圖像分割算法的研究綜述

徐彩云

摘要：隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)和數(shù)字圖像處理技術(shù)的迅速發(fā)展，圖像識(shí)別技術(shù)也被成功地應(yīng)用于許多領(lǐng)域。而圖像識(shí)別的前提條件是圖像分割技術(shù)，整個(gè)數(shù)字圖像處理過(guò)程的好壞取決于圖像分割算法的合理選擇。由于獲取圖像的特殊性和復(fù)雜性，在對(duì)圖像進(jìn)行分割的過(guò)程中怎樣采用合適的圖像分割算法成為研究熱點(diǎn)。在比較現(xiàn)有分割算法的基礎(chǔ)上，進(jìn)一步探討基于灰度閥值分割算法中的閥值選擇。

關(guān)鍵詞：圖像識(shí)別；圖像處理；圖像分割；閥值

中圖分類號(hào)：G642 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）11-2637-03

Abstract： With the rapid development of computer network technology and digital image processing technology， image recognition technology has been successfullyapplied in many fields. But the precondition of image recognition is the image segmentation technology， the digital image processing selection processdepends on image segmentation algorithm. Because of the particularity and complexity of image acquisition， the image segmentation process of how uses the appropriate image segmentation algorithms become a research hot spot.On the basis of comparing existing segmentation algorithm， further discussed based on threshold selection in gray-level threshold segmentation algorithm.

Key words： Image recognition；imageprocessing；image segmentationthreshold

視覺(jué)是人類從大自然界獲得圖像信息的主要來(lái)源。圖像信息直觀、形象、易懂、信息量大，在人類接收和相互通信中處扮演重要的角色[1]。隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)和多媒體技術(shù)的迅速發(fā)展，數(shù)字圖像處理技術(shù)逐漸形 成了自己的學(xué)科體系。廣泛得應(yīng) 用于各個(gè)領(lǐng)域，如工業(yè)機(jī)器人、地球資 源監(jiān)測(cè)、人工智能、醫(yī)療衛(wèi)生等，已經(jīng)走進(jìn)人們的日常生活。在這些應(yīng)用領(lǐng)域中，都離不開圖像識(shí)別技術(shù)，如車牌識(shí)別、字符識(shí)別、指紋識(shí)別、人臉識(shí)別等。而圖像識(shí)別技術(shù)的前提和基礎(chǔ)是圖像分割技術(shù)。但由于現(xiàn)實(shí)環(huán)境等原因使得獲取的圖像具有復(fù)雜性和特殊性，圖像分割技術(shù)成為數(shù)字圖 像 處理的一個(gè)難點(diǎn)[2]。圖像分割從廣義上講是指把一幅完整的圖像分解成若干個(gè)具有相同或相異的特性的區(qū)域，并在這些區(qū)域中提取出感興趣的目標(biāo)的技術(shù)過(guò)程[3]。近些 年 來(lái)，許多學(xué)者在圖像分割技術(shù)方面做了 大 量 的研究工作，但針對(duì)所有圖像并沒(méi)有形成通用的、有效的分割算法，需要進(jìn)一步研究解決。

1 圖像分割技術(shù)

在研究數(shù)字圖像處理技術(shù)時(shí)，大多數(shù)的人們往往只是關(guān)心圖像中的某些部分，對(duì)其他部分是不感興趣的，但是這些部分又具有一定的特殊性質(zhì)，對(duì)于整個(gè)圖像而言把它稱為圖像的前景或目標(biāo)，那么圖像中其它不被感興趣的部分就稱作圖像的背景。為了讓人們更清楚地分析和辨別圖像中的目標(biāo)，則需要把一幅圖像中的目標(biāo)分割出來(lái)，怎樣分割？分割圖像時(shí)采用何種算法？已成為圖像分割技術(shù)研究的熱點(diǎn)問(wèn)題[4]。圖像分割是根據(jù)圖像的特征（如圖像的紋理、灰度、顏色等）對(duì)圖像的像素進(jìn)行分類，被分割后的圖像區(qū)域是不重疊的[5]。

2 灰度圖像分割算法

2.1灰度閾值分割

閾值分割法是通過(guò)設(shè)置閾值，依據(jù)圖像目標(biāo)和圖像背景在灰度像素上的差異進(jìn)行圖像分割的一種技術(shù)。它把整個(gè)圖像按灰度級(jí)分成若干類。假設(shè)先確定一個(gè)灰度閾值 T，把圖像中所有像素點(diǎn)的灰度值和閥值T的進(jìn)行比較，以確定該像素點(diǎn)是屬于目標(biāo)還是屬于背景[4]。，當(dāng)然閥值T應(yīng)處于圖像灰度級(jí)范圍之內(nèi)。通過(guò)比較結(jié)果可分為兩類：一、如果圖像像素的灰度值大于閾值 T，則稱其為目標(biāo)；二、如果圖像像素的灰度值小于閾值 T，則稱其為背景。基于灰度閾值的分割算法最關(guān)鍵的問(wèn)題是合理閥值的選擇。人工選擇法是可以利用人類視覺(jué)的敏感性，通過(guò)觀察圖像并分析圖像直方圖以選擇合適的閾值。但在大多數(shù)的應(yīng)用中，需要無(wú)人干涉可以自動(dòng)獲取分割的最佳閥值。

2.2 迭代式閥值選擇

迭代式閾值選擇的基本思想是：先依據(jù)圖像中目標(biāo)的灰度像素分布特點(diǎn)，選擇一個(gè)閾值作為初始估計(jì)值。通常情況下，初始閾值是圖像的灰度均值；然后對(duì)估計(jì)值不斷的進(jìn)行改進(jìn)，直到滿足既定的條件為止。通過(guò)分割圖像和修改閾值可以選擇較好的閥值改進(jìn)策略，從而獲得認(rèn)可的最佳閾值[5]。

2.3 最小誤差閥值選擇

由此可見，只有當(dāng)圖像中的背景像素點(diǎn)和目標(biāo)像素點(diǎn)相等，或者他們的灰度值成正態(tài)分布且標(biāo)準(zhǔn)偏差相等。取最佳閥值，誤差最小，但現(xiàn)實(shí)中圖像的目標(biāo)和背景的像素點(diǎn)很難相等。

3 結(jié)束語(yǔ)

對(duì)灰度圖像分割算法的研究已經(jīng)有幾十年的歷史，盡管人們?cè)趫D像分割方面做了許多的研究工作。提出許多分割算法，如均勻性度量法，類間最大距離法，最大熵法，局部閾值分割法等。但沒(méi)有一種分割算法適合于所有圖像。但圖像分割算法還是朝著更快速、更精確的方向發(fā)展，將不斷的取得突破和進(jìn)展。

參考文獻(xiàn)：

[1] 袁佳，郭建鋼.車牌照?qǐng)D像識(shí)別技術(shù)研究進(jìn)展[J].機(jī)電技術(shù)，2008，（1）：77-78.

[2] 張佑生，彭青松，汪榮貴.一種新的數(shù)字圖像灰度直方圖及其應(yīng)用研究[J].系統(tǒng)仿真學(xué)報(bào)，2002，14（12）：1655-1658.

[3] 謝鳳英，趙丹培等.Visual C++數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2008.

[4] 姚敏等.數(shù)字圖像處理技術(shù)[M].北京：機(jī)械工業(yè)出版社，2013.

[5] C.Sanderson，Information Fusion and Person Verification Using Speech & Face Information， IDIAP-RR 02-33， Swizerland，2002.endprint

摘要：隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)和數(shù)字圖像處理技術(shù)的迅速發(fā)展，圖像識(shí)別技術(shù)也被成功地應(yīng)用于許多領(lǐng)域。而圖像識(shí)別的前提條件是圖像分割技術(shù)，整個(gè)數(shù)字圖像處理過(guò)程的好壞取決于圖像分割算法的合理選擇。由于獲取圖像的特殊性和復(fù)雜性，在對(duì)圖像進(jìn)行分割的過(guò)程中怎樣采用合適的圖像分割算法成為研究熱點(diǎn)。在比較現(xiàn)有分割算法的基礎(chǔ)上，進(jìn)一步探討基于灰度閥值分割算法中的閥值選擇。

關(guān)鍵詞：圖像識(shí)別；圖像處理；圖像分割；閥值

中圖分類號(hào)：G642 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）11-2637-03

Abstract： With the rapid development of computer network technology and digital image processing technology， image recognition technology has been successfullyapplied in many fields. But the precondition of image recognition is the image segmentation technology， the digital image processing selection processdepends on image segmentation algorithm. Because of the particularity and complexity of image acquisition， the image segmentation process of how uses the appropriate image segmentation algorithms become a research hot spot.On the basis of comparing existing segmentation algorithm， further discussed based on threshold selection in gray-level threshold segmentation algorithm.

Key words： Image recognition；imageprocessing；image segmentationthreshold

視覺(jué)是人類從大自然界獲得圖像信息的主要來(lái)源。圖像信息直觀、形象、易懂、信息量大，在人類接收和相互通信中處扮演重要的角色[1]。隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)和多媒體技術(shù)的迅速發(fā)展，數(shù)字圖像處理技術(shù)逐漸形 成了自己的學(xué)科體系。廣泛得應(yīng) 用于各個(gè)領(lǐng)域，如工業(yè)機(jī)器人、地球資 源監(jiān)測(cè)、人工智能、醫(yī)療衛(wèi)生等，已經(jīng)走進(jìn)人們的日常生活。在這些應(yīng)用領(lǐng)域中，都離不開圖像識(shí)別技術(shù)，如車牌識(shí)別、字符識(shí)別、指紋識(shí)別、人臉識(shí)別等。而圖像識(shí)別技術(shù)的前提和基礎(chǔ)是圖像分割技術(shù)。但由于現(xiàn)實(shí)環(huán)境等原因使得獲取的圖像具有復(fù)雜性和特殊性，圖像分割技術(shù)成為數(shù)字圖 像 處理的一個(gè)難點(diǎn)[2]。圖像分割從廣義上講是指把一幅完整的圖像分解成若干個(gè)具有相同或相異的特性的區(qū)域，并在這些區(qū)域中提取出感興趣的目標(biāo)的技術(shù)過(guò)程[3]。近些 年 來(lái)，許多學(xué)者在圖像分割技術(shù)方面做了 大 量 的研究工作，但針對(duì)所有圖像并沒(méi)有形成通用的、有效的分割算法，需要進(jìn)一步研究解決。

1 圖像分割技術(shù)

在研究數(shù)字圖像處理技術(shù)時(shí)，大多數(shù)的人們往往只是關(guān)心圖像中的某些部分，對(duì)其他部分是不感興趣的，但是這些部分又具有一定的特殊性質(zhì)，對(duì)于整個(gè)圖像而言把它稱為圖像的前景或目標(biāo)，那么圖像中其它不被感興趣的部分就稱作圖像的背景。為了讓人們更清楚地分析和辨別圖像中的目標(biāo)，則需要把一幅圖像中的目標(biāo)分割出來(lái)，怎樣分割？分割圖像時(shí)采用何種算法？已成為圖像分割技術(shù)研究的熱點(diǎn)問(wèn)題[4]。圖像分割是根據(jù)圖像的特征（如圖像的紋理、灰度、顏色等）對(duì)圖像的像素進(jìn)行分類，被分割后的圖像區(qū)域是不重疊的[5]。

2 灰度圖像分割算法

2.1灰度閾值分割

閾值分割法是通過(guò)設(shè)置閾值，依據(jù)圖像目標(biāo)和圖像背景在灰度像素上的差異進(jìn)行圖像分割的一種技術(shù)。它把整個(gè)圖像按灰度級(jí)分成若干類。假設(shè)先確定一個(gè)灰度閾值 T，把圖像中所有像素點(diǎn)的灰度值和閥值T的進(jìn)行比較，以確定該像素點(diǎn)是屬于目標(biāo)還是屬于背景[4]。，當(dāng)然閥值T應(yīng)處于圖像灰度級(jí)范圍之內(nèi)。通過(guò)比較結(jié)果可分為兩類：一、如果圖像像素的灰度值大于閾值 T，則稱其為目標(biāo)；二、如果圖像像素的灰度值小于閾值 T，則稱其為背景?；诨叶乳撝档姆指钏惴ㄗ铌P(guān)鍵的問(wèn)題是合理閥值的選擇。人工選擇法是可以利用人類視覺(jué)的敏感性，通過(guò)觀察圖像并分析圖像直方圖以選擇合適的閾值。但在大多數(shù)的應(yīng)用中，需要無(wú)人干涉可以自動(dòng)獲取分割的最佳閥值。

2.2 迭代式閥值選擇

迭代式閾值選擇的基本思想是：先依據(jù)圖像中目標(biāo)的灰度像素分布特點(diǎn)，選擇一個(gè)閾值作為初始估計(jì)值。通常情況下，初始閾值是圖像的灰度均值；然后對(duì)估計(jì)值不斷的進(jìn)行改進(jìn)，直到滿足既定的條件為止。通過(guò)分割圖像和修改閾值可以選擇較好的閥值改進(jìn)策略，從而獲得認(rèn)可的最佳閾值[5]。

2.3 最小誤差閥值選擇

由此可見，只有當(dāng)圖像中的背景像素點(diǎn)和目標(biāo)像素點(diǎn)相等，或者他們的灰度值成正態(tài)分布且標(biāo)準(zhǔn)偏差相等。取最佳閥值，誤差最小，但現(xiàn)實(shí)中圖像的目標(biāo)和背景的像素點(diǎn)很難相等。

3 結(jié)束語(yǔ)

對(duì)灰度圖像分割算法的研究已經(jīng)有幾十年的歷史，盡管人們?cè)趫D像分割方面做了許多的研究工作。提出許多分割算法，如均勻性度量法，類間最大距離法，最大熵法，局部閾值分割法等。但沒(méi)有一種分割算法適合于所有圖像。但圖像分割算法還是朝著更快速、更精確的方向發(fā)展，將不斷的取得突破和進(jìn)展。

參考文獻(xiàn)：

[1] 袁佳，郭建鋼.車牌照?qǐng)D像識(shí)別技術(shù)研究進(jìn)展[J].機(jī)電技術(shù)，2008，（1）：77-78.

[2] 張佑生，彭青松，汪榮貴.一種新的數(shù)字圖像灰度直方圖及其應(yīng)用研究[J].系統(tǒng)仿真學(xué)報(bào)，2002，14（12）：1655-1658.

[3] 謝鳳英，趙丹培等.Visual C++數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2008.

[4] 姚敏等.數(shù)字圖像處理技術(shù)[M].北京：機(jī)械工業(yè)出版社，2013.

[5] C.Sanderson，Information Fusion and Person Verification Using Speech & Face Information， IDIAP-RR 02-33， Swizerland，2002.endprint

摘要：隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)和數(shù)字圖像處理技術(shù)的迅速發(fā)展，圖像識(shí)別技術(shù)也被成功地應(yīng)用于許多領(lǐng)域。而圖像識(shí)別的前提條件是圖像分割技術(shù)，整個(gè)數(shù)字圖像處理過(guò)程的好壞取決于圖像分割算法的合理選擇。由于獲取圖像的特殊性和復(fù)雜性，在對(duì)圖像進(jìn)行分割的過(guò)程中怎樣采用合適的圖像分割算法成為研究熱點(diǎn)。在比較現(xiàn)有分割算法的基礎(chǔ)上，進(jìn)一步探討基于灰度閥值分割算法中的閥值選擇。

關(guān)鍵詞：圖像識(shí)別；圖像處理；圖像分割；閥值

中圖分類號(hào)：G642 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）11-2637-03

Abstract： With the rapid development of computer network technology and digital image processing technology， image recognition technology has been successfullyapplied in many fields. But the precondition of image recognition is the image segmentation technology， the digital image processing selection processdepends on image segmentation algorithm. Because of the particularity and complexity of image acquisition， the image segmentation process of how uses the appropriate image segmentation algorithms become a research hot spot.On the basis of comparing existing segmentation algorithm， further discussed based on threshold selection in gray-level threshold segmentation algorithm.

Key words： Image recognition；imageprocessing；image segmentationthreshold

視覺(jué)是人類從大自然界獲得圖像信息的主要來(lái)源。圖像信息直觀、形象、易懂、信息量大，在人類接收和相互通信中處扮演重要的角色[1]。隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)和多媒體技術(shù)的迅速發(fā)展，數(shù)字圖像處理技術(shù)逐漸形 成了自己的學(xué)科體系。廣泛得應(yīng) 用于各個(gè)領(lǐng)域，如工業(yè)機(jī)器人、地球資 源監(jiān)測(cè)、人工智能、醫(yī)療衛(wèi)生等，已經(jīng)走進(jìn)人們的日常生活。在這些應(yīng)用領(lǐng)域中，都離不開圖像識(shí)別技術(shù)，如車牌識(shí)別、字符識(shí)別、指紋識(shí)別、人臉識(shí)別等。而圖像識(shí)別技術(shù)的前提和基礎(chǔ)是圖像分割技術(shù)。但由于現(xiàn)實(shí)環(huán)境等原因使得獲取的圖像具有復(fù)雜性和特殊性，圖像分割技術(shù)成為數(shù)字圖 像 處理的一個(gè)難點(diǎn)[2]。圖像分割從廣義上講是指把一幅完整的圖像分解成若干個(gè)具有相同或相異的特性的區(qū)域，并在這些區(qū)域中提取出感興趣的目標(biāo)的技術(shù)過(guò)程[3]。近些 年 來(lái)，許多學(xué)者在圖像分割技術(shù)方面做了 大 量 的研究工作，但針對(duì)所有圖像并沒(méi)有形成通用的、有效的分割算法，需要進(jìn)一步研究解決。

1 圖像分割技術(shù)

在研究數(shù)字圖像處理技術(shù)時(shí)，大多數(shù)的人們往往只是關(guān)心圖像中的某些部分，對(duì)其他部分是不感興趣的，但是這些部分又具有一定的特殊性質(zhì)，對(duì)于整個(gè)圖像而言把它稱為圖像的前景或目標(biāo)，那么圖像中其它不被感興趣的部分就稱作圖像的背景。為了讓人們更清楚地分析和辨別圖像中的目標(biāo)，則需要把一幅圖像中的目標(biāo)分割出來(lái)，怎樣分割？分割圖像時(shí)采用何種算法？已成為圖像分割技術(shù)研究的熱點(diǎn)問(wèn)題[4]。圖像分割是根據(jù)圖像的特征（如圖像的紋理、灰度、顏色等）對(duì)圖像的像素進(jìn)行分類，被分割后的圖像區(qū)域是不重疊的[5]。

2 灰度圖像分割算法

2.1灰度閾值分割

閾值分割法是通過(guò)設(shè)置閾值，依據(jù)圖像目標(biāo)和圖像背景在灰度像素上的差異進(jìn)行圖像分割的一種技術(shù)。它把整個(gè)圖像按灰度級(jí)分成若干類。假設(shè)先確定一個(gè)灰度閾值 T，把圖像中所有像素點(diǎn)的灰度值和閥值T的進(jìn)行比較，以確定該像素點(diǎn)是屬于目標(biāo)還是屬于背景[4]。，當(dāng)然閥值T應(yīng)處于圖像灰度級(jí)范圍之內(nèi)。通過(guò)比較結(jié)果可分為兩類：一、如果圖像像素的灰度值大于閾值 T，則稱其為目標(biāo)；二、如果圖像像素的灰度值小于閾值 T，則稱其為背景?；诨叶乳撝档姆指钏惴ㄗ铌P(guān)鍵的問(wèn)題是合理閥值的選擇。人工選擇法是可以利用人類視覺(jué)的敏感性，通過(guò)觀察圖像并分析圖像直方圖以選擇合適的閾值。但在大多數(shù)的應(yīng)用中，需要無(wú)人干涉可以自動(dòng)獲取分割的最佳閥值。

2.2 迭代式閥值選擇

迭代式閾值選擇的基本思想是：先依據(jù)圖像中目標(biāo)的灰度像素分布特點(diǎn)，選擇一個(gè)閾值作為初始估計(jì)值。通常情況下，初始閾值是圖像的灰度均值；然后對(duì)估計(jì)值不斷的進(jìn)行改進(jìn)，直到滿足既定的條件為止。通過(guò)分割圖像和修改閾值可以選擇較好的閥值改進(jìn)策略，從而獲得認(rèn)可的最佳閾值[5]。

2.3 最小誤差閥值選擇

由此可見，只有當(dāng)圖像中的背景像素點(diǎn)和目標(biāo)像素點(diǎn)相等，或者他們的灰度值成正態(tài)分布且標(biāo)準(zhǔn)偏差相等。取最佳閥值，誤差最小，但現(xiàn)實(shí)中圖像的目標(biāo)和背景的像素點(diǎn)很難相等。

3 結(jié)束語(yǔ)

對(duì)灰度圖像分割算法的研究已經(jīng)有幾十年的歷史，盡管人們?cè)趫D像分割方面做了許多的研究工作。提出許多分割算法，如均勻性度量法，類間最大距離法，最大熵法，局部閾值分割法等。但沒(méi)有一種分割算法適合于所有圖像。但圖像分割算法還是朝著更快速、更精確的方向發(fā)展，將不斷的取得突破和進(jìn)展。

參考文獻(xiàn)：

[1] 袁佳，郭建鋼.車牌照?qǐng)D像識(shí)別技術(shù)研究進(jìn)展[J].機(jī)電技術(shù)，2008，（1）：77-78.

[2] 張佑生，彭青松，汪榮貴.一種新的數(shù)字圖像灰度直方圖及其應(yīng)用研究[J].系統(tǒng)仿真學(xué)報(bào)，2002，14（12）：1655-1658.

[3] 謝鳳英，趙丹培等.Visual C++數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2008.

[4] 姚敏等.數(shù)字圖像處理技術(shù)[M].北京：機(jī)械工業(yè)出版社，2013.

[5] C.Sanderson，Information Fusion and Person Verification Using Speech & Face Information， IDIAP-RR 02-33， Swizerland，2002.endprint