图像分割算法综述与探索
图像分割算法综述与探索
[摘 要] 图像分割是图像处理和计算机视觉领域中的基本技术, 在生物医学、航空航天、文化艺术等领域有着广泛的应用, 一直是图像处理研究的热点。本文系统介绍了几种常见的图像分割算法。
[关键词]图像分割 阈值 区域和边缘 交互式算法
一、引言
随着人类社会和计算机技术的不断进步, 数字图像处理技术得到了前所未有的飞速发展。图像分割是图像分析和模式识别的首要问题, 也是图像处理技术的研究热点和难点, 自上世纪70年代起一直受到人们的高度重视。图像分割在很多领域中己得到广泛的应用, 例如, 在交通图像分析中, 把车辆目标从背景中分离出来; 在医学应用中, 将核磁共振(MR) 图像中的特定器官分割出来, 用于疾病的诊断; 在遥感图像中利用纹理的差别分割出不同背景分布的云系; 在农业中图像分割被用于户外植物的检测。
图像编辑是另一个需要用到图像分割技术的地方。想象一下, 也许你从未去过埃及, 不过这并不妨碍你拥有一张与神秘金字塔亲密接触的照片, 现代数字图像处理技术可以很方便得帮你做到这一点。打开一张你的生活照片, 使用任何一个图像工具, 把自己的影像“抠”出来, 然后放入一幅金字塔背景图像中。这样, 你的第一次埃及之旅就完成了。概括来说, 在各种应用中如果需要对图像目标进行抽取、测量等处理就离不开图像分割技术。
二、图像分割算法分类
图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域, 使得这些特征在同一区域内表现出一致性或相似性, 而在不同区域间表现出明显的不同[1]。简单地讲就是对图像中的目标进行标记、定位, 然后将要识别的目标从背景或其它伪目标中分离出来, 为目标识别、精确定位等后续处理提供依据, 其结果将直接影响到后续的信息处理过程。
图像分割的方法和种类有很多, 但没有唯一的标准的分割方法, 也就是说没有什么图像分割的算法是对所有图像都适合的。有些算法需要先对图像进行粗分割, 因为他们需要从图像中提取出信息。许多不同类别的图像或景物都可作为待分割的图像数据, 某种分割算法只局限于特定的分割对象, 因此系统而有效的分类方法能帮助我们了解图像分割领域的发展和研究现状。
现今国内外广泛使用的图像分割算法主要分为:基于阈值的方法、基于聚类的方法、基于区域和边缘的方法、基于全局优化的方法以及其他方法。
1、基于阈值的方法