数字图像处理中图像分割方法研究

　　摘要：随着电子科技的进步, 数字图像处理分割技术也不断发展。其中, 图像的分割是图像处理中最困难的任务之一, 图像分割技术借助数字处理的底层技术来实现模式的识别功能。本文阐述了图像分割技术的基本原理, 对图像分割的方法进行了详细的分析和论述, 分别从图像分割技术在机车检测、生物医学工程和遥感工程几个方面的应用进行了介绍, 并对图像分割技术在广告监测方面的应用进行了研究, 提高了电视广告监管监测工作的效率。

　　关键词：数字图像; 基本原理; 图像分割; 广告监管;

　　近几年来, 数字图像技术被广泛应用。数字图像技术是在数字技术与电子技术的基础上产生的。而图像分割技术, 又是数字图像技术的重要组成部分。图像分割是由图像处理过渡到图像分析的关键一步, 所以一直受到人们高度的关注。随着人们对图像分割技术的掌握程度越来越高, 图像分割技术也广泛地运用到了实际生活中。图像分割技术, 主要是从图像中获取所需要的目标, 从而对图像进行分解。

　　1 图像分割技术简介

　　对于数字图像, 在探究与使用过程中, 只是针对图像中的某个点, 或者某个部分, 那么这样的一部分图像就可以被称为目标或者前景, 图像的其他部分就被称为背景。为了更好地、清楚地区分出要分析和辨别的目标, 需要把这一部分提取出来, 这就是图像分割。

　　1.1 基本原理

　　从广义上说, 图像分割是根据图像的一些特征和特征的集合的相似程度, 对图像进行一定比例的重新规划, 使得图像像素更加清晰, 重新分割的部分要连接恰当, 并且不重复不叠加。重新分割的图像, 要具有一定的连贯性, 并且画面内容没有改变。

　　1.2 图像分割的种类

　　由于图像分割的标准不同, 针对不同的要求, 采用对应的分割方法进行分割。图像分割有多种方法, 根据使用目的不同, 可以将其分为粗分割与细分割;根据图像内容不同, 可以将其分为分割灰度图像与分割彩色图像;根据分割图像的区域差别, 可以将其分为分割静态图像与分割动态图像;根据图像的构造不同, 可以将其分为多维度图像, 例如一维度、二维度、三维度等。在不同的领域应用范围内, 可以分为医学图像分割、工业图像分割、安全图像分割、交通图像分割和军事图像分割等;根据用于知识点的特点和层次又能分为数据驱动和模型驱动两种, 由此可见, 图像分割根据其要求不同, 会产生对应的分割方法[1]。

　　2 数字图像处理中图像分割的方法

　　2.1 数字图像的阈值分割法

　　数字图像的阈值分割法, 是将数字图像的区域, 用几个或者固定的阈值进行分割, 并且在种类相同的像素中, 具有灰度值的物体, 被当作为同一物体。数字图像的阈值分割法, 具有简单便捷的特性, 使用范围较大, 其利用的是图像的恢复特征。对于数字图像的阈值分割法, 光照、噪音会影响阈值的确定, 这是数字图像的阈值分割法的关键问题。为有效地解决此类问题, 将图像中的直方图, 用函数来计算, 用概率密度来近似, 从而确定灰度值的最小范围。这样就有效避免了错误的分割。这样方法在物体和背景之间的区域分界是比较明显的, 换句话说, 在物体和背景的灰度值差异明显的情况下, 会比较容易分割。

　　2.2 数字图像的聚类分割法

　　聚类分割法, 是通过图像的聚类, 将图像的不同区域表示出来, 并将灰度图像与彩度图像相同的区域, 与相似的色度进行组合。聚类分割法, 实际上是将图像分割问题, 直接转化成模式自动识别, 从而进行聚类分析, 将图像进行分割。像素的空间聚类分割, 属于聚类分割法的一种, 其主要的特点是, 在规定的范围内进行图像分析, 使得图像内容更真实地反映出来, 具有一定的真实性与准确性。

　　2.3 数字图像的边缘检测分割法

　　数字图像的边缘检测分割法, 是非常有用的图像分割方法。数字图像的边缘检测分割法, 原理非常简单, 效果也十分明显。当边缘物体受到注视的时候, 其最受关注的部分便是其边缘部分。数字图像的边缘检测分割法, 对于被分割的图像, 其信息突然变化的部分被称之为边缘部分。其既是图像区域的结束, 同时也是开始, 利用这样的方法进行图像分割, 效果更加明显。数字图像的边缘检测分割法中, Sobel算子是检测边缘的重要依据, Sobel算子从不同的角度与方向进行边缘检测, Sobel算子可以强化像素的权重, 能够对边缘进行更加全面的检测, 采用这种方法检测出的边缘, 亮度更加完整, 画面非常清晰, 同时还可以防止噪音。Hough变换方法, 是采用图像本身的特性, 对图像的轮廓直接进行检验, 将像素边缘连接起来, 从而组成封闭的边界区域, 是一种常见的图像分割方法。Hough变换方法, 在图像原有状态下, 能够更加容易地取得边界曲线, 并且将散落的边缘像素进行连接。Hough变换方法, 具有点和线的对偶性质, 在图像变换之前, 存在于图像的空间, 在图像变换之后, 存在参数空间[2]。Hough变换方法的图像空间与参数空间, 可以进行相互变换, 图像空间中的中共线点, 对应参数空间的中相交的线。Hough变换方法, 参数空间里所有相交的点, 在图像空间中都对应一条中共线, 将其称之为点和线的对偶性。基于这样的性质, 图像空间的直线检测问题, 可以直接转换成参数空间的对应点检测问题, 从而在参数空间里进行运算, 更加简便地完成图像检测任务。

　　3 图像分割技术的应用

　　3.1 在汽车车牌识别方面的应用

　　车牌的自动识别就是指监控的大门可以通过对来往的车辆识别系统来辨别车辆是否属于本单位, 从而决定是否自动开启大门。这个识别的系统可以很好地提示工作人员, 也可以将需要的新增车辆加入车辆自动识别的系统中来, 具有识别速度快、准确率高和耗资低成本少的特点。

　　3.2 在生物医学工程的应用

　　图像分割技术, 在医学行业具有重要的应用。利用图像分割技术, 能够对GVF模型图像进行分割。GVF模型脑部图像, 其中有大量的脑层凹陷, 在用传统的Snake模型分割方法, 对GVF模型脑部图像进行分割时, 会造成脑层凹陷向深度弯曲, 容易出现边界错误, 导致图像分割困难。GVF模型图像分割, 可以解决此类问题, 其采用以轮廓为中心的方法, 给新的模型设定较大的范围, 进行搜索, 在利用GVF模型作为基础, 进行运算, 提高收敛速率, 从而可以有效地处理凹陷部分, 提高图像的分割质量[3]。

　　3.3 遥感工程方面的应用

　　在遥感的方面可以对油库或者同类型的目标进行检测和定位, 油罐在光学烟杆图像分析中, 有一定的特殊性, 在基本情况下, 油罐的形状是圆形的, 并且颜色均匀。因此, 在对遥感方面的油库进行定位时, 可以利用油罐检测出椭圆, 再将检测出的椭圆形状进行分类, 通过集中分布的方法, 从而去确定出油库的位置。实验证明, 增长区域聚类法, 能够较大程度地定位油库检测的位置。增长区域聚类法, 就是对油罐的椭圆形状进行有效定位, 将椭圆作为像素, 从而进行图像分割, 将围绕在一起的椭圆进行分类, 再利用区域生长原理对其进行定位, 从而确定油库的位置。增长区域聚类法, 能够对油罐的位置精准定位, 再确定出油库的位置, 还能够对虚假油罐信息进行排除, 准确程度更高, 速度更快。

　　4 结语

　　图像的数字处理已经成为现代化不可或缺的基本技术, 图像分割技术也广泛运用到了生活中的多个领域。在这其中, 图像分割的理论和新算法一直在不断地出现和进步, 实际运用的范围也将会越来越大。图像分割技术, 在数字图像领域具有较大的发展空间, 其包含多种类型的分割技术。比如, 人工智能技术的使用、分形理论、模糊数学和形态学等。图像分割技术越来越多地为人们的工作和生活提供便利。

　　参考文献
　　[1]王迪.基于数字图像处理的图像分割系统的设计及实现[J].企业导报, 2015 (12) :58-58.
　　[2李昕, 高东林, 黄欢.数字图像处理技术在膜图像处理中的应用[J].北京理工大学学报, 2011 (12) :1465-1468.
　　[3]徐晖.计算机数字图像处理技术的思考与探讨[J].计算机光盘软件与应用, 2012 (7) :119-119.