基于直方圖的彩色圖像分割算法
【專利摘要】本發(fā)明提出一種基于直方圖的彩色圖像分割算法，該方法包括以下幾個(gè)步驟：首先統(tǒng)計(jì)彩色圖像RGB三分量直方圖，并分別對其進(jìn)行預(yù)處理，以使各直方圖波形盡可能保持光滑；其次采用一種波峰波谷快速定位算法搜索各直方圖中波谷，并將波谷作為閾值對各直方圖進(jìn)行多級劃分；再次將劃分后直方圖進(jìn)行合并，重新構(gòu)建出一個(gè)新的直方圖，二次采用波峰波谷快速定位算法查找波谷，并對該直方圖進(jìn)行多級劃分，進(jìn)而確定出初始聚類中心；最后通過對彩色圖像進(jìn)行預(yù)分割提取超像素，將分割區(qū)域作為樣本數(shù)據(jù)，并根據(jù)確定出的聚類中心對樣本數(shù)據(jù)進(jìn)行模糊聚類。本發(fā)明有效地提高了彩色圖像模糊聚類算法的執(zhí)行效率和聚類性能，并通過運(yùn)行時(shí)間和PRI指標(biāo)驗(yàn)證了本算法的有效性。
【專利說明】基于直方圖的彩色圖像分割算法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及數(shù)字圖像處理領(lǐng)域，特別涉及一種彩色圖像分割算法。

【背景技術(shù)】
[0002]圖像分割是圖像處理中的一個(gè)基本問題，同時(shí)也是一個(gè)研究難題，在模式識別、計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)、醫(yī)學(xué)圖像處理等領(lǐng)域中有著十分廣泛的應(yīng)用。根據(jù)待處理圖像是否含有顏色信息，可將圖像分割技術(shù)分為灰度圖像分割技術(shù)和彩色圖像分割技術(shù)。
[0003]灰度圖像分割技術(shù)主要用于處理文本圖像、工業(yè)圖像、醫(yī)學(xué)圖像等，主要包括邊緣檢測算法、聚類算法、閾值分割算法、基于偏微分方程的分割算法等。彩色圖像分割技術(shù)主要用于處理自然圖像、視頻等，主要有基于圖論的交互式分割算法、聚類算法等。基于圖論的分割算法屬于監(jiān)督式的分割算法，主要用于編輯照片等需要人工交互的應(yīng)用領(lǐng)域。而聚類算法屬于無監(jiān)督的分割算法，可用于彩色圖像聚類、視頻處理等，經(jīng)典算法如模糊聚類算法等。
[0004]由于模糊聚類算法不受樣本數(shù)據(jù)的維度限制，它可以處理一維的灰度圖像、三維的彩色圖像以及更高維數(shù)據(jù)，加之具有魯棒的聚類性能，因此模糊聚類算法得到了非常廣泛的研究及應(yīng)用。在現(xiàn)有的模糊聚類算法中，有自動(dòng)確定聚類個(gè)數(shù)的模糊聚類算法，基于蟻群優(yōu)化算法的彩色圖像聚類算法，直方圖閾值分割的彩色圖像模糊聚類算法等。但這些算法由于尋優(yōu)迭代或樣本數(shù)據(jù)數(shù)目巨大，從而使聚類過程比較耗時(shí)，算法的實(shí)時(shí)性較差，聚類性能仍有待進(jìn)一步提高。因此，需要一種方法解決上述問題。


【發(fā)明內(nèi)容】

[0005]本發(fā)明所要解決的技術(shù)問題是為克服現(xiàn)有的彩色圖像模糊聚類技術(shù)的不足，提出一種基于直方圖的彩色圖像分割方法。所述方法在提高彩色圖像模糊聚類算法的執(zhí)行效率和聚類性能方面有顯著地提高。
[0006]為了解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是:
[0007]—種基于直方圖的彩色圖像分割方法，包括如下步驟:
[0008]步驟A，對彩色圖像RGB三分量直方圖分別進(jìn)行預(yù)處理，以使直方圖波形保持光滑；
[0009]步驟B，采用波峰波谷快速定位算法獲取RGB三分量預(yù)處理后直方圖中波谷，并將這些波谷作為閾值對直方圖進(jìn)行多級劃分；
[0010]步驟C，根據(jù)RGB三分量直方圖的劃分，將所有像素點(diǎn)重新組合成一個(gè)新的劃分；
[0011]步驟D，根據(jù)圖像像素的初步劃分重新統(tǒng)計(jì)出一個(gè)新的直方圖，再次采用波峰波谷快速定位算法獲取直方圖中所有波谷，并將這些波谷作為閾值對該直方圖進(jìn)行多級劃分，接下來更新圖像像素所屬類別，計(jì)算各類的顏色均值以作為初始聚類中心；
[0012]步驟E，對彩色圖像進(jìn)行預(yù)分割提取超像素，將分割區(qū)域作為初始樣本數(shù)據(jù)，每個(gè)分割區(qū)域用其顏色均值來描述；
[0013]步驟F，利用步驟D中的初始聚類中心對步驟E中的樣本數(shù)據(jù)進(jìn)行模糊聚類。
[0014]所述步驟A進(jìn)一步包括:
[0015]對各分量直方圖進(jìn)行平滑處理后，可能仍會(huì)存在大量的局部極值，需要將這些局部極值一一去除，以進(jìn)一步提高直方圖波形的平滑度，減少局部極值的影響。
[0016]所述步驟B采用基于灰度波動(dòng)變換思想的波峰波谷快速定位算法來獲取整個(gè)直方圖波形中的所有波峰波谷，該定位算法是通過搜索直方圖中所有可能的波峰波谷，當(dāng)某一波峰與其鄰近的某一波谷的差值大于給定波動(dòng)閾值T時(shí)，即可確定出一個(gè)波峰或波谷。
[0017]所述步驟E中，采用典型的分水嶺算法對彩色圖像進(jìn)行預(yù)分割，利用圖像顏色信息來計(jì)算梯度值，以此減弱過分割現(xiàn)象，從而使得預(yù)分割過程更為準(zhǔn)確。
[0018]本發(fā)明的有益效果:本發(fā)明提出了一種基于直方圖的彩色圖像分割算法，所述算法利用彩色圖像各分量直方圖信息來初始化聚類中心，然后采用模糊聚類算法完成彩色圖像分割。在初始化聚類中心階段，主要處理對象為各分量直方圖，并非圖像像素；在模糊聚類階段，通過對圖像進(jìn)行預(yù)分割提取超像素，使用分割區(qū)域取代像素點(diǎn)作為新的樣本數(shù)據(jù)，最終使得本發(fā)明的執(zhí)行效率得到了大幅度提高。另外，本發(fā)明利用一種更為有效的波峰波谷快速定位算法進(jìn)行波谷的準(zhǔn)確定位，并利用波谷作為分割閾值對直方圖進(jìn)行劃分，進(jìn)而獲取到更為合理的初始聚類中心。本發(fā)明有效地提高了彩色圖像模糊聚類算法的執(zhí)行效率和聚類性能。

【專利附圖】

【附圖說明】
[0019]圖1是本發(fā)明基于直方圖的彩色圖像分割算法的流程圖。

【具體實(shí)施方式】
[0020]下面結(jié)合附圖，對本發(fā)明提出的一種基于直方圖的彩色圖像分割方法進(jìn)行詳細(xì)說明:
[0021]如圖1所示，本發(fā)明的圖像分割方法，其步驟如下:
[0022]步驟A，對彩色圖像RGB三分量直方圖分別進(jìn)行預(yù)處理，以使直方圖波形保持光滑；
[0023]步驟B，采用波峰波谷快速定位算法獲取RGB三分量預(yù)處理后直方圖中波谷，并將這些波谷作為閾值對直方圖進(jìn)行多級劃分；
[0024]步驟C，根據(jù)RGB三分量直方圖的劃分，將所有像素點(diǎn)重新組合成一個(gè)新的劃分；
[0025]步驟D，根據(jù)圖像像素的初步劃分重新統(tǒng)計(jì)出一個(gè)新的直方圖，再次采用中波峰波谷快速定位算法獲取直方圖中所有波谷，并將這些波谷作為閾值對該直方圖進(jìn)行多級劃分，接下來更新圖像像素所屬類別，計(jì)算各類的顏色均值以作為初始聚類中心；
[0026]步驟E，對彩色圖像進(jìn)行預(yù)分割提取超像素，將分割區(qū)域作為初始樣本數(shù)據(jù)，每個(gè)分割區(qū)域用其顏色均值來描述；
[0027]步驟F，利用步驟D中的初始聚類中心對步驟E中的樣本數(shù)據(jù)進(jìn)行模糊聚類。
[0028]下面結(jié)合圖1詳細(xì)說明本發(fā)明的基于直方圖的彩色圖像模糊聚類分割方法。
[0029]首先，進(jìn)行直方圖預(yù)處理。記一幅彩色圖像的RGB三原色各分量直方圖分別為R⑴、G(i)和B(i)，灰度級i的取值范圍為[0，255]，其中R⑴、G(i)和B(i)為彩色圖像中灰度級i的RGB各分量出現(xiàn)的次數(shù)。為使直方圖分布盡可能保持光滑，本發(fā)明對各分量直方圖進(jìn)行了如下平滑處理:
[0030]Hs(i) = —^— X Six)(I)

2k±ix=i_k
[0031]其中k取正整數(shù)，S(X)為某一分量直方圖，即Se {R，G，B}jBHK(i)表示為平滑后的R分量直方圖。參數(shù)k不能取值過大，否則會(huì)造成直方圖過度平滑，通常k取2即可，這樣不僅可以使直方圖達(dá)到平滑效果，而且還能保證不會(huì)丟失過多的圖像細(xì)節(jié)信息。由于k取值較小，經(jīng)上述平滑處理后直方圖中可能仍會(huì)存在大量的局部極值，因此需要將這些局部極值一一去除，以進(jìn)一步提高直方圖波形的平滑度，減少局部極值的影響。本發(fā)明采用下式查找直方圖中所有局部極值:
IPMax = I Hs(1、> Hs(1-1) λ HsU) > HsU +1)]
[0032]yVMin =[u.)<//s(i_i)A w)< w+i)}
[0033]其中PMax為極大值集合，VMin為極小值集合。極大值去除方法采用相鄰次大值進(jìn)行替換，而極小值去除方法采用相鄰次小值進(jìn)行替換，即:
(i/^?θ-l~l)L if i e PMax,，、
[0034]?,,(*3)
[Hs{i)+ 1)}, if i e VMin
[0035]經(jīng)上述預(yù)處理后，可使得直方圖波形更為光滑，以便波峰波谷的準(zhǔn)確定位。
[0036]其次，對直方圖進(jìn)行多級劃分。本發(fā)明采用基于灰度波動(dòng)變換思想的波峰波谷快速定位算法來獲取整個(gè)直方圖波形中的所有波峰波谷。該定位算法是通過搜索直方圖中所有可能的波峰波谷，當(dāng)某一波峰與其鄰近的某一波谷的差值大于給定波動(dòng)閾值T時(shí)，即可確定出一個(gè)波峰或波谷。將該算法應(yīng)用到本發(fā)明中將更為合理有效。其原因有二:一是本發(fā)明中處理對象為圖像直方圖，具有一定的統(tǒng)計(jì)特性，受外部噪聲等因素影響非常?。欢峭ㄟ^直方圖預(yù)處理，使得直方圖波形更為光滑。這兩個(gè)特性可以有效減弱本發(fā)明對波動(dòng)閾值T的敏感性，通過大量實(shí)驗(yàn)發(fā)現(xiàn)，只要設(shè)定較小的固定波動(dòng)閾值T即可完成波峰波谷的準(zhǔn)確定位。
[0037]利用波峰波谷快速定位算法獲取到的波谷記為=，其中ns為波谷總個(gè)數(shù)，所含波峰個(gè)數(shù)為ns+l個(gè)。若& = O，即4(0 = 0，則該直方圖僅含有一個(gè)山峰，為單峰分布，否則為多峰分布。本算法利用獲取到的波谷作為閾值將直方圖進(jìn)行多級劃分，共劃分成ns+l類，其中當(dāng)ns = O時(shí)，即將整個(gè)直方圖劃分為一類。在此步驟中，將所用波動(dòng)閾值記為1\。具體劃分過程如下:
Ls(i) = O, if ns =O
Lc(Ο = 0, if > O λ / / λ ζ = I…、
[0038]f η ■ ■(4)

Ls{i) = ns, IJ ns > ? /\ι > I1 /\ ι = ns
Ls(i) = 1-\, if ns >Q /\i> I1^ λ / ( λ z > I
[0039]其中Ls (i)為對各分量直方圖的一個(gè)劃分。
[0040]再次，將RGB直方圖合并。根據(jù)上述從RGB各分量直方圖中獲取波谷數(shù)ηκ、!^和ηΒ，則采用直方圖多級劃分方法得到的分類數(shù)分別為CK、Cg和Cb，其中Ck = nE+U Cg = nG+l和Cb = nB+l。在對各分量直方圖劃分后，需要將其合并，以得到整幅圖像像素的一個(gè)劃分。根據(jù)各分量直方圖劃分，可以得到各像素點(diǎn)可能的分類方式共有L = CeXCgXCb種。記彩色圖像中任意像素點(diǎn)的像素值為(r，g，b)，則該像素點(diǎn)所屬分類編號為:
[0041 ] L (r, g, b) = Le (r) XCgX Cb+Lg (g) X CB+LB (b) (5)
[0042]接下來，初始化聚類中心。在完成所有像素點(diǎn)的劃分后，統(tǒng)計(jì)每一分類(編號為i)所含有的像素點(diǎn)個(gè)數(shù)H(i)，其中i e [0，L-1]，由此得到了一個(gè)新的直方圖H(i)。然后再采用與RGB三分量直方圖相同的直方圖多級劃分方法得到H(i)的一個(gè)劃分《H其中所采用的波動(dòng)閾值記為T2。通過RGB直方圖合并后得到的新直方圖H(i)的長度通常有L << 255，由于同一幅圖像其像素點(diǎn)個(gè)數(shù)一定，相對于原始直方圖，新直方圖的高度將更高，導(dǎo)致波峰波谷之間落差更大，可以發(fā)現(xiàn)兩波動(dòng)閾值的比值與其對應(yīng)的直方圖大小的比值成反比，即
因此波動(dòng)閾值T2可設(shè)置為:
[0043]Ti=P2^Ti(6)
[0044]其中為β控制參數(shù)。記劃分,))包含C類，由此將圖像初始分為C類。各個(gè)像素點(diǎn)最終的分類編號T (r，g，b)可通過下式計(jì)算得到:
[0045]





(7)
[0046]然后，計(jì)算各類的顏色均值(di；)，將其作為初始聚類中心，其中i e [0，c-l]。
[0047]對圖像進(jìn)行預(yù)分割，將得到的分割區(qū)域代替像素點(diǎn)作為新的樣本數(shù)據(jù)是一種可采納的解決方案，典型的預(yù)分割算法如分水嶺算法。但是分水嶺算法是基于灰度圖像的梯度信息，而忽略了彩色圖像所包含的豐富彩色信息，從而導(dǎo)致其分割結(jié)果中過分割現(xiàn)象較為嚴(yán)重。因此，本發(fā)明利用圖像顏色信息來計(jì)算梯度值，以此減弱過分割現(xiàn)象，從而使得預(yù)分割過程更為準(zhǔn)確。由于采用分水嶺算法分割得到的區(qū)域面積通常較小，因此本發(fā)明采用區(qū)域顏色均值描述每個(gè)區(qū)域，來構(gòu)成一個(gè)新的樣本集合，取代了由像素點(diǎn)組成的樣本數(shù)據(jù)，這樣可使得樣本數(shù)得到大幅度減少，從而提高模糊聚類效率。
[0048]最后，執(zhí)行模糊聚類算法。模糊聚類算法的關(guān)鍵是設(shè)置合理的聚類個(gè)數(shù)以及聚類中心。常見方法是隨機(jī)初始化聚類中心，但是采用該方法即使經(jīng)過大量迭代也未必能夠獲得理想的聚類效果。尤其對于圖像聚類，因?yàn)闃颖緮?shù)過大，不合理的初始化使得聚類過程更加耗時(shí)，并且聚類結(jié)果的產(chǎn)生具有一定的隨機(jī)性。然而一旦比較準(zhǔn)確的初始化聚類中心，模糊聚類效果將是非常有效的。本發(fā)明利用直方圖信息初始化聚類中心，可有效提高模糊聚類性能。
[0049]通過上述實(shí)施方式，可見本發(fā)明具有如下優(yōu)點(diǎn):
[0050]在初始化聚類中心階段，本發(fā)明的主要處理對象為各分量直方圖，并非圖像像素；在模糊聚類階段，本發(fā)明通過對圖像進(jìn)行預(yù)分割提取出超像素，使用分割區(qū)域取代像素點(diǎn)作為新的樣本數(shù)據(jù)，最終使得執(zhí)行效率得到了大幅度提高。
[0051]另外，本發(fā)明利用一種更為有效的波峰波谷快速定位算法進(jìn)行波谷的準(zhǔn)確定位，并利用波谷作為分割閾值對直方圖進(jìn)行劃分，進(jìn)而獲取到更為合理的初始聚類中心，有效地提高了聚類性能。
【權(quán)利要求】
1.一種基于直方圖的彩色圖像分割算法，其特征在于，包括如下步驟: 步驟A，對彩色圖像RGB三分量直方圖分別進(jìn)行預(yù)處理，以使直方圖波形保持光滑；步驟B，采用波峰波谷快速定位算法獲取RGB三分量預(yù)處理后直方圖中波谷，并將這些波谷作為閾值對直方圖進(jìn)行多級劃分； 步驟C，根據(jù)RGB三分量直方圖的劃分，將所有像素點(diǎn)重新組合成一個(gè)新的劃分； 步驟D，根據(jù)圖像像素的初步劃分重新統(tǒng)計(jì)出一個(gè)新的直方圖，再次采用波峰波谷快速定位算法獲取直方圖中所有波谷，并將這些波谷作為閾值對該直方圖進(jìn)行多級劃分，接下來更新圖像像素所屬類別，計(jì)算各類的顏色均值以作為初始聚類中心； 步驟E，對彩色圖像進(jìn)行預(yù)分割提取超像素，將分割區(qū)域作為初始樣本數(shù)據(jù)，每個(gè)分割區(qū)域用其顏色均值來描述； 步驟F，利用步驟D中的初始聚類中心對步驟E中的樣本數(shù)據(jù)進(jìn)行模糊聚類。
2.根據(jù)權(quán)利要求1所述的一種基于直方圖的彩色圖像分割算法，其特征在于所述步驟A進(jìn)一步包括: 對各分量直方圖進(jìn)行平滑處理后，可能仍會(huì)存在大量的局部極值，需要將這些局部極值一一去除，以進(jìn)一步提高直方圖波形的平滑度，減少局部極值的影響。
3.根據(jù)權(quán)利要求1所述的一種基于直方圖的彩色圖像分割算法，其特征在于，步驟B采用基于灰度波動(dòng)變換思想的波峰波谷快速定位算法來獲取整個(gè)直方圖波形中的所有波峰波谷，該定位算法是通過搜索直方圖中所有可能的波峰波谷，當(dāng)某一波峰與其鄰近的某一波谷的差值大于給定波動(dòng)閾值T時(shí)，即可確定出一個(gè)波峰或波谷。
4.根據(jù)權(quán)利要求1所述的一種基于直方圖的彩色圖像分割算法，其特征在于，在步驟E中，采用典型的分水嶺算法對彩色圖像進(jìn)行預(yù)分割，利用圖像顏色信息來計(jì)算梯度值，以此減弱過分割現(xiàn)象，從而使得預(yù)分割過程更為準(zhǔn)確。
【文檔編號】G06T7/00GK104134219SQ201410395009
【公開日】2014年11月5日 申請日期:2014年8月12日 優(yōu)先權(quán)日:2014年8月12日
【發(fā)明者】陳海鵬, 千慶姬, 呂穎達(dá), 申鉉京, 王玉, 龍建武, 馮云叢, 朱葉 申請人:吉林大學(xué)