计算机视觉领域中的彩色图像分割算法探究

　　摘要：文章简述了计算机视觉领域中的彩色图像分割算法，包括全局调色板量化算法、基于色差最小准则的量化算法、模糊聚类算法以及基于区域的分割方法。彩色图像分割算法类型多样，功能和用途均有所不同。文章主要从医疗业、农业、航空航天等领域研究几种彩色图像分割算法的应用情况及其现实意义，研究目的在于拓宽彩色图像分割算法的应用范围，以推动计算机的现代化发展。

　　关键词：计算机视觉彩色图像;全局调色板量化算法;模糊聚类算法

计算机视觉

　　1 基于计算机视觉的彩色图像分割系统

　　(1)颜色量化阶段算法。全局调色板量化算法：在 RGB 颜色空间内，通过系统调色板上投射的真彩色图像建立调色板图像是全局调色板量化算法的基本构思，并计算图像中像素颜色与调色板颜色的间隔，取最近点颜色代替像素颜色以生成调色板图像。距离计算公式： E= (R1 -R2 ) 2 +(G1 -G2 ) 2 +(B1 -B2 ) 2 姨基于色差最小准则的量化算法：由于 RGB 颜色空间内存在颜色变化强烈刺激人眼导致量化不合理，故应采取本算法： ①通过图像信息来确认该图像文件为 24 位真彩色图像;②对该图像每一行的像素数进行计算以获取相应数据;③对获取的颜色信息加以统计，并通过对真彩色信息的压缩控制颜色种类，然后利用人眼的辨色功能，完成色差最小准则的量化计算。

　　(2)自适应模糊聚类算法。聚类过程是指按照一群抽象或物理数据对象的相似度进行分组，并将相似对象组合成同一组的过程，而聚类分析是指从确定的数据库中获取数据对象之间的相关性。模糊集合 A=(μA (xi )，xi )|x 姨姨 i∈X ，表示一个对象 x 隶属于集合 A 的程度函数，用 μ(x)表示，取值范围为[0，1]， A 即 0≤μ(x)=1，当取值为 1 时，可表示为 x A εA。若把聚类产生的簇当做一个模糊集合，那么这个簇里的每个样本点都可在[0，1]的取值范围内找到。当一个数据集的隶属度总和为 1 时，模糊 C 均值聚类的表示方法： c Σi = 1 uij =1， j=1，...，n，可简化为 J(U，c1，...，cc )= c Σi = 1 Ji= c i = 1 Σ n Σj uij m dij 2 。其中 uij 在[0，1]之间取值，而模糊组 I 的聚类中心用 ci 表示;m 作为加权指数取值范围为[0，1]。为确保以上公式获得最小值，应满足如下条件： J(U，c1 ，...，cc ，λ1 ，...，λn )=J(U，c1 ，...，cc )+Σj=1 n λ(j c i = 1 Σuij -1)= c i = 1 Σ n Σj uij m dij 2 + n i = 1 Σλ(j c i = 1 Σuij -1)通过模糊聚类算法，可获得由 C*N 和 C 个聚类中心点向量构成的模糊划分矩阵，从而明确每个样本点对应的隶属度。每个聚类中心对应相应数据类的平均特征。因此采用此种算法意义更大。

　　(3)基于区域的分割方法。将点划分为区域的前提是明确区域数目，然后根据该区域的独特性从众多区域中分割出来，并保证所分割的区域具有可靠的判断依据。比如边缘跟踪法、阈值法。以上两种方法的基本原理是确定像素相似群体，然后根据其对应的实体世界平面，将 I 设定为满足检测准则的小块物体，然后对其邻近点的色彩值和灰度值加以检测，若检测结果显示邻近点接受后“生长”成新的 I，然后重复以上过程直至邻近点终止生长。通常来说，应该按照具体像素的特征获取种子像素，而采用生长准则可在未确定具体问题的情况下计算对应像素。换言之，获取生长准则与掌握具体问题特征二者之间并不存在直接联系，可单独进行，无需依靠具体问题，仅需要明确图像数据种类亦可获取生长准则。比如，采用单色准则时，彩色图像的获取会受到干扰，此时建议合并两个区域。

　　2 彩色图像分割算法的应用

　　(1)在医疗业中的应用。彩色图像分割算法在在医疗领域主要用于处理医学图像。临床医生借助彩色图像分割法对医学图像传递的信息加以分析从而做出判断。比如，有人根据医学彩色图像三维色彩信息，在灰关联的作用下获取色彩灰关联图像，采用分割发对人脑图像进行有效而精确提取。然后利用遗传算法 C- 均值聚类分割医学彩色图像，在 RGB 空间内聚类，最终完成医学病理彩色图像的获取，实践效果十分理想。另有人利用区域分割，明确待分割组织的主体区域，保存了目标对象边界邻近点的边缘特征，然后根据跟踪法精确处理边界定位，从而实现精准分割。

　　(2)在农业中的应用。①计算机视觉领域的彩色图像分割算法在农产品分级中应用广泛。主要用于检测农产品的损坏情况，从而对农产品分级。由于采用边界跟踪法时，获取颜色十分重要，因此需利用神经网络辨别牛肉的颜色，然后根据特定颜色的特征利用灰度图像分割技术分割需要的彩色图像。有研究显示，传统分水岭算法存在明显缺陷，而改进后的算法可用于对熏烤肉制品表面图像的分割，而利用模糊均值聚类算法可对人体肌肉和脂肪图像进行分割，然后采用数学形态学运算分割背长肌区域，从而获取大理石花纹和颜色特征，并根据所获得信息建立与之相关的预测模型。②计算机视觉领域的彩色图像分割算法在农产品自动收获方面应用十分突出。近年来关于此方面的研究取得了十分可喜的进展。比如，有研究人员就采摘农产品这一问题，提出了采用机器人替代人工的设想，并取得了十分理想的实践效果。另有研究人员利用彩色图像分割算法来定位、检测苹果，提取了苹果树的原始图像，并明确了苹果的轮廓线。

　　(3)在航空航天中的应用。在天气恶劣，并受限于距离和视觉角度以及照相设备等情况下，利用人工行驶航空侦查检测工作，不但工作效率大大降低，而且检测结果存在较大误差。因此，航空航天领域需要用彩色图像分割算法进行航空侦查检测。高维特征空间内含纹理、色彩、空间，需行均值平移滤波，然后利用聚类方法分割图像。

　　3 结语

　　文章探究了几种彩色图像分割算法，并根据彩色图像特征，在利用不同颜色空间的优势，提出了相应的设计设想。比如，颜色量化阶段提出全局调色板量化算法和基于色差最小原则的算法;在颜色聚类方面提出自适应模糊 C 均值聚类算法。同时又对不同领域彩色图像分割算法的应用情况予以分析，为彩色图像分割算法的实践价值提供了有力证明，为日后持续推广打开了新的局面。

　　参考文献

　　[1]郭晓刚，蔡金玲，朱莉.改进遗传算法在图像分割中的应用[J].仪表技术，2016，(2).

　　计算机视觉领域中的彩色图像分割算法探究相关推荐计算机核心期刊论文范文