1.2 图像分割的定义
对于事物的选择一样,更偏向于所感兴趣的一些东西,当在对图像进行研究时,所研究的部分,对应的是此图像中的特定的区域,学术上称为前景;其余剩下的我们不感兴趣的部分称为背景。研究时,得先确定所感兴趣的部分,这就是本文接下来研究的目标图像。从广义定义来说图像分割,就是依据定性定量的数据评测,找到相似的特征和特性合集把他们归为一类,然后把他们分为一些具有相似性的不重叠区域。每个区域内具有类似性质的,即具有一致性;所以不同区域的不具有相似性质,所以这是不符合的。
从集合的角度来看,我们可以把图像分割定义为[1]:对于图像,假设有集合F1,F2,F3.....Fm.,使得:
(1) =Fi,
(2)每一个Fi都是4-连通或8-连通域;
(3)对每一个Fi来说都符合其中的一种特性;
则(F1,F2,.....Fm,)是F分割所得。
但是图像分割的对象是以整幅图出发,按是否具有一致属性的准则,来判断像素归属于哪里,最后形成区域图。可总结,图像分割是根据P一致性准则的选择的图像被分为非重叠区域集合{ S1,S2......SN}的过程。
1.3 图像分割评价标准
图像分割的结果是需要人为的视觉并加以主观想法去断定其优良等级,都说眼见都不一定为实,在对于高精度的图像分割效果上,人的判断是不准确不客观的,我们需要的是一个对其做一个定性定量的客观评价。
为了掌握图像分割算法,我们应该评价每个算法。分割评价就像老师的评价一样,对于发现分割方法中的不足,提升分割质量,并运用最合适的算法具有指导意义。间接法和直接法是评价的最基本方法:直接发顾名思义是对算法和原理的一个直接评述,是不考虑外界环境的影响,算法的优劣是其本质;而间接法则是在把结果进行测试和对比的一个客观评价。
图像分割评价方法示意图
关于图像分割评价方法方面,许多学者提出了不少评价方法和准则;在这些准则,定量实验标准取得最大的,所以说只有使用这种评价标准是才是有说服力的。
2 图像分割技术的基本算法
2.1 基于边缘的分割算法
此算法是从边缘提取的对象分割的要求,以独立的目标,主要取决于不连续的图像的不同区域。这种技术的优点是边缘定位准确,计算速度。缺点是容易受外界环境影响,另外此方法只使用了部分信息,不能100%保证分割区内的颜色相同,且不能产生连续的闭轮廓。综合其优缺点后我们可以总结出来:基于边缘法我们需要经过后续的处理和结合其他算法,才能使分割取得更好的效果。
边缘分割算法一般有如下四个步骤:源'自:优尔`!论~文'网www.youerw.com
滤波:边缘分割算法主要是基于图像强度的一阶和二阶导数,但是外界噪声环境对导数的影响很大,所以滤波器的使用可以改善并提高与噪声有关的边缘检测器的性能。
(1)增强:增强边缘的基础是用来确定图像各区域强度的变化值,增强算法可以标出区域强度变化值有显著变化的点。
(2)检测:梯度变化存在着变化显著和一般,但是这些点在特殊的区域并不存在边缘,所以应当用某些方法莱找边缘点。
(3)定位:当条件要求确定边缘位置,可在亚像素分辨率上来估计,我们就可以得出其边缘位置。在此算法中,前三个是最基础的。因为在大多数场合下,仅仅需要边缘检测器检查边缘出现在图像某一像素点的附近,而不用精确指出其所在的确切位置。