基于Matlab圖像分割的研究

雷瓊

（陜西工業(yè)職業(yè)技術(shù)學(xué)院 陜西 咸陽(yáng) 712000）

圖像分割就是把圖像根據(jù)其特征諸如顏色、灰度、形狀和紋理等劃分成許多不重疊區(qū)域，這些圖像的特征在同一區(qū)域內(nèi)相似，在不同區(qū)域則出現(xiàn)明顯的差異。圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟?，F(xiàn)有的圖像分割方法主要分以下幾類：基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于指紋圖像的分割方法等[1]。

Matlab可以把計(jì)算、圖示和編程集合到一個(gè)環(huán)境中，Matlab的仿真功能非常強(qiáng)大，實(shí)際操作也非常便捷。同時(shí)，Matlab內(nèi)部包含了非常豐富的工具箱，比如圖像處理工具箱、圖像采集工具箱、符號(hào)數(shù)學(xué)工具箱、信號(hào)處理工具箱、計(jì)算機(jī)視覺工具箱、優(yōu)化工具箱等，這些工具箱適合不同的科學(xué)領(lǐng)域，基于此使用Matlab可為不同學(xué)科領(lǐng)域的研究帶來很大方便。

1 Matlab簡(jiǎn)介

MATLAB由matrix&laboratory兩個(gè)詞組合而成，直譯為矩陣工廠（矩陣實(shí)驗(yàn)室）。這是一款由美國(guó)MathWorks公司在20世紀(jì)80年代中期推出的一種數(shù)學(xué)軟件，以矩陣的形式處理數(shù)據(jù)，計(jì)算環(huán)境基于科學(xué)計(jì)算、交互式程序設(shè)計(jì)以及可視化的高科技環(huán)境。它將數(shù)值分析、矩陣計(jì)算、科學(xué)數(shù)據(jù)可視化以及非線性動(dòng)態(tài)系統(tǒng)的建模和仿真等諸多強(qiáng)大功能集成在一個(gè)易于使用的視窗環(huán)境中[2]，為科學(xué)研究、工程設(shè)計(jì)以及必須進(jìn)行有效數(shù)值計(jì)算的眾多科學(xué)領(lǐng)域提供了一種全面的解決手段[3]，摒棄了諸如C、Fortran之類的傳統(tǒng)非交互式程序設(shè)計(jì)語(yǔ)言的編輯模式，它的出現(xiàn)將計(jì)算軟件水平推向另一個(gè)高度。Matlab功能之強(qiáng)大已然成為很多理工科課程的基本教學(xué)用具，幾乎可以說，科學(xué)計(jì)算中的任何問題都可以用它來解決。

2 圖像分割理論概述

數(shù)字圖像處理中最關(guān)鍵技術(shù)之一就是圖像分割。圖像分割就是將圖像中有意義的特征部分提取出來，其有意義的特征有圖像中的邊緣、區(qū)域等，這是進(jìn)一步進(jìn)行圖像識(shí)別、分析和理解的基礎(chǔ)[4]。圖像分割就是對(duì)圖象中的目標(biāo)、背景進(jìn)行定位并標(biāo)記，然后將圖像中的目標(biāo)從背景或其他目標(biāo)中分離出來，各個(gè)區(qū)域在物理上表示為有意義的連通區(qū)域的集合。

目前研究學(xué)者將諸如數(shù)學(xué)形態(tài)學(xué)、遺傳算法等很多研究成果運(yùn)用到圖像分割中，由此產(chǎn)生了先進(jìn)的圖像分割技術(shù)。圖像分割在圖像工程中起著非常重要的作用，它是一個(gè)中間層，介乎于低層次處理和高層次處理之間。圖像分割技術(shù)主要有閾值、區(qū)域、邊緣和指紋圖像分割這4類。下面分別對(duì)這4類分割技術(shù)一一介紹，并通過MATLAB進(jìn)行分析比較。

3 圖像分割的常用方法

3.1 基于閾值的分割方法

閾值分割法當(dāng)前社會(huì)最常見也是最簡(jiǎn)單的分割法，采用的是并行區(qū)域技術(shù)，普遍應(yīng)用于圖像分割。閾值分割方法的實(shí)現(xiàn)是將圖像從輸入圖像f到輸出圖像g做以下變換：

這樣得到的g（x，y）是一幅二值圖像。其中，T為閾值，對(duì)于物體的圖像元素 g（i，j）=1，對(duì)于背景的圖像元素 g（i，j）=0。

這種算法的實(shí)現(xiàn)過程如下：

1）將彩色圖像轉(zhuǎn)化為灰度圖像；

2）計(jì)算直方圖，根據(jù)直方圖選取閾值；

3）根據(jù)閾值進(jìn)行圖像分割。

基于此，我們發(fā)現(xiàn)如果能確定一個(gè)合適的閾值就可準(zhǔn)確地將圖像分割開來，簡(jiǎn)言之閾值的確定是閾值分割算法的關(guān)鍵，只要確定了閥值，就可以很容易的對(duì)圖像進(jìn)行分割。隨著科學(xué)技術(shù)的發(fā)展，閾值處理技術(shù)也在不斷豐富，目前成熟的閥值處理技術(shù)包括矩不變閥值法全局閾值、自適應(yīng)閾值、最佳閾值等等。閾值的選取還需要根據(jù)具體問題來定，一般我們需要通過實(shí)驗(yàn)來確定。

圖1 閾值分割結(jié)果Fig.1 Threshold segmentation results

圖1中分別采用的是全局閾值分割法和自適應(yīng)閾值分割法從圖片可以看出，閾值分割對(duì)于直方圖有明顯波谷的圖像可以取得很好的效果。

3.2 基于區(qū)域特性的分割

區(qū)域分割顧名思義就是將圖像分成若干區(qū)域，圖像技術(shù)中兩種典型的區(qū)域分割方法分別是區(qū)域生長(zhǎng)法和區(qū)域分裂合并法。

3.2.1 區(qū)域生長(zhǎng)

區(qū)域生長(zhǎng)就是將性質(zhì)類似的像素集合起來形成一個(gè)區(qū)域，分割時(shí)需要對(duì)每一個(gè)需要分割的區(qū)域找一個(gè)種子像素，將其作為生長(zhǎng)的起點(diǎn)[5]，再將種子像素周圍鄰域中與種子像素有相同或相似性質(zhì)的像素（根據(jù)某種事先確定的生長(zhǎng)或相似準(zhǔn)則來判定）合并到種子像素所在的區(qū)域中[6]，直到找不到滿足條件的像素，至此一個(gè)區(qū)域就長(zhǎng)成了。

區(qū)域生長(zhǎng)法主要有以下3步構(gòu)成：

1）選擇合適的種子點(diǎn)：

2）確定生長(zhǎng)準(zhǔn)則；

3）確定生長(zhǎng)停止條件

區(qū)域生長(zhǎng)法是通過MATLAB工具箱中的函數(shù)imreconstruct完成的，由于涉及到形態(tài)學(xué)的知識(shí)本文只利用了這個(gè)函數(shù)實(shí)現(xiàn)了分割圖像，沒有討論具體的過程。

圖2 腦部圖像和區(qū)域生長(zhǎng)法分割的結(jié)果Fig.2 Brain image segmentation and region growing method results

3.2.2 區(qū)域分裂合并

分裂合并與區(qū)域生長(zhǎng)不同的是，它是以整個(gè)圖像為基礎(chǔ)，將整個(gè)圖像任意分裂若干互不相交的區(qū)域，再把前景區(qū)域進(jìn)行合并，最后提取目標(biāo)，這樣就完成了分裂合并任務(wù)，區(qū)域分裂合并和區(qū)域生長(zhǎng)是相反的過程。

使用區(qū)域分裂合并方法，最常用的方法是四叉樹分解法（如圖3所示）。假設(shè)R表示整個(gè)正方形圖像區(qū)域，P代表邏輯謂詞?；痉至押喜⑺惴ú襟E如下：

圖3 四叉樹分割后的圖像Fig.3 Image after quadtree divided

1）對(duì)于一個(gè)區(qū)域，如果條件滿足 H（Ri）=FALSE，那么根據(jù)四叉樹分解法我們就可以將這個(gè)區(qū)域分裂成相應(yīng)的4等份，并且分裂后的4等份之間不重疊；

2）對(duì)于相鄰的兩個(gè)區(qū)域Ri和Rj，沒有嚴(yán)格的規(guī)定它們的大小，假如條件滿足H（Ri∪Rj）=TRUE，就意味著可以進(jìn)行合并。

3）如果進(jìn)一步的分裂或合并都不可能，則結(jié)束。

區(qū)域生長(zhǎng)與區(qū)域分裂合并方法兩種方法進(jìn)行比較，可以看出區(qū)域生長(zhǎng)能在很大程度上節(jié)省分裂的過程，但區(qū)域生長(zhǎng)只能從單一的像素點(diǎn)出發(fā)進(jìn)行生長(zhǎng)，而區(qū)域分裂合并的方法可以在較大的一個(gè)相似區(qū)域基礎(chǔ)上再進(jìn)行相似合并。

3.3 邊緣分割

邊緣檢測(cè)作為圖像分割的一種重要途徑，即檢測(cè)灰度級(jí)或者結(jié)構(gòu)具有突變的地方，代表了一個(gè)區(qū)域的結(jié)束，相對(duì)于另一個(gè)區(qū)域則是它開始的地方[6]。灰度或結(jié)構(gòu)信息的突變處成為邊緣，它是圖像局部特征不連續(xù)性的反映，體現(xiàn)了灰度、顏色、紋理等圖像特性的突變。通常情況下，基于邊緣的分割方法指的是基于灰度值的邊緣檢測(cè)，它是建立在邊緣灰度值會(huì)呈現(xiàn)出階躍型或屋頂型變化這一觀測(cè)基礎(chǔ)上的方法。

階躍型邊緣兩邊像素點(diǎn)的灰度值存在著明顯的差異，而屋頂型邊緣則位于灰度值上升或下降的轉(zhuǎn)折處。邊緣上的這種變化可用微分算子檢測(cè)出來，常用一階導(dǎo)數(shù)來檢測(cè)邊緣，基于一階導(dǎo)數(shù)的檢測(cè)邊緣有：Roberts算子，Sober算子，Prewitt算子。

3.4 指紋圖像的分割

進(jìn)行指紋圖像識(shí)別時(shí)，首先要對(duì)經(jīng)過指紋采集設(shè)備得到的圖像做一些相應(yīng)的處理，而這些圖像大多都是是含有很多噪聲的，如果不先去除噪聲而直接對(duì)這些接圖像進(jìn)行處理，這樣將會(huì)存在很多的問題，最終將影響提取結(jié)果?；诖?，需要先去除噪聲，而圖像分割技術(shù)恰好可以很好地幫助我們做到這一點(diǎn)，經(jīng)過對(duì)指紋圖像的研究分析，紋理性和方向性是指紋圖像最大的特點(diǎn)，因此利用方向圖對(duì)指紋圖像進(jìn)行分割最常用的一種方法[7]。文章采用的的是基于均方差值的方向圖分割算法。

圖4 邊緣檢測(cè)分割結(jié)果Fig.4 Edge detection segmentation results

圖5 指紋圖像分割結(jié)果Fig.5 Fingerprint image segmentation results

根據(jù)圖5的指紋圖像分割結(jié)果，我們可以看到，直接用閾值分割算法得到的指紋圖像分割結(jié)果中，丟失了原來指紋圖像的很多信息，指紋信息很不清晰。而采用基于方差的圖像分割算法則得到了很好的分割圖像，指紋圖像比原始圖像更加清晰，降低了信息丟失率。

因此，在圖像分割之前應(yīng)該根據(jù)原有圖像的特點(diǎn)，先對(duì)圖像進(jìn)行分析，根據(jù)圖形特征，采用不同的圖像分割算法，這樣就比較容易得到理想的圖像分割結(jié)果。

4 結(jié)束語(yǔ)

圖像分割技術(shù)的發(fā)展迄今已經(jīng)經(jīng)歷了幾個(gè)世紀(jì)，產(chǎn)生的分割技術(shù)的種類繁多。由于至今還沒有發(fā)明出一種分割理論能滿足所有圖像，就目前來說，當(dāng)前的分割技術(shù)基本是針對(duì)某一個(gè)具體問題而產(chǎn)生的，而無法滿足所有圖像。但是不難看出，隨著科學(xué)技術(shù)的發(fā)展，未來圖像分割技術(shù)將結(jié)合各種新理論和新技術(shù)取得一定突破和進(jìn)展。

[1]張鐵鋒，龐明，李牧.基于顏色和邊緣信息融合的目標(biāo)定位方法研究[J].物流技術(shù)，2012，31（7）：256-258.ZHANG Tie-feng，PANG Ming，LI Mu.Study on target positiongin based on color and marginal information fusion[J].Logistics technology，2012，31（7）:256-258.

[2]趙妙君.MATLAB在函數(shù)教學(xué)中的應(yīng)用 [J].新課程學(xué)習(xí)：下，2011:12.ZHAO Miao-jun.Application of MATLAB in function teaching[J].New Courses Study:The Following，2011:12.

[3]朱磊.MATLAB與C的對(duì)比研究[J].宜春學(xué)院學(xué)報(bào)，2012，34（4）:49-50.ZHU Lei.The Rerearch on contrast of MATLAB and C[J].Yichun University，2012，34（4）:49-50.

[4]尹捷.數(shù)字圖像處理概述[J].經(jīng)濟(jì)技術(shù)協(xié)作信息，2007（18）:87.YIN Jie.Overview of digital image processing[J].Economic and Technical Cooperation Information，2007（18）:87.

[5]鄧金蓮，李成貴.結(jié)合區(qū)域生長(zhǎng)和SUSAN的圖像分割方法[J].電光與控制，2012，19（8）:38-40.DENG Jin-lian，LI Cheng-gui.An image segmentation method based on region growing and SUSAN operator[J].Optic and Control 2012，19（8）:38-40.

[6]周鋒飛，陳衛(wèi)東，李良福.一種基于區(qū)域生長(zhǎng)的紅外與可見光的圖像融合方法[J].應(yīng)用光學(xué)，2007，28（6）:737-741.ZHOU Feng-fei，CHEN Wei-dong，LI Liang-fu.Fusion of IR and visible images using region growing[J].Applied Optics，2007，28（6）:737-741.

[7]厲謹(jǐn)，李立.遺傳算法在數(shù)字圖像分割中的應(yīng)用[J].科技風(fēng)，2009:11.LI Jin，LI Li.Genetic algorithm and application in image segmentation[J].Technology Wind，2009:11.

[8]聶桂軍，張振峰，夏玉敏，等.基于數(shù)學(xué)形態(tài)學(xué)與均值方差的指紋圖像分割算法[J].南京工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2011，11（4）:38-40.NIE Gui-jun，ZHANG Zhen-feng，XIA Yu-min，et al.Algorithm of image segmetntation based on mathematical morphology[J].Nanjing Industrial Vocational and Technical College，2011 ，11（4）:38-40.