數(shù)字圖像處理中的圖像分割技術(shù)應(yīng)用

王利利

近幾年來，數(shù)字圖像技術(shù)被廣泛應(yīng)用。數(shù)字圖像技術(shù)是在數(shù)字技術(shù)與電子技術(shù)的基礎(chǔ)上產(chǎn)生的。而圖像分割技術(shù)，又是數(shù)字圖像技術(shù)的重要組成部分。圖像分割是由圖像處理過渡到圖像分析的關(guān)鍵一步，所以一直受到人們高度的關(guān)注。隨著人們對(duì)圖像分割技術(shù)的掌握程度越來越高，圖像分割技術(shù)也廣泛地運(yùn)用到了實(shí)際生活中。圖像分割技術(shù)，主要是從圖像中獲取所需要的目標(biāo)，從而對(duì)圖像進(jìn)行分解。

1 圖像分割技術(shù)簡(jiǎn)介

對(duì)于數(shù)字圖像，在探究與使用過程中，只是針對(duì)圖像中的某個(gè)點(diǎn)，或者某個(gè)部分，那么這樣的一部分圖像就可以被稱為目標(biāo)或者前景，圖像的其他部分就被稱為背景。為了更好地、清楚地區(qū)分出要分析和辨別的目標(biāo)，需要把這一部分提取出來，這就是圖像分割。

1.1 基本原理

從廣義上說，圖像分割是根據(jù)圖像的一些特征和特征的集合的相似程度，對(duì)圖像進(jìn)行一定比例的重新規(guī)劃，使得圖像像素更加清晰，重新分割的部分要連接恰當(dāng)，并且不重復(fù)不疊加。重新分割的圖像，要具有一定的連貫性，并且畫面內(nèi)容沒有改變。

1.2 圖像分割的種類

由于圖像分割的標(biāo)準(zhǔn)不同，針對(duì)不同的要求，采用對(duì)應(yīng)的分割方法進(jìn)行分割。圖像分割有多種方法，根據(jù)使用目的不同，可以將其分為粗分割與細(xì)分割；根據(jù)圖像內(nèi)容不同，可以將其分為分割灰度圖像與分割彩色圖像；根據(jù)分割圖像的區(qū)域差別，可以將其分為分割靜態(tài)圖像與分割動(dòng)態(tài)圖像；根據(jù)圖像的構(gòu)造不同，可以將其分為多維度圖像，例如一維度、二維度、三維度等。在不同的領(lǐng)域應(yīng)用范圍內(nèi)，可以分為醫(yī)學(xué)圖像分割、工業(yè)圖像分割、安全圖像分割、交通圖像分割和軍事圖像分割等；根據(jù)用于知識(shí)點(diǎn)的特點(diǎn)和層次又能分為數(shù)據(jù)驅(qū)動(dòng)和模型驅(qū)動(dòng)兩種，由此可見，圖像分割根據(jù)其要求不同，會(huì)產(chǎn)生對(duì)應(yīng)的分割方法[1]。

2 數(shù)字圖像處理中圖像分割的方法

2.1 數(shù)字圖像的閾值分割法

數(shù)字圖像的閾值分割法，是將數(shù)字圖像的區(qū)域，用幾個(gè)或者固定的閾值進(jìn)行分割，并且在種類相同的像素中，具有灰度值的物體，被當(dāng)作為同一物體。數(shù)字圖像的閾值分割法，具有簡(jiǎn)單便捷的特性，使用范圍較大，其利用的是圖像的恢復(fù)特征。對(duì)于數(shù)字圖像的閾值分割法，光照、噪音會(huì)影響閾值的確定，這是數(shù)字圖像的閾值分割法的關(guān)鍵問題。為有效地解決此類問題，將圖像中的直方圖，用函數(shù)來計(jì)算，用概率密度來近似，從而確定灰度值的最小范圍。這樣就有效避免了錯(cuò)誤的分割。這樣方法在物體和背景之間的區(qū)域分界是比較明顯的，換句話說，在物體和背景的灰度值差異明顯的情況下，會(huì)比較容易分割。

2.2 數(shù)字圖像的聚類分割法

聚類分割法，是通過圖像的聚類，將圖像的不同區(qū)域表示出來，并將灰度圖像與彩度圖像相同的區(qū)域，與相似的色度進(jìn)行組合。聚類分割法，實(shí)際上是將圖像分割問題，直接轉(zhuǎn)化成模式自動(dòng)識(shí)別，從而進(jìn)行聚類分析，將圖像進(jìn)行分割。像素的空間聚類分割，屬于聚類分割法的一種，其主要的特點(diǎn)是，在規(guī)定的范圍內(nèi)進(jìn)行圖像分析，使得圖像內(nèi)容更真實(shí)地反映出來，具有一定的真實(shí)性與準(zhǔn)確性。

2.3 數(shù)字圖像的邊緣檢測(cè)分割法

數(shù)字圖像的邊緣檢測(cè)分割法，是非常有用的圖像分割方法。數(shù)字圖像的邊緣檢測(cè)分割法，原理非常簡(jiǎn)單，效果也十分明顯。當(dāng)邊緣物體受到注視的時(shí)候，其最受關(guān)注的部分便是其邊緣部分。數(shù)字圖像的邊緣檢測(cè)分割法，對(duì)于被分割的圖像，其信息突然變化的部分被稱之為邊緣部分。其既是圖像區(qū)域的結(jié)束，同時(shí)也是開始，利用這樣的方法進(jìn)行圖像分割，效果更加明顯。數(shù)字圖像的邊緣檢測(cè)分割法中，Sobel算子是檢測(cè)邊緣的重要依據(jù)，Sobel算子從不同的角度與方向進(jìn)行邊緣檢測(cè)，Sobel算子可以強(qiáng)化像素的權(quán)重，能夠?qū)吘夁M(jìn)行更加全面的檢測(cè)，采用這種方法檢測(cè)出的邊緣，亮度更加完整，畫面非常清晰，同時(shí)還可以防止噪音。Hough變換方法，是采用圖像本身的特性，對(duì)圖像的輪廓直接進(jìn)行檢驗(yàn)，將像素邊緣連接起來，從而組成封閉的邊界區(qū)域，是一種常見的圖像分割方法。Hough變換方法，在圖像原有狀態(tài)下，能夠更加容易地取得邊界曲線，并且將散落的邊緣像素進(jìn)行連接。Hough變換方法，具有點(diǎn)和線的對(duì)偶性質(zhì)，在圖像變換之前，存在于圖像的空間，在圖像變換之后，存在參數(shù)空間[2]。Hough變換方法的圖像空間與參數(shù)空間，可以進(jìn)行相互變換，圖像空間中的中共線點(diǎn)，對(duì)應(yīng)參數(shù)空間的中相交的線。Hough變換方法，參數(shù)空間里所有相交的點(diǎn)，在圖像空間中都對(duì)應(yīng)一條中共線，將其稱之為點(diǎn)和線的對(duì)偶性。基于這樣的性質(zhì)，圖像空間的直線檢測(cè)問題，可以直接轉(zhuǎn)換成參數(shù)空間的對(duì)應(yīng)點(diǎn)檢測(cè)問題，從而在參數(shù)空間里進(jìn)行運(yùn)算，更加簡(jiǎn)便地完成圖像檢測(cè)任務(wù)。

3 圖像分割技術(shù)的應(yīng)用

3.1 在汽車車牌識(shí)別方面的應(yīng)用

車牌的自動(dòng)識(shí)別就是指監(jiān)控的大門可以通過對(duì)來往的車輛識(shí)別系統(tǒng)來辨別車輛是否屬于本單位，從而決定是否自動(dòng)開啟大門。這個(gè)識(shí)別的系統(tǒng)可以很好地提示工作人員，也可以將需要的新增車輛加入車輛自動(dòng)識(shí)別的系統(tǒng)中來，具有識(shí)別速度快、準(zhǔn)確率高和耗資低成本少的特點(diǎn)。

3.2 在生物醫(yī)學(xué)工程的應(yīng)用

圖像分割技術(shù)，在醫(yī)學(xué)行業(yè)具有重要的應(yīng)用。利用圖像分割技術(shù)，能夠?qū)VF模型圖像進(jìn)行分割。GVF模型腦部圖像，其中有大量的腦層凹陷，在用傳統(tǒng)的Snake模型分割方法，對(duì)GVF模型腦部圖像進(jìn)行分割時(shí)，會(huì)造成腦層凹陷向深度彎曲，容易出現(xiàn)邊界錯(cuò)誤，導(dǎo)致圖像分割困難。GVF模型圖像分割，可以解決此類問題，其采用以輪廓為中心的方法，給新的模型設(shè)定較大的范圍，進(jìn)行搜索，在利用GVF模型作為基礎(chǔ)，進(jìn)行運(yùn)算，提高收斂速率，從而可以有效地處理凹陷部分，提高圖像的分割質(zhì)量[3]。

3.3 遙感工程方面的應(yīng)用

在遙感的方面可以對(duì)油庫(kù)或者同類型的目標(biāo)進(jìn)行檢測(cè)和定位，油罐在光學(xué)煙桿圖像分析中，有一定的特殊性，在基本情況下，油罐的形狀是圓形的，并且顏色均勻。因此，在對(duì)遙感方面的油庫(kù)進(jìn)行定位時(shí)，可以利用油罐檢測(cè)出橢圓，再將檢測(cè)出的橢圓形狀進(jìn)行分類，通過集中分布的方法，從而去確定出油庫(kù)的位置。實(shí)驗(yàn)證明，增長(zhǎng)區(qū)域聚類法，能夠較大程度地定位油庫(kù)檢測(cè)的位置。增長(zhǎng)區(qū)域聚類法，就是對(duì)油罐的橢圓形狀進(jìn)行有效定位，將橢圓作為像素，從而進(jìn)行圖像分割，將圍繞在一起的橢圓進(jìn)行分類，再利用區(qū)域生長(zhǎng)原理對(duì)其進(jìn)行定位，從而確定油庫(kù)的位置。增長(zhǎng)區(qū)域聚類法，能夠?qū)τ凸薜奈恢镁珳?zhǔn)定位，再確定出油庫(kù)的位置，還能夠?qū)μ摷儆凸扌畔⑦M(jìn)行排除，準(zhǔn)確程度更高，速度更快。

4 結(jié)語(yǔ)

圖像的數(shù)字處理已經(jīng)成為現(xiàn)代化不可或缺的基本技術(shù)，圖像分割技術(shù)也廣泛運(yùn)用到了生活中的多個(gè)領(lǐng)域。在這其中，圖像分割的理論和新算法一直在不斷地出現(xiàn)和進(jìn)步，實(shí)際運(yùn)用的范圍也將會(huì)越來越大。圖像分割技術(shù)，在數(shù)字圖像領(lǐng)域具有較大的發(fā)展空間，其包含多種類型的分割技術(shù)。比如，人工智能技術(shù)的使用、分形理論、模糊數(shù)學(xué)和形態(tài)學(xué)等。圖像分割技術(shù)越來越多地為人們的工作和生活提供便利。

[1]王迪.基于數(shù)字圖像處理的圖像分割系統(tǒng)的設(shè)計(jì)及實(shí)現(xiàn)[J].企業(yè)導(dǎo)報(bào),2015(12):58-58.

[2]李昕,高東林,黃歡.數(shù)字圖像處理技術(shù)在膜圖像處理中的應(yīng)用[J].北京理工大學(xué)學(xué)報(bào),2011(12):1465-1468.

[3]徐暉.計(jì)算機(jī)數(shù)字圖像處理技術(shù)的思考與探討[J].計(jì)算機(jī)光盤軟件與應(yīng)用,2012(7):119-119.