基于区域方法的图像分割

《基于区域方法的图像分割》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于区域方法的图像分割图像表示分成边界表示（如链码、边界分段等）和区域表示（如四叉树、骨架等）两大类。边界表示关心的是图像中区域的形状特征；区域表示则倾向于反映区域的灰度、颜色、纹理等特征的特点。图像分割方法有以下三种：1、基于边缘的方法梯度法……方法直观，分割结果比较美观简单，但边缘检测受噪声影响大，不能保证边缘的封闭性2、基于区域的方法区域生长法、分裂合并法……保证得到边缘封闭的区域，缺点是边缘复杂，没有统一标准描述区域3、基于识别的方法通过识别结果的反馈实现分割本文主要探讨基于区域的方法。（1）、区域生长方法区域生长

2、是一种根据事前定义的准则将像素或子区域聚合成更大区域的过程，主要考虑象素及其空间邻域象素之间的关系。基本思想：从种子区域（可以是单个像素）开始，逐步增长，获得满足一致性的最大区域。主要问题：（1）种子区域的确定；（2）作为生长依据的一致性度量；一致性度量一般方法：灰度均值、灰度方差、纹理、颜色、区域形状等。算法实现：1）根据图像的不同应用选择一个或一组种子，它或者是最亮或最暗的点，或者是位于点簇中心的点。2）选择一个相似性准则。（灰度级、彩色、纹理、梯度等特性相似）3）从该种子开始向外扩张，不断将与集合中各个像素连通、且满

3、足相似性准则的像素加入集合。4）上一过程进行到不再有满足条件的新结点加入集合为止。（终止准则）通过像素集合的区域增长算法实现：区域A区域B种子像素（2）、区域分裂合并区域分裂合并法无需预先指定种子点,它按某种一致性准则分裂或者合并区域.可以先进行分裂运算,然后再进行合并运算;也可以分裂和合并运算同时进行,经过连续的分裂和合并,最后得到图像的精确分割效果。分裂合并法对分割复杂的场景图像比较有效。算法实现：1）对图像中灰度级不同的区域，均分为四个子区域2）如果相邻的子区域所有像素的灰度级相同，则将其合并。3）反复进行上两步操作

4、，直至不再有新的分裂与合并为止