【正文】 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。首先對邊緣圖像中的所有裂縫邊緣計算一個信度c(1)(e)，在每個邊緣的上下文鄰域內(nèi)，再根據(jù)邊緣信息c(k)(e)確定其邊緣類型，然后根據(jù)每個邊緣的類型和前面的信度c(k)(e)更新它的信度c(k+1)(e)，直到所有的邊緣信度全都收斂到了0或者1。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。如果一個邊緣沒有上下文鄰域，那么它有可能就不屬于任何邊界的一部分。(2) 邊緣松弛法[17]邊界受圖像噪聲影響較大的邊緣圖像，在處理的時候很可能會遺漏重要的部分，可以對邊緣進行上下文鄰域的邊緣信度評價來解決這個問題。簡單檢測子會是邊緣變粗，如果邊緣帶有方向信息，就可以通過應用邊緣數(shù)據(jù)的非最大抑制來抑制單個邊界領域內(nèi)的多個響應，以實現(xiàn)部分矯正。．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。根據(jù)這些閾值對各個譜段進行分割，最后將各個譜段的每個分割投影到多光譜分割中。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。閾值的選擇是閾值分割成功的關鍵，在整個圖像上可以施加單個閾值，也可以使用依賴圖像部分而改變的閾值，通常用是利用直方圖來選擇。．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，是廣泛應用于灰度圖像的一種分割技術。目前，大多灰度圖像分割技術都可以擴展到彩色圖像，許多的彩色圖像分割方法不僅可以灰度圖像分割方法應用于不同的彩色模型，還可以直接應用于每個顏色分量上，其結(jié)果再經(jīng)過一定的方法進行組合，就可得到最終的分割結(jié)果。由于HIS模型可以直觀的將圖像的彩色信息用H和S兩個分量表示出來，而不受強度分量的影響，所以HIS空間對于彩色描述圖像處理方法是一個理想的工具。每個和軸線正交的切面上的點，其強度都是等值的。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。表示品紅色或絳紅色。表示綠色，240176。表示紅色，則60176。色調(diào)H由角度表示，其取值范圍：0~360176。HSI的幾種變體：HSB，HSL，HSV［9］。其中H(hue)，S(samration)，I(intensity)分別表示色調(diào)，飽和度和亮度。其實Y就是圖像的灰度值：而I和Q則是指色調(diào)，即描述圖像色彩及飽和度的屬性。YIQ顏色空間應用于北美的電視系統(tǒng)。(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顏色空間應用于印刷技術，印刷品通過發(fā)射光線的原理再現(xiàn)色彩。RGB顏色空間是和設備無關的，不同的RGB設備再現(xiàn)的顏色不可能完全相同。1600多萬種顏色好像已經(jīng)夠多了，可與可見光譜的色域范圍相比還是要狹窄很多。當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。同理可得綠色和藍色也被分為256個等級。某些顏色含有紅色成分更多，其他成分少一些。(1) RGB顏色空間對于彩色圖像，它的顯示必須從三原色RGB概念說起。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。．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。數(shù)字圖像處理學科所涉及的知識相當廣泛，具體的方法種類很多。近來，隨著相關學科的發(fā)展，以及各領域?qū)D像處理的要求越來越高，數(shù)字圖像處理技術得到了更加廣泛和迅速的發(fā)展。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)字圖像處理技術的一個重要的里程碑，標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用。數(shù)字圖像處理技術起源于20世紀20年代，采用數(shù)字壓縮技術，通過海底電纜從英國倫敦傳輸了一幅照片到美國紐約。人的視覺系統(tǒng)也是一個觀測系統(tǒng)，它得到的圖像就是客觀景物在人們心目中的有形想象。由此可見圖像傳遞的信息是非常重要的。據(jù)統(tǒng)計，在人類接受的信息當中，視覺信息占70%以上。(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，進而分析此算法的優(yōu)越性和特點。(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。進行空間轉(zhuǎn)換后，提取邊緣，選取種子，再進行區(qū)域生長與合并，最后就得到了分割的結(jié)果。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。本文針對彩色圖像的分割問題進行了研究，由于彩色圖像不僅包括亮度信息，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。實際情況反映了今后彩色圖像分割的一種發(fā)展趨勢。應用領域的不同、圖像質(zhì)量的好壞及圖像色彩的分布和結(jié)構的差別決定了很難找到一種通用的分割方法來解決由于這些客觀因素所引起的圖像分割問題。目前，基于聚類的彩色圖像分割技術一般選擇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。文獻[8]中提出了用聚類分析進行彩色圖像的分割方法。事實上，許多圖像輸出的顏色數(shù)是不一致的，對于一幅復雜的圖像其顏色數(shù)也難以確定。他們在RGB顏色空間中將圖像的每個像素表示為一個由R、G、B本身的值及其均值和方差這幾個特征分量組成的特征向量，并作為神經(jīng)網(wǎng)絡的輸入層進行圖像分割，其輸出層神經(jīng)元對應于預先定義的要分割的顏色數(shù)。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。在灰度圖像中，邊緣的定義是基于灰度級的突變，而且兩個區(qū)域的邊緣當亮度變化明顯時才能被檢測出來。目前，人們通過研究提出了很多新方法：文獻[5]從目標和背景的類間差異性出發(fā)，提出通過貝葉斯公式估計背景和目標的概率，尋找這兩類概率兼得最大交叉熵的方法；文獻[6]提出了基于量化直方圖的最大熵閾值的方法。由于彩色信息通常由R、G、B或它們的線性或非線性組合來表示，所以用三維數(shù)組來表示彩色圖像的直方圖并在其中選出合適的閾值，并不是一件簡單的工作，另一方面確定圖像中目標的數(shù)目計算量也很大?？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。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。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由一維轉(zhuǎn)向了多維。對于彩色圖像的分割方法總的來說可以分為以下三類：基于顏色特征空間的分割方法，基于紋理特征空間的分割方法和基于混合特征的分割方法。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)絡的方法是利用分類的思想對圖像分割的方法。把圖像分割方法的發(fā)展劃分為兩個階段：灰度圖像分割方法階段和彩色圖像分割方法階段。因此后來人們專門針對彩色圖像又提出了很多分割方法，如直方圖閾值法、基于區(qū)域的提取方法、邊緣檢測的分割方法、基于主動輪廓模型方法、神經(jīng)網(wǎng)絡方法等等。而串行分割則簡單，方便一些。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)域生長自適應并行邊界分割技術串行邊界分割技術并行區(qū)域分割技術串行區(qū)域分割技術圖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。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。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，這種方法是假設圖像一定有邊緣存在；另一類是區(qū)域法，這種方法認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。幸運的是人類已經(jīng)積累了很多經(jīng)典的圖像分割方法，雖然不適用所有類型的圖像分割，但是這些方法卻是圖像分割方法進一步發(fā)展的基礎。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。因此，對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