文章目錄

• • • 0 區域分割技術
    • 1 區域生長法
    • • • 1.1 基本方法
        • 1.2 區域生長法算法
    • 2 區域分裂與合并
    • • • 2.1 實現步驟

0 區域分割技術

基于區域的分割是以直接尋找區域為基礎的分割技術，實際上類似基于邊界的圖像分割技術一樣利用了對象與背景灰度分布的相似性。

大體上基于區域的圖像分割方法可以分為兩大類：

區域生長法

區域分裂與合并

1 區域生長法

根據一定的準則將像素或子區域聚合城更大區域的過程。區域生長法的關鍵在于選取合適的生長準則，不同的生長準則會影響區域生長的過程、結果。生長準則可根據不同的原則制定，大部分區域生長準則使用圖像的局部性質。

1.1 基本方法

以一組種子點開始，將與種子性質相似(如灰度級)的領域像素附加到生長區域的每個種子上

1.1.1 種子產生的方法

• 根據所解決問題的性質選擇一個或多個起點
• 若無先驗信息，則對每個像素計算相同的特性集，特性集在生長過程中用于將像素歸屬于某個區域
• 若這些計算的結果呈現了不同簇的值，則簇中心附近的像素可以作為種子

1.1.2 終止規則
若沒有像素滿足加入到某個區域的條件時，則區域停止生長，終止規則的制定需要先驗知識或先驗模型。

1.1.3 相似度準則

• 灰度級類似準則
• 紋理類似準則
• 顏色類似準則

1.2 區域生長法算法

1.2.1 基于區域灰度差的區域生長法
這是一種以像素為基本單位進行操作的方法，具體步驟如下：

對圖像進行逐行掃描，找出尚沒有歸屬的圖像

以該像素為中心檢查它的領域像素，即將領域中的像素逐個與它比較，若灰度差小于閾值$T$，則將它們合并

以新合并的像素為中心，回到步驟2檢查新像素的鄰域，直到區域無法進一步擴張

重復步驟1~3，直到不能找出沒有歸屬的像素則結束整個生長過程

一個4領域、閾值$T=1$的區域生長示例：

改進方法的思路：

• 求出所有領域的平均灰度差，并合并具有最小灰度差的鄰接區域
• 考慮區域生長的歷程
• 考慮生長形狀

1.2.2 基于區域內灰度分布統計的區域生長法
考慮以灰度分布相似性作為生長準則來決定區域的合并，具體步驟如下：

把圖像劃分為互不重疊的小區域

比較鄰接區域的灰度直方圖，根據灰度分布的相似性進行區域合并

設定終止準則，通過不斷重復步驟2將各個區域依次合并，直到滿足終止準則

設$h_1(z)$、$h_2(z)$分別為兩個鄰接區域的灰度直方圖，則灰度分布相似性判斷標準為：$$\max |h_1(z)?h_2(z)|$$$$\sum |h_1(z)?h_2(z)|$$若檢測結果小于給定閾值$T$，即將兩個區域合并
需要注意的是，劃分區域的大小要合適，太小則可靠性降低，太大則測得的區域形狀不理想

2 區域分裂與合并

區域分裂與合并算法的基本思路類似于微分，即無窮分割，然后將分割后滿足相似度準則的區域進行合并。

2.1 實現步驟

對圖像中灰度級不同的區域，均分為4個子區域

若相鄰的子區域所有像素的灰度級相同，則將其合并

重復1~2步驟，直到不再有新的分裂與合并為止

2.1.1 改進方法
將相似度準則$P(R_i)$定義為:

區域內多于80%的像素滿足不等式$$P(R_i)=|z_{ij}?m_i|?2{\sigma }_i$$其中$z_{ij}$表示區域$R_{ij}$中第$j$個點的灰度級；$m_i$表示區域$R_i$的平均灰度級；${\sigma }_i$表示區域$R_i$灰度級的標準方差

若$P(R_i)?2{\sigma }_i$，則將區域內所有像素的灰度級置為$m_i$

總結

以上是生活随笔為你收集整理的图像分割—基于区域的图像分割的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。