一种快速彩色图像颜色分割算法

快速彩色图像颜色分割算法对于智能机器人和计算机视觉领域的实时应用具有重要价值。CMVision程序库是这类算法的一个典型实现。为了克服CMVision程序库在颜色分类方面的局限性并进一步提高速度，本文提出了一种改进算法。该算法引入了颜色映射表并优化了数据输入接口和连通区操作。分析和实验表明该算法在功能和速度两方面都取得了良好的效果。     

一种基于遗传算法的彩色图像分割改进算法

图像分割是进行图像理解的基础,也是图像工程技术中一个重要的问题.近几年来关于图像的分割方法层出不穷,但随着多媒体技术和Internet技术的发展,彩色图像分割处理的准确性和实时性要求也越来越高.为此提出了一种基于遗传算法的彩色图像分割改进算法.经过大量的对比实验表明,用这种方法分割目标和背景区域差别较大的彩色图像具有分割效果好、实时性、鲁棒性强的特点,是一种较为理想的分割方法.     

一种改进的彩色图像分割算法

文中算法对传统的基于最大隶属度的彩色图像分割算法进行了改进。传统的基于最大隶属度原则的分割方法根据彩色直方图中的色彩矢量来确定目标和背景色模糊集,而绘制彩色直方图时比较繁琐。为了克服这一缺点,先绘制彩色图像对应的灰度直方图。对应于每一个灰度级,取属于该灰度级的像素中的一个像素的颜色来代表这一灰度级所对应的颜色,并保存其R、G、B值。据此建立一组色彩模糊集。计算图像中的所有色彩在各个模糊集中的隶属度,并基于最大隶属度原则确定色彩的归属。建立一种基于最大隶属度原则的神经网络,实现对彩色图像快速有效的分割。通过灰度直方图判断目标和背景色时的误差很小,并不影响判断。在建立色彩模糊集和计算隶属度实现色彩分类的时候都是根据像素色彩的R、G、B值来实现的,因而没有颜色损失。实验结果证明,该算法对原有的基于最大隶属度原则的彩色图像分割方法进行了改进,速度快,效果好。     

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。     

基于物理模型的彩色图像分割

本文给出一个基于光学物理模型的真实彩色图像分割算法.算法首先对图像上的颜色变化(由光照和物体颜色引起)进行分析与综合,然后分割图像.算法的基础是双色反射模型理论,该理论认为反射光的颜色是界面反射(耀斑颜色)和本体反射(物体颜色)的线性组合,这两种反射光在颜色空间的三维直方图中形成特定的聚类(点簇).因此分析聚类的性质可帮助确定光照和物体的颜色,但是有意义的聚类的生成又以图像中物体区域的确定为前提.算法按照假设检验的策略,依据图像中的连通性和颜色空间中聚类的特征,完成彩色图像的分割,并产生对景物中所发生的光学过程的物理描述.该描述包括本征反射图像、分割图像、物体和光照颜色的符号描述.本征反射图像包括只反映界面反射的耀斑图像和从原图像中去除耀斑影响后的本体图像.     

一种基于主色外观图的彩色图像分割算法

在对三维传统的颜色直方图(CCH)作出了一系列改进的基础上,提出了一种基于主色外观图(DCG)的新的彩色图像分割方法.首先根据改进后的颜色直方图确立彩色图像的近似主色成分,然后再利用CIE-1976色差公式分别计算出其每个像素与主色之间的距离,并据此建立相应图像的颜色距离直方图(CDH),它精确地反映了图像像素与参考色之间的色彩相似度.为了证实CDH在彩色图像分割中的效用性,又通过进一步地扩展得到了CDH集,或可称为主色外观图.实验结果表明,就精确性、鲁棒性和计算的复杂度而言,基于DCG的分割方法能够得到比传统阈值法和聚类法更好的分割效果.     

一种适用于PCB检测的彩色图像分割算法

针对光学检测印刷电路板(PCB)需要进行图像分割的问题,提出一种结合K-均值聚类算法的分水岭算法,用于PCB彩色图像分割。即首先将PCB彩色图像聚类,分成不同的颜色区域,按照不同区域进行分水岭分割,最后,将分割线透明地加在原始图像上,完成分割。实验表明,该算法可以分割PCB彩色图像,并且分割效果好。     

基于ISODATA算法的彩色图像分割

基于统计模式识别中非监督学习动态聚类算法ISODATA算法^[1]，将彩色图像（RGB空间）中由像素的R、G、B分量组成的三维矢量看作待分类的模式样本，定义相似度函数作为类间合并和分裂的依据，通过设定初始参数进行迭代，考虑聚类算法应用于图像分割的一些具体问题并加以改进，最后将图像分割成互不相交的区域，取得了良好的效果。     

一种针对手机彩色图像中的数字分割算法

由于图像质量和计算能力较低,传统的图像字符分割算法并不适合在手机中应用。针对手机图像特点,提出了一种快速手机图像中的数字分割算法,该算法对行投影信息运用Hough变换快速检测倾斜角,然后进行行校正和行分割,最后根据相邻的波谷值对灰度投影图中的波峰值进行变换后进行列分割。实验结果表明,所提出的算法较传统的字符分割算法更为适合于手机应用。     

基于改进区域生长算法的彩色图像分割

本文提出一种改进的区域生长算法.该算法利用颜色分类结果和连续图像的相似性,改进了种子搜索方法,与全局搜索种子的方法相比减少了种子搜索的时间,并且实现简单有效.实验结果表明改进的区域增长算法应用于RoboCup中型组足球机器人的全景彩色图像分割具有良好的时效性.     

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。     

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。     

基于色彩空间变换的彩色图像分割方法

彩色图像是当今数字图像的主要表现形式之一，彩色图像分割是图像处理的热点与难点问题之一。针对彩色图像分割的精度与速度问题，提出了一种基于色彩空间变换的彩色图像分割方法。该色彩空间重在突出图像三分量间的差异，从而充分利用彩色信息。同时，分割方法以向量化图像为对象，从背景去除的思想出发，采用分裂Bregman快速求解算法，从而达到高效分割的目的。数值实验表明，该方法能有效分割出图像的所有目标区域，分割区域较为完整，结果具有较高的精度。     

快速模糊C均值聚类彩色图像分割方法

模糊C均值(FCM)聚类用于彩色图像分割具有简单直观、易于实现的特点，但存在聚类性能受中心点初始化影响且计算量大等问题，为此，提出了一种快速模糊聚类方法(FFCM)。这种方法利用分层减法聚类把图像数据分成一定数量的色彩相近的子集，一方面，子集中心用于初始化聚类中心点；另一方面，利用子集中心点和分布密度进行模糊聚类，由于聚类样本数量显著减少以及分层减法聚类计算量小，故可以大幅提高模糊C均值算法的计算速度，进而可以利用聚类有效性分析指标快速确定聚类数目。实验表明，这种方法不需事先确定聚类数目并且在优化聚类性能不变的前提下，可以使模糊聚类的速度得到明显提高，实现彩色图像的快速分割。     

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。     

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HIS空间的彩色图象分割

提出了一种基于HIS空间的彩色图象自动分割算法．在这个算法中，彩色图象首先被转化到HIS颜色空间．图像分解成彩色通道(H和S分量)和亮度通道(1分量)．我们对彩色通道采用基于J-图象的自动分割算法进行分割．对亮度通道采用水线阈值算法进行分割，然后将分割后的结果进行组合．得到最终分割结果．试验表明，这种方法计算快速简单．是一种高效的自动算法。     

基于PCNN的彩色图像分割新方法

20世纪90年代发展起来的新一代神经网络——脉冲耦合神经网络(PCNN)模型特别适合于图像处理的各个方面,但是它一直只应用于灰度图像的处理上。有鉴于此,论文对PCNN在彩色图像分割上的应用进行了研究,将彩色图像空间变换成三个相互独立的分量,分别应用PCNN在灰度图像上已有的成熟的方法,得到了彩色图像的边缘信息,从而达到了彩色图像分割的效果。     

基于模糊熵和RPCL的彩色图像聚类分割

提出了一种基于模糊熵和RPCL(rival penalized competitive learn ing)的彩色图像聚类分割算法。该算法可以自动确定图像的颜色类数目和初始类中心,从而提高了聚类的收敛速度,并且能够解决模糊熵阈值化分割算法所造成的过度分割问题。首先,计算彩色图像各颜色分量的模糊熵,获得分量模糊熵曲线,并根据模糊熵原理确定各分量的分割区域及聚类中心;然后,对各分量的聚类中心进行组合,形成彩色图像可能的聚类中心。但是,组合的聚类中心数目会多于实际的聚类数目,造成过度分割。因此,本文采用RPCL算法,对这些组合的聚类中心颜色进行学习来确定实际的颜色类数目以及聚类中心,并用学习后的聚类中心对原图像进行聚类分割。实验结果表明,该算法能有效地分割彩色图像,无需事先给定聚类数目和初始类中心。