可以按照人們的想法分割任何一幅圖像。 臺州學(xué)院畢業(yè)設(shè)計（論文） 3 圖 11 經(jīng)典圖像分割方法框架 對普通的電腦處理器來說，串行分割方法當(dāng)然比并行分割有明顯的優(yōu)勢，因為并行分割必須在每個圖像點完成相同的計算以后再決定是否繼續(xù)處理或者放棄處理這個像素點或者區(qū)域。其中直方圖法和區(qū)域生長法處理的對象是像素；邊緣檢測和分水嶺方法則是對圖像紋理基元進行處理；神經(jīng)網(wǎng)絡(luò)的方法是利用分類的思想對圖像分割的方法?？偟膩碚f彩色圖像分割方法發(fā)展到目前階段，主要采用的分割方法有： (1) 基于閾值的 分割方法 由于彩色圖像不僅有灰度這一個屬性，所以使用直方圖閾值法會出現(xiàn)很大的不同。 目前，彩色圖像的分割以轉(zhuǎn)移到如何有效的綜合利用彩色圖像 的三通道信息方面。目前，基于聚類的彩色圖像分割技術(shù)一般選擇 RGB空間作為顏色空間，但采用該顏色空間存在一個缺陷，即它的顏色分量與人的視覺不一致。該顏色模型可在彩色圖像中從攜帶的彩色信息 (色調(diào)和飽和度 )里消去強度分量的影響，這種彩色描述對人來說是自然的、直觀的。據(jù)統(tǒng)計，在人類接受的信息當(dāng)中，視覺信息占 70%以上。 1964 年，美國的噴氣推進實驗室使用數(shù)字計算機，處理了太空船“旅行者 7 號”發(fā)回的月球照片，這是數(shù)字圖像處理技術(shù)的一個重要的里程碑，標(biāo)志著第三代計算機問世后數(shù)字圖像處理概念開始得到了應(yīng)用。與其他特征相比，顏色特 征對圖像本身的尺寸、方向和觀察角度的依賴性很小，顏色特征的提取也相對容易，所以基于顏色特征的圖像分割研究受到廣泛的重視。當(dāng)一幅圖中每個像素被賦不同的 RGB 值時，就能呈現(xiàn)五彩繽紛的顏色了，這就形成了彩色圖像。 YIQ 顏色空間應(yīng)用于北美的電視系統(tǒng)。色調(diào) H 由角度表示，其取值范圍： 0~360176。強度 I 用在軸線方向上的高度表示，圓柱體的軸線描述了灰度級。 ． 閾值化方法 閾值化是最簡單的分割處理，計算代價小速度快，是廣泛應(yīng)用于灰度圖像的一種分割技術(shù)。 ．基于邊緣的分割方法 基于邊緣的分割方法依賴于由邊緣檢測子找到的圖像邊緣，邊緣檢測得到的圖像結(jié)果并不能作為分割結(jié)果，需要采用后續(xù)處理將邊緣合并為邊緣鏈，最終得到物體或圖像部分的邊緣鏈。邊緣松弛法是一個迭代的過程，邊緣信度或者收斂到 0 或者收斂到 1。 基于邊緣的分割最常見的問題是由于圖像噪聲或圖像中不恰當(dāng)信息，而造成在沒有邊界的地方 出現(xiàn)了邊緣以及在存在邊界的地方卻沒有出現(xiàn)邊緣的情況。 圖 22 三維空間中的分水嶺和集水盆地示意圖 分水嶺的分割算法主要分為兩步：排序和泛洪。圖 23(b)給出了 T＝ 3 時的區(qū)域生長結(jié)果，圖像被較好的分成了兩個區(qū)域。這種顏色空間反映了人觀察彩色的方式。 b=rgb(:,:,3)。 den=r+g+b?？紤]如圖 32 所示的點 [i,j]周圍點的排列。如圖 35 所示為區(qū)域生長和區(qū)域合并的效果圖。 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)域生長和區(qū)域合并的方法實現(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，為機器視覺中的目標(biāo)匹配、跟蹤和識別打下了很好的基礎(chǔ)。這三年來，陳老師嚴(yán)謹(jǐn)求實的治學(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；他樸實的生活作風(fēng)、淵博的學(xué)識以及對科學(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)境和機會。 rgb=im2double(rgb)。 H(bg)=2*piH(bg)。 S=im2uint8(S)。imshow(uint8(S))。 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)==255) I(i,j)=0。imshow(uint8(hsi))。 c1=hs:hs。l=j。 er=exp(er)。 end if (new_khs+1 || new_krhs || new_lhs+1 || new_lchs) k=i。 new_f_gray(i,j)=tem。new_f_y(i,j)=l。 break。 new_k=sum(sum(rr1.*es.*er))/sum(sum(es.*er))。flag=1。 r1=c139。 f=im。 figure。 end end end figure。imshow(uint8(H))。 I=im2uint8(I)。 num=min(min(r,g),b)。 g=rgb(:,:,2)。 最后，感謝各位專家和評委的 耐心審閱，他們提出了很多寶貴意見和建議。 臺州學(xué)院畢業(yè)設(shè)計（論文） 19 (a)原圖像 (b)分割結(jié)果 (c) 原圖像 (d) 分割結(jié)果 (e) 原圖像 (f) 分割結(jié)果 (g) 原圖像 (h) 分割結(jié)果 圖 41 圖像分割效果圖 （ a）目標(biāo)輪廓 （ b）目標(biāo)區(qū)域 圖 42 本文方法提取指定目標(biāo)的輪廓和區(qū)域臺州學(xué)院畢業(yè)設(shè)計（論文） 20 5．結(jié)論 本文論述了彩色圖像分割的目前方法，并提出了一種 基于結(jié)合邊緣提取、區(qū)域生長和合并方法的無監(jiān)督分割算法， 并能準(zhǔn)確提取目標(biāo)圖像的輪廓與區(qū)域，為機器視覺中的目標(biāo)匹配、跟蹤與識別打下良好的基礎(chǔ)。因為每種算法分割出的區(qū)域不一致，采用人工涂色往往會造成不同算法的同一區(qū)域顯示不一樣的顏色， 為了更好對比分割后的效果，在分割的區(qū)域內(nèi)使用該區(qū)域內(nèi)像素的平均值涂色。 和其他的梯度算子都一樣， sx和 sy 可用卷積模板來實現(xiàn)： 臺州學(xué)院畢業(yè)設(shè)計（論文） 16 ??????????????101202101xs ??????????????121000121ys ? ???????????45637210,aaaajiaaaa 圖 32 用于說明 Sobel算子的鄰域像素點標(biāo)記 edge 函數(shù)實現(xiàn)的語法格式如下： BW=edge(I,’sobel’) BW=edge(I,’sobel’,thresh) BW=edge(I,’sobel’,t