[科普中国]-图像区域分割

简述

一幅图像往往是由多种物类分布在其上，且不同物类占据某一部位，为了将我们感兴趣的一部分或几部分从一幅图像中区别出来，我们就必须把一幅图像按物类的不同划分成若干个不同区域，这就称为区域分割。区域分割的目的是为了便于提取可区别性、可靠性、独立性好的少量特征。总之，特征提取的首要工作就是对图像作区域分割。正确的分割才能产生正确的对象特征。分割图像区域和提取区域特征两者常常是难以分开的。由于图像的复杂性和多样性，目前尚无一种区域分割的标准方法。只能采取按处理对象和处理目的不同，而采用不同方法对待。常用的区域分割方法有直方图法、轮廓拟合法、区域生长法和分裂、合并混合法。1

一幅图像中属于同一一区域的像素应具有相同或相似的属性，不同区域的像素属性不同。因此图像的分割就要寻求具有代表性的属性，利用这类属性进行划分，使具有相同属性的像素归属同一区域，不同属性的像素归属不同区域。当只利用一个属性时，图像区域分割就成为确定属性的阈值的问题。2

方法模板匹配基于区域分割图像的一种直接方法是将图像中的区域和一组给定的模板进行比较匹配，从而将符合模板的物体从图像的其他部分中分割出来，而剩余的图像则可根据需要再用其他方法分析。例如，模板匹配可用于分割图文混排的书稿。当文字用模板匹配的方法找出来以后，图形可再用其他方法进行分析。模板匹配的过程往往用相关或卷积计算来进行。

纹理分割当物体置于明显的纹理背景中或物体本身具有较强的纹理特征时，就需要利用基于纹理的区域分割方法。由于纹理是某种模式，或者说图案、花样、结构等的重复，所以不能用单个的像素的特性(灰度或颜色)来描述。当然也无法用基于像素的分类方法(参见图像像素分类)。由于纹理经常包含有大量的边缘，因此，除非滤去纹理，否则用边界跟踪的方法分割有丰富纹理的图像很难有好的效果。

纹理的描述与分类是分割的基础。当知道图像中有某种纹理存在时，可利用已知纹理的特征(如该纹理在频域中的描述或空间灰度关系矩阵)在图像中寻找。如果事先没有知识的话，可以采用基于区域的聚类方法进行纹理区域的分割。一种容易想到的办法是：把图像分成若干(小)块，计算每一块的纹理特征，根据特征差别的程度决定是否把小块合并。

区域聚类法聚类法一般可分为区域生长法及分裂合并法。

1.区域生长

区域生长的基本思路是：从满足检测准则的点或一块区域开始，在各个方向上“生长”物体。“生长”的依据是：同一类型区域的特征，如灰度、颜色及纹理特征等，相差不会太远。满足一定合并条件的邻域可以并入该区域。在生长过程中，合并条件可以调整。当再也找不到可合并的邻域时，生长停止。

2.区域的分裂和合并

这个方法的基本思路是：首先将图像分为若干“初始”区域，然后再分裂或合并这些区域，逐步改进区域分割的指标，直到最后将图像分割为数量最少(或符合某一要求)的“基本一致”的区域为止。通常，“一致”性的标准可用特性的均方误差来量度。

与基于边界的图像分割方法相比，基于区域生长法和分裂合并法对噪声相对不敏感，但是计算复杂度较高。3

特点区域分割应该有下列一些特点。

(1)均匀性。在一个区域内，各个部分或各个象元应该具有相同的图像属性。

(2)连通性。一个区域应该是整块的，即内部各象元相互连通，很少出现空洞或裂缝。

(3)边缘完整性。一个区域与其他区域的分界处，存在边缘或边界，一个区域的边界曲线显然应该是封闭的。

(4)反差性。两个不同类型的区域有着不同的图像属性，特别是那些相邻区域应该有明显不同的图像特性。4