圖像分割檢視原始碼討論檢視歷史

來自 孔夫子舊書網 的圖片

圖像分割是一個科技名詞。

世界三大漢語詞典分別是中國大陸的《 漢語大詞典》(共13冊，5.6萬詞條，37萬單詞)、中國台灣的《 中文大辭典 》(共10冊，5萬詞條，40萬單詞)以及日本的《 大漢和辭典 》(共13冊，4.9萬詞條，40萬單詞)。漢字是記錄漢語的文字，它已有六千年左右的歷史，是世界上最古老的文字之一。

名詞解釋

圖像分割就是把圖像分成若干個特定的、具有獨特性質的區域並提出感興趣目標的技術和過程。它是由圖像處理到圖像分析的關鍵步驟。現有的圖像分割方法主要分以下幾類：基於閾值的分割方法、基於區域的分割方法、基於邊緣的分割方法以及基於特定理論的分割方法等。從數學角度來看，圖像分割是將數字圖像劃分成互不相交的區域的過程。圖像分割的過程也是一個標記過程，即把屬於同一區域的像素賦予相同的編號。

數字圖像處理技術是一個跨學科的領域。隨着計算機科學技術的不斷發展，圖像處理和分析逐漸形成了自己的科學體系，新的處理方法層出不窮，儘管其發展歷史不長，但卻引起各方面人士的廣泛關注。首先，視覺是人類最重要的感知手段，圖像又是視覺的基礎，因此，數字圖像成為心理學、生理學、計算機科學等諸多領域內的學者們研究視覺感知的有效工具。其次，圖像處理在軍事、遙感、氣象等大型應用中有不斷增長的需求。

1998年以來，人工神經網絡識別技術已經引起了廣泛的關注，並且應用於圖像分割。基於神經網絡的分割方法的基本思想是通過訓練多層感知機來得到線性決策函數，然後用決策函數對像素進行分類來達到分割的目的。這種方法需要大量的訓練數據。神經網絡存在巨量的連接，容易引入空間信息，能較好地解決圖像中的噪聲和不均勻問題。選擇何種網絡結構是這種方法要解決的主要問題。

圖像分割是圖像識別和計算機視覺至關重要的預處理。沒有正確的分割就不可能有正確的識別。但是，進行分割僅有的依據是圖像中像素的亮度及顏色，由計算機自動處理分割時，將會遇到各種困難。例如，光照不均勻、噪聲的影響、圖像中存在不清晰的部分，以及陰影等，常常發生分割錯誤。因此圖像分割是需要進一步研究的技術。人們希望引入一些人為的知識導向和人工智能的方法，用於糾正某些分割中的錯誤，是很有前途的方法，但是這又增加了解決問題的複雜性。

在通信領域中，圖像分割技術對可視電話等活動圖像的傳輸很重要，需要把圖像中活動部分與靜止的背景分開，還要把活動部分中位移量不同的區域分開，對不同運動量的區域用不同的編碼傳輸，以降低傳輸所需的碼率。

分割方法

閾值分割

灰度閾值分割法是一種最常用的並行區域技術，它是圖像分割中應用數量最多的一類。

閾值分割算法的關鍵是確定閾值，如果能確定一個合適的閾值就可準確地將圖像分割開來。閾值確定後，將閾值與像素點的灰度值逐個進行比較，而且像素分割可對各像素並行地進行，分割的結果直接給出圖像區域。

閾值分割的優點是計算簡單、運算效率較高、速度快。在重視運算效率的應用場合(如用於硬件實現)，它得到了廣泛應用。

人們發展了各種各樣的閾值處理技術，包括全局閾值、自適應閾值、最佳閾值等等。

全局閾值是指整幅圖像使用同一個閾值做分割處理，適用於背景和前景有明顯對比的圖像。它是根據整幅圖像確定的：T=T(f)。但是這種方法只考慮像素本身的灰度值，一般不考慮空間特徵，因而對噪聲很敏感。常用的全局閾值選取方法有利用圖像灰度直方圖的峰谷法、最小誤差法、最大類間方差法、最大熵自動閾值法以及其它一些方法。

在許多情況下，物體和背景的對比度在圖像中的各處不是一樣的，這時很難用一個統一的閾值將物體與背景分開。這時可以根據圖像的局部特徵分別採用不同的閾值進行分割。實際處理時，需要按照具體問題將圖像分成若干子區域分別選擇閾值，或者動態地根據一定的鄰域範圍選擇每點處的閾值，進行圖像分割。這時的閾值為自適應閾值。

閾值的選擇需要根據具體問題來確定，一般通過實驗來確定。對於給定的圖像，可以通過分析直方圖的方法確定最佳的閾值，例如當直方圖明顯呈現雙峰情況時，可以選擇兩個峰值的中點作為最佳閾值。