基于子块的区域生长的彩色图像分割算法

维普资讯 http://www.cqvip.com Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用　基于子块的区域生长的彩色图像分割算法　金　军　ＪＩＮ　Ｊｕｎ　四川大学汁算机学院，成都６１００６５　Ｃｏｌｌｅｇｅ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ，Ｓｉｅｈｕａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ　６１００６５，Ｃｈｉｎａ　ＪＩＮ　ＪｕｍＣｏｌｏｒ　ｉｍａｇｅ　ｓｅｇｍｅｎｔａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｓｕｂ－ｂｌｏｃｋ　ｒｅｇｉ０ｎ　ｇｒｏｗｉｎｇ．Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ．　２００７．４４（１）：８２—８３．　Ａｂｓｔｒａｃｔ：Ａ　ｃｏｌｏｒ　ｉｍａｇｅ　ｓｅｇｍｅｎｔａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｓｕｂ—ｂｌｏｃｋ　ｒｅｇｉｏｎ　ｇｒｏｗｉｎｇ　ｔｅｃｈｎｉｑｕｅｓ　ｉｓ　ｐｒｅｓｅｎｔｅｄ．Ｔｈｅ　ｏｒｉｇｉｎａｌ　ｉｍａｇｅ　ｉｓ　ｉｆｒｓｔ　ｐａｒｔｉｔｉｏｎｅｄ　ｉｎｔｏ　ｓｕｂ－ｂｌｏｃｋｓ　ｗｈｉｃｈ　ａｒｅ　ｎｏｔ　ｏｖｅｒｌａｐｐｅｄ．Ａｐｐｌｙｉｎｇ　ｃｏｌｏｒ　ａｎｄ　ｔｅｘｔｕｒｅ　ｆｅａｔｕｒｅ　ｏｆ　ｏｎｅ　ｓｕｂ—ｂｌｏｃｋ，ａ　ｃｏｌｏｒ　ｃｌｕｓｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｐｅｒｃｅｐｔｕａｌ　ｕｎｉｆｏｒｍｉｔｙ　ｗｉｔｈｉｎ　ｔｈｅ　ｓｕｂ—ｂｌｏｃｋ　ｉｓ　ｐｅｒｆｏｒｍｅｄ　ｔｏ　ｃｌａｓｓｉｆｙ　ｔｈｅｓｅ　ｓｕｂ—ｂｌｏｃｋｓ，ａｎｄ　ａ　ｂｌｏｃｋ　ｇｒｏｗｉｎｇ　ａｌ—　ｇｏｒｉｔｈｍ　ｉｓ　ｅｍｐｌｏｙｅｄ　ｔｏ　ａｃｈｉｅｖｅ　ｓｅｇｍｅｎｔａｔｉｏｎ　ｆｏｒ　ｔｈｅ　ｗｈｏｌｅ　ｉｍａｇｅ　ｂａｓｅｄ　ｏｎ　ｇｒｏｗｉｎｇ　ｒｕｌｅｓ．Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔａｌ　ｓｅｇｍｅｎｔａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｈｏｌｄ　ｆａｖｏｒａｂｌｅ　ｃｏｎｓｉｓｔｅｎｃｙ　ｉｎ　ｔｅｒｍｓ　ｏｆ　ｈｕｍａｎ　ｐｅｒｃｅｐｔｉｏｎ，ａｎｄ　ｃｏｎｆｉｒｍ　ｅｆｆｅｃｔｉｖｅｎｅｓｓ　ｏｆ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ．　Ｋｅｙ　ｗｏｒｄｓ：ｃｏｌｏｒ　ｉｍａｇｅ　ｓｅｇｍｅｎｔａｔｉｏｎ；ｃｏｌｏｒ　ｃｌｕｓｔｅｒｉｎｇ；ｒｅｇｉｏｎ　ｇｒｏｗｉｎｇ；ｂｌｏｃｋｓ　摘要：提出了一种基于图像子块的区域生长算法，应用于彩色图像分割。首先将图像划分成多个不重叠子块，然后利用从ＣＩＥ　Ｌ＊ａ＊ｂ　颜色空间中提取出的每个子块的颜色和纹理特征，先进行子块内颜色聚类，达到子块分类的目的，再根据生长准则进行基　于分类子块的区域生长，实现对自然彩色图像的分割。实验结果证明了算法的有效性，分割结果符合人的主观感知。　关键词：彩色图像分割；颜色聚类；区域生长；子块　文章编号：１００２—８３３１（２００８）０ｌ一００８２—０２　文献标识码：Ａ　中图分类号：ＴＰ３９１　１引言　采用ＣＩＥ　Ｌ＊ａ＊ｂ　彩色空间，这是一种均匀色标体系，空间中任　图像分割就是将图像表示为有具体物理意义的连通区域　意两点间的距离所表示的色差与人区分颜色差别的感觉是一　集合，每个区ｊ或ｆ菏足特定区域的一致『生条件。由于彩色图像提　致的，非常适合图像处理。在ＣＩＥ　Ｌ＊ａ＊ｂ　彩色空间中，Ｌ、ｒＪ、ｂ　供了比灰度图像更加丰富的信息，因此随着计算机处理能力的　是三个互相垂直的颜色分量，　分量表示明度，图像中除了颜　快速提高，彩色图像处理正受到人们越来越多的关注。　色信息外的所有细节都保存在　分量上。　文献［１，２】在彩色图像分割中都用到了基于子块的区域生　先将象素的ＲＧＢ值转换为对应的Ｌａｂ值，再经过高斯平　长算法，算法时间和复杂度比传统方法有较大改善。本文应用　滑得到像素的颜色（　，ａ　，ｂ　）。　类似的算法结构，将聚类和区域生长算法结合起来，进行自然　２．２提取象素纹理特征　彩色图像分割。分割算法充分利用了子块内聚类比对整幅图像　图像纹理是一个图像像素的邻域性质，具体表现为图像像　聚类的汁算时间短，基于子块的区域生长比基于像素的区域生　素某邻域内灰度或者颜色的某种变化，它在本质上依赖于所观　长的计算量小的优点，而且区域生长算法可以利用同一个目标　测的邻域的尺寸。　区域其邻域块特征基本一致的特点，对整幅图像的子块扫描一　本文采用Ｃａｒｓｏｎ等Ｉ３提出的一种图像纹理表示方法，用极　遍就可完成分割，不需反复迭代。本算法的具体方法为：在划分　性（ｐｏｌａｒｉｔｙ）、各向异性（ａｎｉｓｏｔｒｏｐｙ）和对比度（ｃｏｎｔｒａｓｔ）三个参数　成合适大小的若干小区域（简称子块）的原始图像上，先进行子　表示一个象素的纹理（ｐ，ａ　Ｔｃ），它们都是针对　颜色分量的。　块内的颜色聚类，对子块进行分类，再结合每个子块的颜色特　像素的二阶动差矩阵（ｓｅｃｏｎｄ　ｍｏｍｅｎｔ　ｍａｔｉｒｘ）ｉ４１）￣／：　（　，　征和纹理特征，进行基于子块的区域生长，从而实现整幅图像　Ｙ）＝　（　，Ｙ）　（　，）（ｖ１）　，式中　（　，Ｙ）是方差为　：的高斯平　的分割。最后通过实验对以上方法进行了可行性验证。　滑核；图像梯度ＶＩ＝ｆ【二　ｌ【，　Ｊ　，Ｇ　Ｇ　分别表示　颜色分量沿　方向　２象素的颜色特征和纹理特征　和Ｙ方向的梯度。　是象素的高斯窗口宽度参数，图像象素纹Ｎ（ｐ，ｎ，ｃ）与　２．１颜色空间选取及特征提取　有关，而　的值要根据极性Ｐ来确定。方法如下：取　＝ｋ／２，　根据不同的应用目的，表达颜色的彩色空间有很多种。目　ｋ＝０，１，…，连续计算多个Ｐ　，当某个ｋ满足Ｐｋ　）≤２％时，由　前应用最广泛的彩色空间是ＲＧＢ空间，但这种颜色空间适合　该ｋ值确定　。极性定义如下：　于显示系统，不太适合于图像分割和分析，因为Ｒ、Ｇ、Ｂ三个分　ＩＥ—Ｅ＿ｌ　量是高度相关的，只要亮度改变，三个分量都会相应改变。本文　ｐ　面　作者简介：金军（１９７０一），女，博士研究生，讲师，研究方向：计算机应用，数字图像处理。　维普资讯 http://www.cqvip.com 金军：基于子块的区域生长的彩色图像分割算法　式中Ｅ＋＝∑Ｇ　（　，ｙ）【　，・　，Ｅ＿＿－∑Ｇ　（　，ｙ）［Ｖ／・五］，门表　（　ｙ）Ｅｆ　２　ｌ　ｙ）ＥＩ　２　块，用不同的生长准则进行基于子块的区域生长：　ｃａｓｅｌ如果子块是均匀块，则仅按颜色值相近原则生长；　ｃａｓｅ２如果子块是纹理块，当满足下面４个条件时，可以　按邻域方式生长：相邻块颜色数目相同，相邻块纹理特征相似，　相邻块主色调相似，相邻块次色调相似；　ｃａｓｅ３不满足上面条件的子块应该是边缘块，即相邻不同　区域边缘处的子块，等所有的均匀块和纹理块生长完成后再作　示象素的高斯窗口邻域；ｎ是正交于　的单位向量，　是　的　主特征向量，表示梯度向量（Ｇ　，Ｇ　）最相一致的方向；［・］＋和［・］一　分别表示向量乘积为非负向量和负向量；Ｅ＋和Ｅ分别表示　Ｇ　（　，Ｙ）窗口中有多少梯度向量处于“正方向”和“负方向”。　确定后，计算　的特征值Ａ．和Ａ：（Ａ．≥Ａ：），可得到象　素的各向异性和对比度：ａ＝ｌ—Ａ　．，ｃ＝２、／Ａ　＋Ａ　。　３分割算法　３．１子块内颜色聚类　首先把图像划分成多个大小为ｔｔＸｔｔ的子块，设定颜色一致　性距离　，进行块内颜色聚类：　（１）初始化：将子块的第一个像素的颜色（，Ｊ　，ａ　，ｂ　）作为第　一个集合Ｓ．的初始聚类中心Ｃ　，令Ｓ　中像素数目Ｎ１＝１。　（２）计算子块中每一个像素Ｐ　与Ｃ．的颜色距离Ｄ　，若Ｄ　小于Ｄ　，则将其添加到Ｓ　中，并修正Ｓ．的像素数目和聚类中　心：Ｎ１＝　＋１，ＣＩ＝　Ｐｉ（，Ｊ　，ｎ　，ｂ　）；否则，将该Ｐ　作为新　Ｖ　Ｉ，Ｐ　Ｓ，　的集合Ｓ　的聚类中心Ｃ　，同时Ａ　１。重复本步骤直到块内所有　象素都进入某个颜色集合。　（３）对于每个集合Ｓ　，如果存在集合ｓｆ，使得两集合聚类中　心的颜色距离小于Ｄ　，则将ｓｆ合并至集合Ｓ　，并修改Ｓ　的像素　数目和聚类中心：Ｎ　＝Ｎｉ＋　，　—丽ｌ　．荟　Ｐ　（　，ｎ　，　），　并删除集合ｓｆ。　（４）重复步骤（２）、（３），直到所有的颜色集合都收敛（即每　一个集合的像素点数目和聚类中心不再发生变化）。　聚类后有的子块中可能含有一些面积很小的连通区域，根　据人类视觉在对场景目标进行分割时，采用的是主色调原则，　人眼可以将区域内一些小面积的异类颜色滤掉。为模拟人类视　觉的这种能力，本文采用将小于一定面积阈值的集合合并到其　邻近大面积集合中。这样处理后提高了色彩分割的整体效果。　３．２基于子块的区域生长　子块内颜色聚类把初始的子块分成两种块：块内只有一类　颜色的是均匀块，有多种颜色的是纹理块。下面分别确定子块　的颜色特征和纹理特征。　子块的颜色特征由如下参数构成：颜色的类数、各类颜色　的颜色值和像素数目。其中各类颜色按面积由大到小进行排　序，由此可确定每个子块的主色调和次色调等。　计算子块的纹理均值（ｐ，ａ，ｃ）作为每个子块的纹理特征：　（１）对均匀块，把颜色聚类中心Ｃｉ的纹理值（Ｐ，。，ｃ）作为　子块的纹理均值；　（２）对纹理块，如下计算子块的纹理均值：　…Ｉ—Ｉ　…Ｉ一１　…Ｉ—Ｉ　＝÷∑∑　＝士∑∑　；／ｔ＇Ｘ／＇ｔ　ｉ＝Ｏ　ｊ＝Ｏ　／＇ｔＸ／＇ｔ　ｉ－－Ｏ　ｊ＝ｏ　＝÷／＇ｔＸ／＇ｔ　∑∑　ｉ＝Ｏ　ｊ＝ｏ　结合每个子块的颜色特征和纹理特征，针对不同类型的子　处理。处理方法是：对边缘块按照四又树规则不断细分，并按照　以上生长准则把各个细分的块合并到邻近已经生长好的大区　域中，直至所有边缘块处理完为止。　４实验结果与分析　随机选择了ＣａｌＰｈｏｔｏｓ图像库中的多幅自然彩色图像，用　本文提出的算法进行基于内容的分割实验，核函数采用高斯径　向基函数。图１是其中几幅图像的分割结果，可以看到分割结　果较好，符合人的主观感知，满足一般基于内容的图像检索或　识别处理。　垦囝ｌ　（ａ）原始自然彩色图像　鞠　＿　（ｂ）本文算法的分割结果　图１分割结果　５结论　将图像划分成合适大小的若干子块，利用颜色特征和纹理　特征，进行子块内的颜色聚类和基于子块的区域生长，实现了　对自然彩色图像的有效分割。实验表明分割结果符合人的主观　感知，为基于内容的彩色图像检索奠定了基础。　（收稿日期：２００７年７月）　参考文献：　［１］李庆忠，石巍，褚东升．一种融合聚类与区域生长的彩色图像分割方　法ｌＪ１１计算机工程与应用，２００６，４２（１４）：７６—７８．　［２］蒋苏蓉，王松，冯刚．ｉＲＧＡ：一种改进的区域生长彩色图像分割方法【Ｊ１　．计算机工程与应用，２００３，３９（７）：９６—９７．　［３］Ｃａｒｓｏｎ　Ｃ，Ｂｅｌｏｎｇｉｅ　Ｓ，Ｇｒｅｅｎｓｐａｎ　Ｈ，ｅｔ　ａ１．Ｒｅｃｏｇｎｉｔｉｏｎ　ｏｆ　ｉｍａｇｅｓ　ｉｎ　ｌａｒｇｅ　ｄａｔａｂａｓｅｓ　ｕｓｉｎｇ　ｃｏｌｏｒ　ａｎｄ　ｔｅｘｔｕｒｅ［Ｊ１．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｐａｔｔｅｒｎ　Ａｎａｌｙｓｉｓ　ａｎｄ　Ｍａｃｈｉｎｅ　Ｉｎｔｅｌｌｉｇｅｎｃｅ，２００２，２４（８）：１０２６—１０３８．　［４］Ｆｏｒｓｔｎｅｒ　Ｗ．Ａ　Ｆｒａｍｅｗｏｒｋ　ｆｏｒ　Ｌｏｗ～Ｌｅｖｅｌ　Ｆｅａｔｕｒｅ　Ｅｘｔｒａｃｔｉｏｎ［ｃ］／／　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ＥＣＣＶ’９４．Ｓｗｅｄｅｎ：Ｊ　Ｏ　Ｅｋｌｕｎｄｈ，１９９４：３８３—３９４．