【正文】 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。 早期由于設(shè)備的限制，主要處理的是灰度圖像。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。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(jìn)。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。 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。顏色特征是圖像分割中應(yīng)用最為廣泛的特征。 （ 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。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。 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(jìn)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]。 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。生長過程是：當(dāng)所考察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。 g=rgb(:,:,2)。采用 3*3 鄰域可以避免在像素之間內(nèi)插點上計算梯度。同時如圖 42 提取指定目標(biāo)的輪廓與區(qū)域，這樣為 彩色圖像的目標(biāo)匹配，跟蹤與識別奠定了不錯的基礎(chǔ)。imshow(rgb)。 I=(r+g+b)/3。i1=I。 figure。 for i=hs+1:rhs for j=hs+1:chs k=i。 if shift1 flag=0。 end end p=new_f_gray。 new_l=sum(sum(cc1.*es.*er))/sum(sum(es.*er))。 臺州學(xué)院畢業(yè)設(shè)計（論文） 27 es=(r1.^2+c1.^2)/hs^2。imshow(uint8(I1))。figure。 den=r+g+b。 臺州學(xué)院畢業(yè)設(shè)計（論文） 24 附 件 程序清單： 主程序： function tu=keyprogram( ) rgb=imread(39。 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，因為其平移不變性，在變換域求得多尺度邊緣和融合的紋理特征，在區(qū)域生長和合并中，顏色特征的閾值分別選擇為 和 。 H(S==0)=0。 在計算機(jī)中，彩色數(shù)字圖像的存儲一般都是 RGB 顏色空間。分水嶺分割后的圖像是由幾個互不重疊的區(qū)域構(gòu)成。 (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出來。閾值化方法對物體彼此不接觸，且物體與 背景有著明顯差異的灰度值時，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)位于直方圖兩個不同峰之間的谷上，以便于工作將各個峰分開，得到的分割結(jié)果也會更理想。表示黃色， 120176。 臺州學(xué)院畢業(yè)設(shè)計（論文） 8 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 顏色語言，如顯示器，掃描儀和數(shù)碼相機(jī)等。目前，數(shù)字圖像處理已成為人們認(rèn)識世界和改造世界的重要方法。 本文的研究內(nèi)容主要包括： (1) 針對當(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，為人們進(jìn)行彩色圖像分割時選擇合適的彩色空間提供了依據(jù)。采用 的方法，存在兩個限制：第一、它需要有一個學(xué)習(xí)過程，即預(yù)先要給定一幅示教圖像讓其學(xué)習(xí)，以產(chǎn)生正確的輸出；第二、必須給出輸出層結(jié)點的神經(jīng)元數(shù)量，也就是說事先必須知道分割出的圖像的顏色數(shù)。基于顏色特征空間的分割方法即是在某一種顏色空間，如 RGB 顏色空間或者 CIE 顏色空間通過顏色距離標(biāo)準(zhǔn)來融合像素，這種方法只適合于結(jié)構(gòu)簡單并且顏色不多的圖像；基于紋理特征空間的分割方法是通過提取圖像的像素問顏色差異，將原圖像轉(zhuǎn)換為紋理特征圖像然后將具有相似紋理特征的像素合并起來，達(dá)到分割的效果，這種方法不能直接使用在彩色紋理圖像中，因而提出了基于混合特征的分割方法，這種方法融合了前面兩種方法的思想，達(dá)到對圖像的最佳分割效果。正是因為我們站在巨人的肩膀上，從而產(chǎn)生了新的更有效率更準(zhǔn)確的圖像分割算法。目前，針對各種具體問題已經(jīng)提出了許多不同的圖像分割算法，對圖像分割的效果也有很好的分析結(jié)論。 本科畢業(yè)設(shè)計（論文） （ 2021 屆 ） 題 目 彩色圖像分割技術(shù)研究 學(xué) 院 物理與電子工程學(xué)院 專 業(yè) 電子信息工程 班 級 08 電子信息工程（ 2）班 學(xué) 號 0830010006 學(xué)生姓名 XXX 指導(dǎo)教師 陳志剛 講師 完成日期 2021年 3 月 臺州學(xué)院畢業(yè)設(shè)計（ 論文） 彩色圖像分割技術(shù)研究 Study on Color Image Segmentation 學(xué)生姓名： XXX Student: XXXX 指導(dǎo)老師：陳志剛 講師 Adviser: Lecturer Chen Zhigang 臺州學(xué)院 物理與電子工程學(xué)院 School of Physics amp。但是，由于圖像分割問題所面向領(lǐng)域的特殊性，而且問題本身具有一定的難度和復(fù) 雜性，到目前為止還不存在一個通用的分割方法，也不存在一個判斷分割是否成功的客觀標(biāo)準(zhǔn)。 在早期的圖像處理的研究中，圖像分割的方法一般被分為 2 類：一類是邊界法，這種方法是假設(shè)圖像一定有邊緣存在；另一類是區(qū)域法，這種方法認(rèn)為被分割后的圖像區(qū)域一定會具有某些相同的特性，不同的區(qū)域的像素則會有不同的特性。 彩色圖像分割與灰度圖像分割的算法相比，大部分算法在分 割思想上是一致的，都是基于像素值的相似性和空間的接近性，只是對像素屬性的考察以及特征提取等技術(shù)由一維轉(zhuǎn)向了多維。事實 上，許多圖像輸出的顏色數(shù)是不一致的，對于一幅復(fù)雜的圖像其顏色數(shù)也難以確定。 (2) 本文中討論了直方圖閾值法、聚類法、基于區(qū)域的分割方法、邊緣檢測的分割方法、基于模糊集理論的方法，并且分析了各類方法的優(yōu)缺點。 數(shù)字圖像處理學(xué)科所涉及的知識相當(dāng)廣泛，具體的方法種類很多。 RGB 顏色空間是和設(shè)備無關(guān)的，不同的 RGB設(shè)備再現(xiàn)的顏色不可能完全相同。表示綠色， 240176。 對彩色圖像而言，由于它有 3 個譜段，其直方圖是一個 3 維數(shù)組，在這樣的直方圖中確定閾值則比較困難。邊界跟蹤法從作為邊界元素概率高的像素開始搜索它的相鄰像素，把最可能成為下一個邊界元素的像素加到邊界，從而 逐步檢測出邊界。 (2) 區(qū)域生長法 區(qū)域生長就是在圖像被分成多個區(qū)域以及每個區(qū)域中像素的位置已知的情況下，從一個 已知像素也就是種子像素開始，根據(jù)一致性準(zhǔn)則向鄰接區(qū)域生長，將滿足準(zhǔn)則的像素合并到種子像素所在區(qū)域中。而本文的算法采用HIS 顏色空間，因此要將圖像由 RGB 顏色空間轉(zhuǎn)換到 HIS 顏色空間。 I=(r+g+b)/3。紋理特征的閾值選擇分別為 和 。39。 den(den==0)=eps。imshow(uint8(I))。 臺州學(xué)院畢業(yè)設(shè)計（論文） 26 for i=1:m for j=1:n if (S1(i,j)==0) H1(i,j)=h1(i,j)。index=find(es1)。 shift=sqrt((knew_k)^2+(lnew_l)^2)。 。 l=round(new_l)。es(index)=0。 end end end hsi=cat(3,H1,S1,I1)。 h1=H。 H(S==0)=0。 figure。如圖 41 所示的分割效果看，本文的算法是有效和準(zhǔn)確的。 Sobel 算子是邊緣檢測器中最常用的算子之一。 原彩色圖像 顏色空間轉(zhuǎn)換 檢測邊緣 選取種子 區(qū)域生長與合并 分割結(jié)果 臺州學(xué)院畢業(yè)設(shè)計（論文） 15 r=rgb(:,:,1)。 區(qū)域生長示例如圖 23，圖 23(a)給出需要分割的圖像，選定兩個種子像素（下劃線標(biāo)識），進(jìn)行區(qū)域生長。 Hough 變換就是解決該問題的典型方法，它通過在圖像中移動一個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。根據(jù)這些閾值對各個譜段進(jìn)行分割，最后將各個譜段的每個分割投影到多光譜分割中。表示品紅色或絳紅色。 (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 顏色空間有兩點不同：第一， CMY 的三基色分別為青，品紅，黃 (C,M,Y)；第二，計算機(jī)屏幕的顯示通常用RGB 顏色系統(tǒng)，它通過三種顏色的相加來產(chǎn)生其他顏色，這種方法被稱作加色合成法，而 CMY 顏色空間通過顏色的相加減來產(chǎn)生其他顏色，這種方法被稱 為減色合成法， CMY 顏色空間應(yīng)用于印刷技術(shù)，印刷品通過發(fā)射光線的原理再現(xiàn)色彩。 ． 常用的顏色空間 顏色特征是圖像的最基本的特征，也是最容易被識別的特征。 (3) 提出一種基于區(qū)域生長法的彩色圖像分割算法，并在 Matlab 中實現(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。 文獻(xiàn) [8]中提出了用聚類分析進(jìn)行彩色圖像的分割方法。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。如下圖 11 所示： 所謂的串行圖像分割是指對圖像的每一個像素上所做的運算或者處理不依賴圖像中其他像素點處理的結(jié)果。對圖像分割的深入研究不僅會不斷完善對自身問題的解決，而且有助于推動模式識別、計算機(jī)視覺、人工智能等計算機(jī)科學(xué)分支的發(fā)展。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。由于彩色圖像提供了比灰度圖像更加豐富多彩的信息，因此隨著計算機(jī)處理能力的提高，彩色圖像處理正受到人們越來越多的關(guān)注。所有現(xiàn)存分割方法只能針對某一類型的圖像，分割的質(zhì)量必須靠效果和實際的應(yīng)用 場景來判斷。無論是基于哪種分割方法