【正文】 分 裂 合 并法 . 圖 為 基 于 區(qū)域的 可視人體 結(jié)構(gòu)彩圖 邊 緣的主要 表 現(xiàn)為 圖像局部 特征的不 連續(xù)性 ,該方法 首先檢出圖 像 中 局 部特 性 的不 連 續(xù)性 或 突 變性 ,然后 將 它們 連 成 邊界 ,這些邊 界 把 圖像 分 成不 同的 區(qū) 域 . 傳 統(tǒng) 的圖 像邊 緣 檢測(cè) 方 法大 多 可歸結(jié) 為圖像高 頻分量的 增強(qiáng)過(guò) 程 ,微分 運(yùn)算自然 成為邊 緣檢測(cè)與 提取的主要手段 .下 圖為基于 邊緣的分割 方法處理 的圖片： 常 用 的 邊 緣 檢 測(cè) 算 子 有 以 下 幾 種 :Robert 算子、 Sobel 算子、 Pre2witt 算 子、 Canny 算子 和拉普拉 斯算子 . 微分算子 法的優(yōu)點(diǎn) 是計(jì)算簡(jiǎn) 單、速度 較快 ,缺點(diǎn) 是對(duì)噪聲 的干擾都 比較敏感 . 邊界 跟蹤法的 基本思想 是從梯 度圖中的 一邊緣 點(diǎn)出 發(fā) ,依次搜索 并連接 相鄰邊緣 點(diǎn) ,從而 實(shí)現(xiàn)對(duì)圖 像邊界 的檢測(cè) ,先確定搜 索起點(diǎn) ,接著采 取合適的 數(shù)據(jù)結(jié)構(gòu) 和搜索 機(jī)理 ,并 在已發(fā)現(xiàn) 的邊界 點(diǎn)上確定 新的邊界點(diǎn) ,最 后 按 照搜 索 的終 結(jié) 準(zhǔn) 則和 終 結(jié)條 件 完成 邊 界 的跟 蹤 ,從而 實(shí) 現(xiàn) 邊 緣的提 取 . 圖 像 分 割 至今 尚 無(wú) 通用 的 自 身理 論 ,隨著 各 學(xué) 科的 不 斷 發(fā)展 ,提 出了許多 新理論和 新方法 ,于是出 現(xiàn)了許多 與一些 特定理論 、方法 相 結(jié) 合 的 圖 像 分 割 技 術(shù) . 遺 傳 算 法 [36 ]最 初 由 美 國(guó) Michigan 大學(xué)的 Holland 教 授于 1975 年 提出 的 ,其 基本 思 想是 將問(wèn) 題 域中的 可能解視 為群體的 一個(gè)個(gè) 體或染色 體 ,并將 每一個(gè) 體編碼成 符號(hào)串形 式 ,對(duì)種 群反復(fù)進(jìn) 行選擇、交 叉和變異 操作 ,根據(jù) 預(yù)定的目 標(biāo)適應(yīng) 度函數(shù)對(duì) 每個(gè)個(gè)體 進(jìn)行評(píng) 價(jià) ,適應(yīng) 值高的染 色體被 選中概率 較高 ,以 全 局 并行 搜 索方 式來(lái) 搜 索優(yōu) 化 群體 中 的最 優(yōu) 個(gè)體 . 該方 法 具有全 局 搜 索 能力 ,是一 種 迭代 式 的 優(yōu)化 算 法 ,在 分割 圖 像 時(shí)常 用 來(lái)幫助 確 定 最佳 分 割閾 值 . 小 波 變換 是 在傅 里葉 分 析基 礎(chǔ) 上發(fā) 展 起來(lái) 的 ,具 有良 好 的 時(shí)域 和 頻域 局 部 化特 性 ,而 且 還具 有 多 分辨 分 析的特點(diǎn) . 基于 小 波分 析的 邊 緣檢 測(cè) 方法 的 突出 優(yōu)點(diǎn) 是 它的 多 尺度 性 ,圖 像 的 每個(gè) 尺度 的 小波 變 換都 提 供了 一定 的 邊緣 信 息 . 小 尺度 下 ,圖 像的邊緣 細(xì)節(jié)信息 豐富 ,邊緣 定位 精度較高 ,但易受 噪聲干擾 ,大尺度下 ,邊緣穩(wěn)定 ,抗 噪 性 好 ,但定位精度差 . 利 用 小 波 的 多 尺 度性 可 實(shí) 現(xiàn) 在大 尺 度下 抑 制噪 聲 ,可靠 地 識(shí)別 邊 緣 ,在 小 尺度 下 精確定位 . Snake 模型 最初 是由 Kass 等人在 1987 年第 1 屆 計(jì)算 機(jī)國(guó)際 視 覺(jué) 會(huì) 議上 提 出的 ,其基 本 思 想是 首 先通 過(guò) 人的 識(shí) 別 能力 ,在圖像 中目標(biāo)邊 界附近確 定初始 輪廓線 ,然后對(duì)曲 線進(jìn)行 能量最小 化變形 ,使其鎖定 在待分割 目標(biāo)的邊界 上 . Snake 算法能 夠有效地 利用圖 像 局 部 與整 體 的信 息 ,實(shí) 現(xiàn) 對(duì) 邊界 的 準(zhǔn)確 定 位 ,具 有 良好 的 提取和 跟 蹤 特 定 區(qū) 域 內(nèi) 目 標(biāo) 輪 廓 的 能 力 . 由于圖像的千 變 萬(wàn) 化 ,在實(shí)際 應(yīng)用中 ,通常將多 種分割 算法有效 地結(jié)合在 一起使 用以獲得 更好的分割效果 . 圖 像分析從 圖像中 抽取某些 有用的度 量、數(shù) 據(jù)或信息 ,目的是得 到 某 種 數(shù)值 結(jié) 果 ,它 主要 是 提 供關(guān) 于 被分 析 圖像 的 一 種描 述 ,既要 利 用 模 式識(shí) 別 技術(shù) ,又要 利 用 關(guān)于 圖 像內(nèi) 容 的知 識(shí) 庫(kù) ,即 人 工智能 中 關(guān) 于知 識(shí) 表達(dá) 方面 的 內(nèi)容 . 圖 像分 析需 要 用圖 像 分割 方 法抽取 出 圖 像 的特 征 ,然 后 對(duì)圖 像 進(jìn) 行符 號(hào) 化的 描 述 ,這 種 描述 不 僅對(duì)圖 像中是否 存在某一 特定對(duì) 象作出回 答 ,還要 對(duì)圖像 內(nèi)容作出 詳細(xì)描述 . 圖 為 計(jì) 算 機(jī)輔助 分析圖像 的效果： 圖 像 分 割 綜 述 已 上 述 所 述 ,現(xiàn) 分 別 從 描 繪 和 紋 理 分 析 這 2 個(gè)方 面 加 以 闡述 . 經(jīng) 過(guò) 圖 像 分 割 后 ,得 到 。不 同 分 辨率 的 信號(hào) 占 用不 同 的 頻帶 ,便于引入 視覺(jué)特性 . 1988 年 ,Barnsley 和 Sloan 共同提 出了分形 圖像編 碼壓縮方 案 ,該方 案利用 圖像中固 有的自相 似性來(lái) 構(gòu)造一個(gè) 緊縮變換 ,并使 原 圖 像成 為 該緊 縮 變 換的 吸 引子 ,編碼 時(shí) 只 需存 儲(chǔ) 變化的參數(shù) ,解 碼 時(shí) 需要 利 用該 變 化 對(duì)任 一 幅圖 像 不斷 進(jìn) 行 迭代 變 換 . 此 方案具有 思路新穎 、壓縮 潛力大、 解碼分 辨率無(wú)關(guān) 性等特點(diǎn) ,是一種 很有潛力 的編碼方 法 . 1987 年 ,Mallat 首次巧 妙地將計(jì) 算機(jī)視 覺(jué)領(lǐng)域內(nèi) 的多尺度 分析思 想引入到 小波變 換中 ,統(tǒng) 一了在此 之前的 各 種 小波 的構(gòu) 造 方法 . 之后 ,他又 研究 了 小波 變 換的 離散 形 式 ,并 將相應(yīng)的 算法應(yīng)用 于圖像 的分解與 重構(gòu)中 ,為隨后 的小波圖 像壓縮 編 碼奠 定了 基礎(chǔ) . 進(jìn)入 90 年代 ,又 取 得了 一系 列圖 像 壓縮 編碼研究 的階段性 新成果 . 其中 EZW編碼算法、 SPIHT 編 碼算法被 認(rèn)為是 目 前 世 界 上 比 較 先 進(jìn) 的 圖 像 壓 縮 編 碼 算 法 ,這 2 種 算 法 均 具 有結(jié)構(gòu) 簡(jiǎn)單 、無(wú)需任何 訓(xùn)練 、支持多碼 率、圖像復(fù)原質(zhì) 量較理想 等優(yōu)點(diǎn) ,但同時(shí) 又都不同 程度地 存在算法 時(shí)間復(fù)雜 度和空 間復(fù)雜度 過(guò)高的弱點(diǎn) . 而 小 波變 換 的圖 像 壓縮 編 碼算 法已 成 為目 前 圖像 壓 縮研究 領(lǐng)域 的一 個(gè)主 要方 向 . 小 波變 換是 20 世紀(jì) 80 年 代后 期發(fā) 展起來(lái) 的 一 種 新的 信 息處 理 方法 ,因 其本 質(zhì) 是多 分 辨分 析 信 號(hào) ,在 時(shí)域和 頻域都具 有分辨率 ,對(duì)高頻 分量采 用逐漸精 細(xì)的時(shí) 域或空域 步長(zhǎng) ,可 以 聚 焦 到分 析 對(duì)象 的 任意 細(xì) 節(jié) ,對(duì) 于 劇烈 變 換的 邊 緣 ,比 常 規(guī)的傅 里 葉 變 換具有 更好的適 應(yīng)性 ,故特 別適用于 分析非平 穩(wěn)信號(hào) 圖 像增強(qiáng)是 按照特 定的要求 突出一幅 圖像中 的某些信 息 ,同時(shí)削 弱或去除 某些不需 要的信 息處理方 法 ,其主 要目的 是使處理 后的圖 像 對(duì) 某 種特 定 的應(yīng) 用 來(lái)說(shuō) ,以 原來(lái) 圖 像更 適 用 ,它 是 為了 某 種應(yīng)用 目的去改 善圖像質(zhì) 量 ,使 圖像更適 合于人的 視覺(jué)特 性或機(jī)器 的識(shí)別系統(tǒng) . 如下圖： 目前 增強(qiáng)方法 主要有直 方圖修改 處理、圖像平滑 化處理、圖像尖 銳化處理 及彩色處 理技術(shù) 等 ,由于 各種圖像 增強(qiáng)算 法 的特點(diǎn) 不同 ,對(duì) 圖 像 增 強(qiáng) 的 側(cè) 重 點(diǎn) 也 不 同 . 在 對(duì) 圖 像 進(jìn) 行 處 理 之 前 ,首 先 分 析不 同 圖 像 增強(qiáng) 方 法的 優(yōu) 缺點(diǎn) ,再 對(duì)具 體 圖像 問(wèn) 題進(jìn) 行 具 體分 析 ,然后 選 擇 幾 種增 強(qiáng) 方法 結(jié) 合使 用 ,也許 就 可能 達(dá) 到預(yù) 期 的 增強(qiáng) 效 果 .圖像 在獲取 、傳輸和 存儲(chǔ)過(guò)程 中由于受 多種原因 如模糊 、失真 、噪聲 等的影響 ,會(huì)造成 圖像質(zhì)量 的下降 ,即圖像 的退化 .引起圖像 退化的 原 因 很多 ,在 圖 像的 獲取 (數(shù)字 化過(guò) 程 ) 和 傳 輸過(guò) 程 ,如 使用 CCD 攝 像機(jī)獲取 圖像 ,光 照程度 和傳感器 溫度是造 成圖像 退化的主 要因素 . 圖 像在 傳 輸過(guò) 程 中主 要 由于 所 用的 傳輸 信 道的 干 擾受 到 噪聲污染 ,也會(huì) 造 成 圖像 質(zhì) 量的 下 降 .圖 像 恢復(fù) 技 術(shù)以 獲 取 視覺(jué) 質(zhì) 量得到 某種程度 改善為目 的 ,根 據(jù)指定的 圖像退化 模型來(lái) 對(duì)在某種 情況下 退化或降 質(zhì)了的退 化圖像 進(jìn)行恢復(fù) ,以獲取 到原始 的、未經(jīng) 退化的原始圖像 . 圖 像 恢 復(fù) 首先 要 建 立圖 像 退 化 /復(fù) 原 模型 ,當(dāng)不 知 道 圖像 本 身的性質(zhì)時(shí) ,可 以 建立 退 化源 的 數(shù) 學(xué)模 型 ,然 后 施行 恢 復(fù) 算法 除 去或減 少 退 化 源 的 影 響 . 當(dāng) 有 了 關(guān) 于 圖 像 本 身 的 先 驗(yàn) 知 識(shí) 時(shí) ,模型以建 立原始圖 像的模型 ,然后 在觀測(cè)到 的退化圖 像中通 過(guò)檢測(cè)原 始圖像 而 復(fù) 原 圖像 . 如圖所示： 常 見(jiàn) 的 圖 像恢 復(fù) 模型 有 4種 :通 用圖 像 模 型 ,光 學(xué)系 統(tǒng) 模 型 ,攝影過(guò)程模型 ,離散圖像恢復(fù)模型 . 在成像系統(tǒng)中一個(gè)通常的缺點(diǎn)是 在傳感器 和顯示器 系統(tǒng)中 存在有害 的非線 性 ,傳感 器信號(hào)的 處理后修正和顯示器信號(hào)的處理前修正可以充分減少退化 . 這種恢復(fù) 處理實(shí)現(xiàn) 起來(lái)通常 相對(duì)簡(jiǎn) 單 ,最常 見(jiàn)的圖像 恢復(fù)任 務(wù)是為了 補(bǔ)償圖 像 模 糊和 消 除噪 聲影 響 而進(jìn) 行 的空 間 圖像 恢 復(fù) . 目 前通 常 有以下恢復(fù)技術(shù) :傳 感器 和 顯示 點(diǎn) 的 非線 性 修正 ,連續(xù) 圖 像 的空 間 濾波恢復(fù) ,偽 逆 空 間 圖 像 恢 復(fù) ,SVD 偽 逆 空 間 圖 像 恢 復(fù) ,統(tǒng) 計(jì) 學(xué) 估 計(jì) 空間圖像恢復(fù) ,約 束圖像恢 復(fù) ,盲目圖 像恢復(fù) . 圖 像 分 割 是 圖 像 處 理 中 的 一 項(xiàng) 關(guān) 鍵 技 術(shù) ,自 20 世紀(jì) 70 年代起 一直受到 人們 高度 重視 ,并在醫(yī)學(xué) 、工業(yè)、 軍事等 領(lǐng)域得到 了廣泛應(yīng)用 . 常 用 的分 割 方法 主 要分 為 基于 區(qū)域 的 分割 方 法和 基 于邊緣的分割方法 2 類 . 此外 ,隨 著 各 學(xué) 科 的 發(fā) 展 出 現(xiàn) 了 一 些 結(jié) 合 某種 特 定 理 論的分 割方法 : 如圖 這 類方法的 基本思 想是將圖 像分割成 若干不 重疊的區(qū) 域 ,使各區(qū) 域內(nèi)部特 征的相似 性大于 區(qū)域間特 征的相 似性 ,各 區(qū)域內(nèi)像 素都滿足 基于灰度 、紋理等 特征的某 種相似性 準(zhǔn)則 . 其 常見(jiàn)的方 法 :閾值法 。 表 1 型號(hào) DCS420c／ DCS420m DCS460 傳感器 面陣 CCD9mm 15mm 彩 色 面 陣 傳 感 器 感 光度 100400／ 2001600ASA 100ASA 焦距延長(zhǎng) 調(diào)焦 自動(dòng)聚焦 /手動(dòng) 自 動(dòng) 聚 焦 ／手動(dòng) 最高 分辨力（像素?cái)?shù)） 1012 1524 3060 2036 彩色 深度（位 ） 3 12／ 1 12 3 12 曝光時(shí)間 尼康 N90 尼康 N90 黑 白 或 彩 色 活動(dòng)景物 彩色／黑白 彩色 /黑白 照明 日 光 、 閃 光燈、 燈光 日 光 、 閃 光燈、 燈光 最 大 數(shù)據(jù) 容 量 /幅 ／ 軟件 /插件 PC 機(jī)用 TWainMac 機(jī)用photoshop Mac 機(jī)用 photoshop插件 接口 SCSI SCSI 數(shù)碼 相機(jī)的優(yōu) 點(diǎn)是圖像 獲取的速 度快，對(duì)于 小尺寸的 X 射線膠片 其 分 辨 力能滿 足一般需 要。如 要拍攝 14″ 17″ X 射線 膠片并能 達(dá)到 的空間分 辨力， 則 CCD 像素?cái)?shù)應(yīng)為 1778 2159≈1800 2200。以下均 以面陣為 討論對(duì)象 ，數(shù)碼相機(jī) 的空間分 辨力應(yīng)是 CCD 實(shí)際 像素?cái)?shù)而 非經(jīng)插值 后的像素 數(shù)。 裝有線 陣 CCD 的 數(shù)碼相機(jī) 其工作原 理類似于 平板式掃描儀，在 CCD 移 動(dòng)（掃描）過(guò) 程中一行、行地拍攝景 物，完成整 個(gè)畫(huà)面 所 需 的 時(shí)間很 長(zhǎng)，且不 能拍攝活 動(dòng)著的景物 。 圖 6 灰度與光密度曲線 圖 7CCD 結(jié)構(gòu)示意 圖 7CCD 圖像傳感器工作示意圖 在數(shù) 碼相機(jī)上 使用的 CCD 圖像傳 感器（簡(jiǎn)稱 CCD）分 線與面陣CCD 兩種 ，在線陣 CCD 中光 電轉(zhuǎn)換元 件緊挨著 均勻地排 成一列 ，元件尺寸為 15μ m～ 50μ m。 若 V2 的負(fù)電 位移至 V3，則該 儲(chǔ)存的正 電荷隨之 移到 V3 的位置 ，此即 電荷的儲(chǔ) 存及移位 。結(jié)構(gòu)仍 屬金屬氧 化物半 導(dǎo)體（ MOS）但沒(méi) 有擴(kuò)散 源極和漏 極。 CCD 結(jié)構(gòu)如 圖 6112 所示。完成 電荷的存 儲(chǔ)與轉(zhuǎn)移（移位 寄存）由 CCD 來(lái) 完成。光 電轉(zhuǎn)換功 能由類似 于光電二 極管的 pn 結(jié)來(lái)完成 。它 用 CCD（電荷耦 合器件 ）作為 圖像傳感器 件。介乎 上述兩種 掃描技術(shù) 之間的為 數(shù)碼相機(jī)。電視攝 像機(jī)的優(yōu) 點(diǎn)是掃描速 度快，一幅14″ 17″ 的 X 射線膠片 只需 1/25s。前者一般 為 512 512，后 者可達(dá) 4000 5000（如 取 300dpi，對(duì) 14″17″ 膠 片 可 達(dá) 這 一 分