彩色图像的分割技术

图像分割是计算机早期视觉不可缺少的一步。彩色图像由于具有比灰度图像更多的视觉信息,受到了越来越多的重视。文章将彩色图像的分割技术分为6类,并分别加以介绍,分析了各种技术的优缺点。最后提及了彩色图像分割技术与彩色空间的关系。     

彩色图像的分割技术

图像分割是计算机早期视觉不可缺少的一步.彩色图像由于具有比灰度图像更多的视觉信息,受到了越来越多的重视.文章将彩色图像的分割技术分为6类,并分别加以介绍,分析了各种技术的优缺点.最后提及了彩色图像分割技术与彩色空间的关系.     

一种彩色图像快速分割方法

提出一种基于HSI和FCM的彩色图像快速分割算法CISHF.首先将彩色图像从RGB色彩空间转换到HSI空间,然后联合利用S(饱和度)分量和 I(亮度)分量进行粗分割,最后针对H(色调)分量进行模糊聚类.根据色调数据的特点,修正了样本数据到聚类中心的距离计算公式,给出统计有效样本权重的算法,对于有效色调值进行样本加权聚类,加快了聚类速度.实验表明,CISHF算法的运算性能大大高于标准FCM算法,获得了较好的彩色图像分割效果.     

一种快速有效的彩色图像边缘检测方法

在传统的灰度图像的边缘检测算子的基础上，对其进行改进。充分利用了彩色图像的颜色信息，将算法从灰度空间转换到RGB颜色空间。提出了彩色图像的高斯-拉普拉斯边缘检测算子．同时采用滤波来抑制噪声以及非极大值抑制来细化边缘，算法简单易于实现。实验结果表明，算法能有效地提取出彩色图像的边缘信息。     

一种快速有效的彩色图像边缘检测方法

在传统的灰度图像的边缘检测算子的基础上,对其进行改进。充分利用了彩色图像的颜色信息,将算法从灰度空间转换到RGB颜色空间。提出了彩色图像的高斯-拉普拉斯边缘检测算子,同时采用滤波来抑制噪声以及非极大值抑制来细化边缘,算法简单易于实现。实验结果表明,算法能有效地提取出彩色图像的边缘信息。     

彩色图像分割研究进展

1 引言分割是图像分析的初始步骤之一,也是图像处理最原始的问题,几乎自数字图像处理问世不久,人们就开始了图像分割技术的研究,并取得了相当的进展和成功。但由于它的复杂性,有许多问题没有很好地解决,因此人们至今还一直在努力发展新的、更有潜力的分割算法,以期实现更通用、更完美的分割结果。彩色图像的分割可以通过计算图像中彩色信息的统计特征来实现,与灰度图像相比,彩色图像不仅包含亮度信息,而且还有更多有效信息,比如色调、饱和度。实际上,同样是物的灰度图像所包含的信息     

基于RGB颜色空间的彩色图像分割方法

传统的图像阈值分割算法是将彩色图像转换为灰度图像再进行分割。通过分析RGB颜色空间的特点,本文提出基于RGB颜色空间的阈值分割算法,采用新的判定准则,在颜色空间中以立方体取代原来的四面体,直接对彩色图像进行分割。分析和实验证明,改进的判断准则能够克服由于灰度转换造成颜色信息丢失而引起的误判,在保证原有阈值分割算法快速、简单的前提下,能够对彩色图像进行更为准确的分割。算法适用于目标颜色为黑色的情况,并可以推广到目标颜色为其它颜色的情况。     

基于空间模式聚类的彩色图像分割

采用了一种基于空间模式聚类的方法,它将图像中的每个像素看成是一个模式,每个模式既体现了所代表像素的空间信息,又包括了像素的颜色信息。这样,对像素的聚类,转变成为对模式的聚类,聚类过程考虑了彩色图像空间中的三个颜色分量。经过实验,此方法能够比较好的对一些彩色图像进行聚类图像分割。     

彩色图像边缘检测方法的对比研究

本文对彩色图像边缘检测的多种方法进行分析与比较，包括经典算子的直接扩展、颜色空间变换方法、向量方法。并对颜色空间变换方法中的超复数空间变换方法提出了归一化的色差边缘检测算法。文中选取其中几种算法分别应用到人体的彩色切片数据，结果在文章的最后列出。     

基于模糊技术的彩色图像分割方法

由于彩色图像提供了比灰度图像更为丰富的信息,因此彩色图像处理正受到人们越来越多的关注。彩色图像分割是彩色图像处理的重要问题,目前对彩色图像的分割已提出了许多种算法,在这些算法中由于模糊技术能很好地表达和处理不确定性问题,因此在彩色图像分割领域会有更广阔的应用前景。本文主要介绍了基于模糊技术的模糊阈值分割法、模糊聚类分割法和模糊连接度分割法。     

模糊聚类和边缘检测结合的彩色图像分割算法

提出模糊聚类和边缘检测结合的彩色图像分割方法,以色彩图像直方图中自适应搜索到的峰值作为聚类中心,对图像进行模糊聚类。然后对模糊聚类后的图像进行边缘检测,检测出面积较大的区域的边缘,首先在区域内部进行融合,然后在区域边界和面积较小色彩相似的区域融合。实验表明,本方法不需预先确定聚类数目、聚类中心初始化,在区域融合后,可得到较好的分割效果。     

基于直方图分割的彩色图像增强算法

针对直方图均衡化直接对彩色图像处理会导致图像色彩失真的情况,在对传统的直方图均衡化方法进行改进的基础上,提出了一种新的带色彩恢复的均衡化算法。该算法对于彩色图像R,G,B各个分量子图的灰度直方图,首先根据其灰度中值和分割直方图等面积原则进行两次分割,同时对分割后的各子灰度直方图分别进行均衡化处理;然后通过计算R,G,B各分量子图的灰度级总数占原彩色图像灰度级总数的比例,将均衡化处理后的R,G,B各分量子图进行合并。实验表明,该算法对彩色图像处理具有较好的增强处理效果。     

基于云模型的彩色图像分割方法

以云模型理论为基础分析彩色图像分割概念,研究已有的彩色图像分割方法,并与云模型相结合,提出基于云模型的彩色图像分割方法。该方法在HSV颜色空间对彩色图像进行非均匀量化,并寻找量化后图像的基本直方图,最后通过云模型的“3En规则”对图像进行前景/背景分割。通过与K均值算法、IS-RSC算法进行比较,实验结果表明了该方法对彩色图像分割的有效性。     

一种彩色纹理图像的分割方法

纹理分析一直是图像理解和计算机视觉等领域研究的重点和难点,现有的纹理分割方法大多集中于研究灰度纹理图像,文中提出一种基于分形理论的BP神经网络原彩色纹理图像分割方法,该方法将彩色图像由RGB色彩空间转换为HSI色彩空间,根据亮度计算分数维、多重分形广义维数谱q-D（q)和“空隙”等纹理特征,同时加入归一化的色度和饱和度作为另外两个分类特征,采用经过有监督训练的BP神经网络作为分类器,通过对纹理图像的分割实验,结果证实该方法行之有效。     

基于综合特征的图像分割

文章提出了一种有效的基于颜色和纹理综合特征的图像分割方法。将图像以块为单位进行划分,在YUV空间,提取块的颜色特征和纹理特征,在这种综合特征基础上,采用改进的K均值聚类法进行图像分割。该方法能自适应确定聚类中的参数,且兼顾点的位置连通关系,从而达到了较好的分割效果。     

基于视觉感知特性的彩色图像分割

图像分割是图像处理的主要问题,也是计算机视觉和模式识别领域中的重要组成部分。文章通过对人类视觉的生理结构的研究,在人类视觉无法辨别的范围内,将彩色图像的RGB亮度范围从原始的0～255缩减为0～26、28、26,既保持了图像的视觉特性,同时减少了表达图像的类的数目,从而能够准确高效的得到图像中各类颜色的极值点。通过这些不同颜色极值点的排列组合来得到初始聚类中心,这种聚类中心的选择考虑了各个图像自身的信息,能得到其精确的聚类中心,减少了图像分割后期迭代的次数,在一定范围内节约了运算时间。实验结果表明,和传统的直方图阈值方法相比,其分割结果的可调控性较强,而且分割效果也较好。     

多颜色空间上的交互式图像分割

介绍了视觉颜色空间及其在交互式图像分割中的作用,实验分析了它的奇异性,在此基础上,考虑像素的空间和色彩分布,提出了基于区域生长法的多颜色空间、多度量准则的聚类算法和零碎区域的合并算法,颜色空间选取HSL和RGB两种,相似性度量包括了种子点、扩张点和生长区域三个方面,并用于敦煌壁画图像的分割。