【正文】 不緊湊，有時會出現空洞。 基于分形理論和 BP神經網絡的彩色圖像分割。 該方法將彩色圖像由 RGB空間轉換為 HSI空間，采用彩色圖像的亮度計算分數維、多重分形廣義維數譜以及空隙特征等 6個參數作為紋理特征，加上歸一化的色度和飽和度，這 8個參數作為分類特征，以 BP神經網絡作為分類器的彩色紋理圖像分割方法。這種方法不僅對由于亮度差異而形成彩色紋理圖像有效，對于亮度基本一致而在色彩上呈現差異的紋理圖像依然有效。 RGB彩色空間分割 ： 分割的目標是對給定圖像中每一個 RGB像素進行分類。為了進行分類 ， 需要一個相似性度量。最簡單的度量之一是歐氏距離。由下式給出： 這里 R、 G、 B表示向量 X與 u的 RGB分量。 D（ X， u） ≤D 0的點的軌道是半徑為 D0的實心球。 基于形態(tài)學分水嶺的分割 基本概念和運算 ： 用數學形態(tài)學處理圖像時，要設計一種搜索圖像信息的“ 探針 ” ，即結構元素，這些結構元素通常是一些小的簡單集合，如圓形、正方形等的集合。 數字圖像形態(tài)學處理技術 圓形 方形 菱形 圖 728 幾種簡單對稱結構元素 f用 b腐蝕的結果是所有滿足將 b平移后， b仍舊全部包含在 f中的 x的集合，從直觀上看就是所有的結構元素 b將完全包含在與被腐蝕的集合內。操作中是 f在平移，而不是結構元素 b在平移。公式（ 728）可以把 b寫成平移函數．由于 f在 b上滑動同 b在 f上滑動在概念上是一致的。腐蝕變換是一種收縮變換。這種變換使目標收縮，使孔洞擴張。 bf ?)()( 22 xbf ss ??)()( 11 xbf ss ??)( 2sf)( 1sff x b （ a）原始圖像 （ b）結構元素 （ c）膨脹 （ d）膨脹結果 圖 729 灰度膨脹圖例 bf?f x b f （ a）原始圖像 （ b）結構元素 （ c） 腐蝕 （ d）腐蝕結果 圖 730 灰度腐蝕圖例 圖 731 基本形態(tài)學變換 開啟和閉合運算： 腐蝕和膨脹不是互為逆運算，它們可以級連結合使用。使用同一個結構元素對圖像先進行腐蝕運算然后再進行膨脹運算稱為開啟。即結構元素對圖像作開啟運算處理，可定義為： 如果是先進行膨脹然后腐蝕的運算稱為閉合。即結構元素對圖像作閉合運算處理，可定義為： 開啟和閉合運算不受原點位置的影響，無論原點是否包含在結構元素中，開啟和閉合的結果都是一致的。開啟運算使目標輪廓光滑，并去掉了毛刺和孤立點，銳化角，閉合運算則填平小溝，彌合孔洞和裂縫。膨脹和腐蝕的反復使用就可檢測或清除圖像中的小成分或孔。 圖 732 開啟運算和閉合運算效果 （ a）簡化灰度圖像 （ b）開啟運算 （ c）開啟運算結果 （ d）閉合運算 （ e）閉合運算結果 圖 733 開啟和閉合運算的圖例 基本步驟 ： （ 1） 提出所要描述的物體幾何結構模式 ， 即提取物體的幾何結構特征； （ 2） 根據該模式選擇相應的結構元素 。 結構元素應簡單而對模式具有最強的表現力； （ 3） 用選定的結構元素對圖像進行擊中與否 (HMT)變換 ， 便可得到比原始圖像顯著突出物體特征信息的圖像 ， 如果賦予相應的變量 ， 則可得到該結構模式的定量描述； （ 4）經過形態(tài)變換后的圖像突出需要的信息，此時，就可以方便地提取信息。 構造出統(tǒng)一的 、 相同的或變化很小的結構元素并進行結構元素的選擇十分重要 。 結構元素形狀 、 尺寸的選擇是能否有效地提取信息的關鍵 。 一般情況 ， 結構元素的選擇本著如下幾個原則進行： （ 1）結構元必須在幾何上比原圖像簡單且有界。當選擇性質相同或相似的結構元時，以選擇極限情況為益； （ 2）結構元的凸性非常重要，對非凸子集，由于連接兩點的線段大部分位于集合的外面，故而用非凸子集作為結構元素將得不到什么信息。 所謂的水壩構造是指對分水嶺分割方法中所需的水壩或分水線的構造。水壩的構造是以二值圖像為基礎的。而構造水壩分離二元點集的最簡單的方法是使用形態(tài)膨脹。 使用形態(tài)膨脹構造水壩 水壩構造 (a)在淹沒的第 個階段淹沒的匯水盆地的兩個部分 1?nn(b)淹沒的第 階段，顯示出兩個盆地間的水已經溢出 (為了顯示清楚，水用白色表示而不是黑色 )； (c)用于膨脹的結構元素； (d)擴展的結果和水壩的構造 分水嶺分割算法 (a)帶有斑點的圖像 (b)梯度圖像 (c)分水線 (d)疊加于原圖中的分水線 圖 735 形態(tài)學分水嶺分割法分割實例 連接成分的標記 為區(qū)分連接成分，求得連接成分個數，連接成分的標記，即標號分配操作是不可缺少的。一般在標記的時候把屬于同一區(qū)域的不同連接成分數標記為不同的標號。也就是說二值圖像中的每一個連接成分都有一個屬于自己的標記。對屬于同一個 1像素連接成分的所有像素分配相同的編號，對不同的連接成分分配不同的編號的操作，叫做連接成分的標記。 標記通常采用順序標記的方法。順序標記法通過對圖像 從左到右，從上到下作兩次掃描來實現標記。 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 A A A B C B B B B B B C C B C C C B C C C C B C D C C B B C D C C B C C B C C C C C C C B （ a）輸入圖像 （ b）標記結果 圖 736標記的例子 圖像分割是一個將一幅數字圖像劃分為不交疊的、連通的像素集的過程。分割算法主要有 邊緣分割法、閾值分割法、區(qū)域分割法等。 邊緣是指其周圍像素灰度變化不連續(xù)的那些像素的集合 。常見的邊緣檢測方法有空域微分算子 、 擬合曲面 、 小波多尺度邊緣檢測以及基于數學形態(tài)學的邊緣檢測 。 閾值分割算法是區(qū)域分割算法中具有代表性的一類分割算法 。 常用的方法有全局閾值 、 基本自適應閾值方法 、 動態(tài)閾值方法和基于熵的二值化方法 。 基于區(qū)域的分割是以直接尋找區(qū)域為基礎的分割技術。區(qū)域生長就是一種根據事先定義的準則將像素或者子區(qū)域聚合成更大區(qū)域的過程。 彩色圖像分割是數字圖像處理中的一種應用廣泛的技術。對彩色圖像的分割可以采取兩種方式，其一就是將彩色圖像的各個分量進行適當的組合轉化為灰度圖像，然后利用對灰度圖像的分割方法進行分割；其二就是在彩色模型空間中直接進行圖像的分割。 基于形態(tài)學方法的圖像分割技術基本思想是用具有一定形態(tài)的結構元素去量度和提取圖像中的對應形狀以達到對圖像分析和識別的目的。