利用KMCC和区域成长法之彩色影像切割技术.pdfVIP

利用 和區域成長法之彩色影像切割技術 以葉片影像為例 KMCC - 李嘉紘 ，郭智誠 崑山科技大學資訊管理系 jhlee@mail.ksut.edu.tw 摘要 電子設備的不斷更新 ，在近年來是個非常熱門 目前影像切割的技術都針對大部分的影 的議題 ，且在近幾十年中，有許多相關的研究 像 ，很少針對特定種類的影像 因此在特定種， 已被發表出來 [1][2][3][4] 。將圖像中的物件或 類的影像切割並不是很好 。本研究修改傳統的 是其組成的特徵分割出來 就是影像切割所做， 影像切割演算法 ，利用彩色特徵空間的群聚演 的動作 。如何能準確的 、正確的切割出所需要 算法 ，先將彩色影像切割成背景和物體兩群， 的資訊 ，是在許多影像分析應用上一項非常重 再以 chain-code 技術將物體邊緣找出 ，最後為 要的影像處理技術 因為切割出來的物件及特， 了修正群聚的雜訊 ，以物體的中心為起始點 ， 徵可以當成描述和辨識物件特徵的功能 。然而 實作 region-growing 以完成物體切割。本論文 絕大多數的情況下 ，並非所有資訊都是我們所 同時也實作 GVF 方法作為比較之用 ，實驗結 要處理分析的 。利用分割的概念將影像中具有 果顯示 ，本研究所提出的方法可以很成功的切 意義的資料取出並做有效的處理 ，這一動作決 割出樹葉的彩色影像 影像來源不論是， 樹葉圖 定了影像分析最後的結果。目前影像切割技術 鑑掃描或是樹葉的數位相機拍攝圖都有很好 大多著重在灰階影像的物體切割，並不適用於 的效果 。 實際的應用 ，本論文將以葉片影像切割為例， 討論對色彩空間的選擇以及合適的切割技術 。 關鍵字 ：影像切割 、樹葉影像 、鏈碼 、區域成 本研究架構如下：接下來的章節內容 ，第 長法 二節將介紹傳統影像切割的技術第三節說明； 本研究所提出的方法第四節； 說明 本研究的實 Abstract 驗結果 與討論。 In this paper, we focus on efficiently segmenting leaf objects from a set of leaf images. 影像切割 文獻探討 2. We analyze and compare pixel clustering 影像切割 (Image Segmentation) 主要可以 phenomenon by using K-Means algorithm under 區分為四大類 ： 、 、 Thresholding Edge-Based different color spaces. A new approach by combining KMCC and region growing method Region-Based 和 Watershed 方法[5][6] ； 是最古老且最簡單的影像分割 is proposed to achieve efficient leaf object Threshol