HSV空间中彩色图像分割研究

提出了一种HSV空间中颜色距离的定义,并根据定义的颜色距离,用Sobel梯度算子的变形对彩色图像在颜色分量上求出分割边界。使用了颜色信息,又结合了空间信息。实验证明该方法具有较高的颜色分辨能力和通用性,能得到较好的分割效果。     

基于多颜色分量的尿常规自动检测

针对手机终端进行尿常规自动化检测问题,提出一种基于多颜色分量的尿常规检测试纸图像处理算法.对HSV颜色空间中的S分量以及RGB颜色空间中的各个颜色分量执行阈值分割,实现试纸定位,通过透视变换算法做角度校正;使用颜色直方图与投影法对待检测色块进行分割;基于HSV颜色空间建立标准颜色库,将分割后的图像与标准颜色库中的图像利用欧氏距离进行颜色识别.实验结果表明,该方法可以有效地实现尿液试纸条图像分割与检测.     

基于多FART神经网络的彩色图像分割

提出了一种适用于彩色图像分割技术的多模糊自适应谐振(FART)神经网络结构.网络的输入为RGB色彩空间的彩色图像,并将其转换为HSV色彩空间的三组彩色分量-色调,亮度和饱和度,而后利用多FART神经网络的分类能力,将三组分量进行分类的图像输入到决策层,经过融合和分割处理后,最终得到正确的彩色分割图像.与彩色分水岭算法相比,采用上述图像分割算法得到了较好的分割效果.     

基于改进K均值聚类与HSV模型的棉花分割算法

针对棉花图像中存在阳光直射和阴影遮挡等因素而导致图像分割精度低、效果差的问题,提出一种结合颜色聚类与V通道信息的图像分割方法.该方法对原始图像进行各向异性扩散滤波预处理;再对图像采用改进的K均值颜色聚类完成初始分割,对分割结果利用HSV模型中的V通道信息作为棉花图像的特征,去除背景影响实现最终分割.实验结果表明,该算法在阳光直射及阴影遮挡等干扰条件下能较好地将成熟棉花从背景中分离出来.     

基于多颜色模型的车牌定位方法

提出了一种基于多颜色模型的车牌定位方法.首先把输入的RGB彩色图像转化到HSV和YIQ颜色空间,综合这两个颜色空间的信息进行颜色分割去除大量的背景干扰信息,得到了颜色为车牌照的一些区域.然后将颜色分割后的图像灰度化并分块,找出水平差分累加和最大的块确定车牌大致位置在原彩色图中实现车牌的粗定位.最后对粗定位图进行二次颜色分割得到车牌区域的信息利用投影法精确定位出车牌.实验结果表明该方法效果较好.     

基于均值移动算法的图像分割的研究

均值移动算法是一一种统计迭代算法,实际已经在图像分割中得到了广泛应用。但对分割结果的准确性有待于提高。为了能够得到更好的图像分割结果,根据柱状HSV颜色空间三个分量相关性弱、便于计算和颜色差异便于表示的特点,提出了基于柱状HSV空间的均值移动图像分割算法。将图像由RGB空间转化到柱状HSV空间,在转化后空间采用均值移动算法进行图像分割,用白色像素标记不同区域边界。最后通过与对RGB空间的均值滤波器的分割结果比较,验证算法的有效性。     

基于HSV空间的彩色图像分割

彩色图像分割是彩色图像处理和图像识别的重要问题,彩色图像分割可以看成是灰度图像分割技术在各种颜色空间上的应用。根据HSV颜色空间颜色和亮度无关,将彩色图像从RGB空间变换到HSV空间,然后经过H分割对绿色信息进行提取得到分割结果。试验表明,这是一种计算高效的分割算法。     

基于RGB和HSV的胶囊异囊缺陷识别方法

针对彩色胶囊图像的特点,结合RGB颜色空间数据易处理和HSV颜色空间色差感知均匀的优点,提出一种异囊缺陷检测方法,其中异囊是指某种颜色的胶囊中混有的其它颜色胶囊。该方法是基于RGB颜色空间的图像分割和基于HSV颜色空间的色差公式计算。将基于Y方向的Scharr算子应用于R分量图像,寻找胶囊上下两节之间的分隔线,将R、G、B各分量图像分割成两部分;基于图像直方图,采用加权平均的方法来获取R、G、B分量值,并将R、G、B分量值转成H、S、V分量值;利用加权方式的HSV色差公式计算色差,与设定阈值比较得出检测结果。测试结果表明,该方法保证了较高的检测精度,节省了常规基于HSV检测的方法中整体图像颜色空间转换的时间消耗。     

空间模糊C均值聚类的神经切片图像分割方法

周围神经切片显微图像具有背景复杂、区域不连续和光照不均匀等特点,应用经典的图像分割算法难以取得有效的分割结果。通过结合初始隶属度概率函数和空间距离来设计空间函数而得到的SFCM聚类算法,并提出SFCM彩色图像分割方法。把图像从RGB颜色空间转换到HIS颜色空间。采用聚类有效性分析指标在直方图快速FCM算法中为HSI各分量确定分类数目和获取SFCM初始化参数。对HIS各分量分别进行SFCM聚类,合并各分量并转换回RGB彩色空间以显示结果。实验结果表明,与标准FCM聚类分割算法相比,新方法能更有效地分割区域不连续的神经切片显微图像。     

基于K-L变换和模糊集理论的彩色字符图像分割

根据彩色印刷字符图像的特点,在Lab颜色空间下提取a分量,将彩色图像转换为灰度图像。根据模糊逻辑和阈值分割方法将图像分为目标区域、背景区域以及模糊区域。用K-L变换组合邻域的区域隶属信息和灰度信息,将灰度域换成模糊域,在该模糊域上进行分割。经实践,该算法在工业环境中对复杂背景的彩色印刷图像可以得到较好的分割效果,其时间复杂度不高于传统的阈值分割算法,并且在分割的精确度上要优于传统的阈值分割算法。