彩色图像分割方法及现状讨论

朱姝　王鹏　周星勇

【摘 要】彩色图像分割是数字图像处理和计算机视觉邻域的关键问题。文章对传统的彩色图像分割方法进行了总结，对新型分割算法进行了阐述，最后对彩色图像分割方法发展趋势进行了展望。

【关键词】彩色图像分割；数学形态学；蚁群算法；熵；Meanshift

图像分割是根据像素间性质将其划分为图像中满足一致性条件的区域的过程。近年来，由于包含了更为丰富的色彩信息，彩色图像分割研究受到越来越多的关注。文章在查阅国内外相关文献的基础上，将彩色图像分割方法分为基于阈值、基于边缘、基于区域和基于理论融合等方法并对每一类方法进行总结。

一、彩色图像分割方法

（一）基于阈值分割方法

基于阈值的分割方法基于两个假设：第一，图像上存在明显的目标与背景的区别，两者之间有较强的亮度（灰度）对比；第二，图像灰度直方图上有明显的目标和背景所对应的峰，两峰之间谷底所对应的灰度值便是较理想的分割阈值。阈值分割利用目标和背景的差异将原图分割为一幅二值图。

（二）基于边缘分割方法

基于边缘的彩色图像分割方法通过检测区域边缘从而通过边缘确定区域内的灰度或颜色信息，进行图像分割。边缘检测之后还需进行结果修饰处理，如连接边缘、去除毛刺和虚假边缘等。

（三）基于区域分割方法

区域生长与区域分裂合并是最主要的两类基于区域的彩色图像分割方法。区域生长从单个像素出发，根据像素与相邻点的颜色相似度判断是否“生长”，直到生长为一个完整区域。区域分裂与合并恰好相反，它从图像整体出发，不断地将图像“分裂”为更小的区域，直到像素间满足相似條件为止停止分裂，得到所需结果。

（四）基于特定理论融合的分割方法

随着其他学科不断发现新理论方法，人们为提高图像分割处理的效率和质量，提出了新的融合特定理论的彩色图像分割算法。

1982年Serra J.首先将数学形态学用于图像分割。分水岭是数学形态学在图像分割中的经典案例，包括两个主要步骤：排序和淹没。排序是对灰度级进行排序，并将像素分配到对应的灰度级中；淹没计算了地理影响区域，对积水盆地进行膨胀，完成图像分割。

蚁群算法是根据蚂蚁觅食过程中选择路径这一行为提出的群体智能算法。2011年，Horng将人工蜂群算法应用于图像阈值分割。2013年，邢旭东等提出了一种基于双搜索方程的人工蜂群彩色图像分割算法，实现了分割速度和精度的提高。

熵与图像分割的融合研究一直备受关注，借助熵构造不同的熵函数能够确定最优分割阈值。1980年，Pun首次提出了最大后验熵上界法；2005年，常发亮等提出了基于可变码长遗传算法的二维熵多阈值方法自动确定分割阈值，完成彩色图像分割。

均值漂移算法是一种无参估计方法，其本质是使核函数中心不断向概率密度梯度方向移动，直到收敛至概率密度最大处。2010年，王晏等提出了基于自适应均值漂移的彩色图像分割方法；2012年，桂阳等融合均值飘逸和加权谱聚类用于彩色图像分割，取得了较好效果。

二、彩色图像分割发展趋势

随着数学形态学、群体智能算法、信息熵及均值漂移等方法与传统分割算法的不断融合，彩色图像分割的发展趋势向优化算法性能、新理论突破、面向特定应用等方面转变。如何研发出一种通用、准确、高效的彩色图像分割算法，在很长一段时间内仍是国内外学者的研究热点。

三、结语

当前，彩色图像分割在图像处理及计算机视觉领域占有一席之地。文章从传统方法和新理论融合两个方面对彩色图像分割方法进行了总结，今后将继续彩色图像分割的学习，致力于研发一种通用、高效的彩色图像智能分割算法。

参考文献

[1] 许新征，丁世飞，史忠植等.图像分割的新理论和新方法[J].电子学报，2010，38（z1）：76-82.

[2] Grzeszczuk R P，Levin D N.“Brownian strings”：Segmenting images with stochastically deformable contours[J].Pattern Analysis & Machine Intelligence IEEE Transactions on，1997，19：1100-1114.

[3] 翁秀梅，肖志涛，杨洪薇.基于边缘检测和区域生长的自然彩色图像分割[J].天津工业大学学报，2008，27（01）：50-52.

[4] Serra J.Mathematical Morphology[M].London，UK：Academic Press，1982.

[5] Dorigo M，Di C G，Gambardella L M.Ant algorithm for discrete optimization[J].Artificial Life，1999，5（2）：137 - 172.

[6] Horng M H.Multilevel thresholding selection based on the artificial bee colony algorithm for image segmentation[J].Expert Systems with Applications，2011，38（11）：13785-13791.

[7] 邢旭东，周旭，米健.基于改进的人工蚁群的图像分割算法[J].无线电通信技术，2013（06）：71-73+81.

[8] Pun T.A new method for gray-level picture threshold using the entropy of the histogram[J].Signal Processing，1980，2（03）：223-237.

[9] 常发亮，刘静，乔谊正.基于遗传算法的彩色图像二维熵多阈值自适应分割[J].控制与决，2005，20（06）：674-678.

[10] 王晏，孙怡.自适应Mean Shift算法的彩色图像平滑与分割算法[J].自动化学报，2010，36（12）：1637-1644.

[11] 桂阳，苑云，杜晶.融合均值漂移和加权谱聚类的彩色图像分割[J].计算机应用研究，2012，29（09）：3528-3530.

基金项目：文章为四川省国土资源厅科研资助项目，项目编号：KJ-2016-15；文章为四川省教育厅科研资助项目，项目编号：15ZA0060。

作者简介：朱姝（1991- ），女，四川自贡人，硕士，研究方向：计算机视觉与图像处理。