一种基于边缘生长的灰度和彩色图象分割方法-北京大学智能科学系.PDFVIP

修改稿，稿件编号：990315-9 一种基于边缘生长的灰度和彩色图象分割方法 林通 石青云 北京大学视觉与听觉信息处理国家重点实验室，北京，100871 摘要 边缘检测可以快速准确地提供区域分割的边缘点，但由于如下两个原因而不能直接形成完整意 义上的图象分割：（1）边缘点不连续；（2）高细节区存在大量碎边缘点。本文提出边缘生长以解决不连 续的边缘点链接问题，通过找出高细节区周围的区域而间接地将高细节区围成一个区域。本文算法是边 缘检测的后续处理，适合于多种应用目的，同时还可以嵌入到其它利用边缘信息的分割算法中。 关键词 图象分割 边缘检测 边缘生长 An Edge Growing Approach for Segmentation of Grey and Color Images LIN Tong and SHI Qing-yun National Laboratory on Machine Perception, Peking University, Beijing 100871, P. R. China Abstract: Edge detection efficiently and accurately indicates the boundary points of image areas, however edge detection alone is not a whole image segmentation process, because usually the detected edges are not continuous and many loose edge points exist in high detail areas. In this paper we present a novel approach called edge growing to attack edge discontinuity. High detail areas indirectly form a large area after finding the other areas enclosing the high detail areas. As a procedure after edge detection, this algorithm can be applied in diverse applications, and can be embedded in other complex segmentation procedures which deploys edge information to get better results. Keywords: Image segmentation Edge detection Edge growing 1、引言 图象分割是图象分析的第一步，也是图象处理中最古老最困难的问题之一。图象分割是将图象表示 为物理上有意义的连通区域的集合，这些区域的灰度或颜色大致相同，或者这些区域的反照率、纹理等 属性相近。图象分割常用于两大类不同的应用目的[1]：（1）模式识别与图象理解；（2）新一代的图象 压缩与编码。对于这两种应用，图象分割都是最重要的处理步骤，但分别需要不同的图象分割策略。对 于模式识别应用，一个物体对象内部的细节与颜色渐变应被忽略，而且一个物体对象只应被表示为一个 或少数几个分割区域，即粗分割。对于新一代基于区域或对象的图象压缩与编码，分割的目的是得到颜 色一致的区域以利于高效的区域编码。若同一区域内含有大量变化细节则难于编码，因此图象编码需要 细分割，需要捕捉住图象颜色细微的变化。本文提出的算法主要是为了应用于基于内容的图象查询 （QBIC）系统。要对图象中的区域或对象按照颜色、纹理、形状、运动等属性进行相似性检索，就需要 快速鲁棒的图象分割算法。但本文算法也同样适用于基于区域的图象压缩编码。 图象分割的方法大致可分为六类[1][4]：（1）自顶向下分割，如对直方图取阈值