資源描述：
《淺談圖像并行分割方法》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、淺談圖像并行分割方法摘要:木文主要介紹圖像分割算法的定義與分類，并從兩個方面淺談了圖像并行分割方法，然后應(yīng)用示例將圖像并行分割方法應(yīng)用于圖彖分割技術(shù)。關(guān)鍵詞：圖像并行分割；邊緣檢測；閾值分割圖像分割就是指把圖像分成各具特性的區(qū)域并提取出感興趣1=1標(biāo)的技術(shù)和過程。它是圖像處理、模式識別和人工智能等多個領(lǐng)域中的重要課題，也是計(jì)算機(jī)視覺技術(shù)中酋要的、重要的關(guān)鍵步驟。一、圖像分割的定義及分類所謂圖像分割，從廣義上來講，是根據(jù)圖像的某些特征或特征集合的相似性準(zhǔn)則對圖像象素進(jìn)行分組聚類，把圖像平而劃分成若
2、干個具冇某些一致性的小重疊區(qū)域。多年來人們對圖像分割提出了許多不同的解釋和表達(dá)方式，借助于集合概念對圖像分割可以給出如下比較正式的定義。令集合R代表整個圖像區(qū)域，對R的分割可看作將R分成若T?個滿足5個條件的非空的子集Rl,R2,…,Rn。五個條件分別指出分割所得到的全部子區(qū)域的總和應(yīng)能包括圖像屮所有像素；并且各個了區(qū)域是互不重疊的；另外在分割后得到的屬于同一個區(qū)域屮的像素應(yīng)該具有某些相同特性，屬于不同區(qū)域中的像索應(yīng)該具冇一些不同的特性；同時要求同一個了區(qū)域內(nèi)的像索應(yīng)當(dāng)是連通的⑴。圖像分割是圖像
3、處理中的一項(xiàng)關(guān)鍵技術(shù)至今已提出上T種分割算法。參照算法分類的一般條件可以用下面兩個準(zhǔn)則來對分割算法進(jìn)行分類。首先對圖像的分割可基于相鄰像索在像索值方面的兩個性質(zhì):不連續(xù)性和相似性。另外根據(jù)分割過程中處理策略的不同，分割算法乂可分為并行算法和串行算法。這兩個準(zhǔn)則互不重疊又互為補(bǔ)充，所以分割算法可根據(jù)這兩個準(zhǔn)則分為4類:并行邊界類、串行邊界類、并行區(qū)域類、串行區(qū)域類⑴。二、圖像并行分割方法（一）、并行邊界技術(shù)并行邊界分割技術(shù)是指采用并行方式，通過刈■感興趣區(qū)域的邊界進(jìn)行檢測來對圖像進(jìn)行分割的技術(shù)。⑵
4、圖像邊緣往往是由圖像屮景物的物理特性發(fā)生變化而引起的，如圖像的攝影亮度、幾何特性（以及反射系數(shù)，它廣泛存在于物體與背景之間、物體與物體之間、區(qū)域與區(qū)域之間。圖像邊緣和圖像內(nèi)容的物理特征Z間存在著直接的聯(lián)系，因此圖像的邊緣檢測包含了圖像的大部分信息。圖像邊緣檢測方法人多從圖像高頻分量屮提取邊緣信息，微分運(yùn)算是邊緣檢測與提取的主要手段。具有代表性的是Roberts算子、Sobel算子、Prewitt算子、Robinson算子和Kirsch算子。為了克服一階微分邊緣檢測算子的缺點(diǎn)，人們相繼提出了為邊緣
5、方向無關(guān)的二階微分邊緣檢測算子，如Laplacian邊緣檢測算子和LOG邊緣檢測算子。利用二階導(dǎo)數(shù)零交叉所提収的邊緣寬度為一個象素單位，所得到的邊緣結(jié)果無須細(xì)化處理，從而保證了邊緣定位精度。但是由于圖像邊緣的噪聲同是頻域中的高頻分暈，二階導(dǎo)數(shù)比一階導(dǎo)數(shù)算了更容易受到噪聲的影響，因而需要在微分運(yùn)算前采取適當(dāng)?shù)钠交瑸V波。（二）、并行區(qū)域技術(shù)并行區(qū)域分割技術(shù)指采用并行的方法通過對1=1標(biāo)區(qū)域的檢測來實(shí)現(xiàn)圖象分割的技術(shù)。并行區(qū)域分割技術(shù)在實(shí)際應(yīng)用屮主要有閾值化算法和象索特征空間聚類兩類算法。閾值化算法是
6、圖象分割屮算法數(shù)最最多的一類，而象素特征空間聚類，從某種意義上說可看作閾值化技術(shù)的推廣。英中棊于閾值選取的圖像分割方法則是提取hl標(biāo)物體與背杲在灰度上的差異，把圖像分為具冇不同灰度級的冃標(biāo)區(qū)域和背景區(qū)域的組合。閾值分割是最常見的并行的直接檢測區(qū)域的分割方法，它用一個或幾個閾值將圖像的整個灰度范圍分為兩段或多段，灰度級屬于同一段的像素構(gòu)成性質(zhì)相同的區(qū)域，其中包含了目標(biāo)區(qū)域。閾值分割法主要有兩個步驟:第一，確定進(jìn)行正確分割的閾值，第二，將圖像的所有像素的灰度級少閾值進(jìn)行比較，以進(jìn)行區(qū)域劃分，達(dá)到F1
7、標(biāo)打背景分離的目的。在這一過程中，止確確定閾值是關(guān)鍵，只要能確定一個合適的閾值就可以完成圖像的準(zhǔn)確分割。閾值分割法的結(jié)果在很人的程度上都依賴于對閾值的選擇,-?般有兩種方法：直方圖閾值；最住閾值法⑶。三、圖像并行分割方法示例以檢測圖像屮的微小結(jié)構(gòu)為例，采取以下步驟：1、對原始圖像進(jìn)行閾值分割，得到圖像屮的微小的物體的圖像。2、對原始圖像進(jìn)行閉合、開啟運(yùn)算，得到圖像小較大的物體的圖像。3、對第1步，第2步的結(jié)果進(jìn)行邏輯“與”操作，得到結(jié)果⑷。圖1原始圖像圖2閾值分割后的結(jié)果圖3圖像小較人物體的圖像
8、圖4結(jié)果圖像本例結(jié)論：通過對圖像進(jìn)行閾值分割，二值形態(tài)學(xué)的閉合與開啟運(yùn)算，并進(jìn)行邏輯與操作完成對圖像的分割，得到較好結(jié)果?？俍,圖像分割是由圖像處理上升到圖像分析的關(guān)鍵一步，分割結(jié)果的優(yōu)劣會在直接影響著更高層的圖彖分析及理解的結(jié)果。圖像并行處理因其實(shí)現(xiàn)的簡單性而成為圖像分割領(lǐng)域的一種重要方法，在廣泛的應(yīng)用屮體現(xiàn)著它的優(yōu)點(diǎn)。但是對于復(fù)雜的實(shí)時圖像分割問題，閾值法的高耗時性己經(jīng)成為該方法發(fā)展的一個障礙。因此，尋求一種高效的算法來解決基于閾值法的圖像分割問題具有重要意義。［1］章毓晉.圖像工程（上冊）
