基于IC芯片的彩色图像分割方法研究与实现

以IC芯片彩色图像为研究对象,分析了迭代阈值法,松弛迭代算法,颜色空间聚类算法在此类图像分割中的不足,并改进迭代阈值法,对原始图像进行颜色空间转换,由RGB空间转化到CIE Lab空间;同时利用八叉树算法对图像进行8位量化,对得到的灰度图像进行迭代阈值分割得到最佳阈值,从而提出了专门针对彩色图像背景分割的彩色迭代阙值法.最后基于Visual Studio6.0平台实现上述4种方法,并通过对比实验证明本文所采用的方法的可行性和实用性.     

基于K-L变换和模糊集理论的彩色字符图像分割

根据彩色印刷字符图像的特点,在Lab颜色空间下提取a分量,将彩色图像转换为灰度图像。根据模糊逻辑和阈值分割方法将图像分为目标区域、背景区域以及模糊区域。用K-L变换组合邻域的区域隶属信息和灰度信息,将灰度域换成模糊域,在该模糊域上进行分割。经实践,该算法在工业环境中对复杂背景的彩色印刷图像可以得到较好的分割效果,其时间复杂度不高于传统的阈值分割算法,并且在分割的精确度上要优于传统的阈值分割算法。     

一种基于LUV均匀颜色空间的彩色分割方法

本文提出一种通过转换颜色空间和颜色聚类的方法来实现对彩色图像的分割。由于RGB颜色空间是非均匀空间,算法首先把RGB颜色空间转换到LUV均匀颜色空间,然后对颜色进行相似合并,最终由几种颜色表示待分割的图像,从而实现对彩色图像的色彩分割。     

基于HSV空间的彩色图像分割

彩色图像分割是彩色图像处理和图像识别的重要问题,彩色图像分割可以看成是灰度图像分割技术在各种颜色空间上的应用。根据HSV颜色空间颜色和亮度无关,将彩色图像从RGB空间变换到HSV空间,然后经过H分割对绿色信息进行提取得到分割结果。试验表明,这是一种计算高效的分割算法。     

基于HSI颜色空间的X射线彩色图像分割

给出一种HSI颜色空间上基于HSI分量统计概率分布的彩色图像分割方法，并应用于X射线安全检查仪下危险品图像的分割。该方法将RGB彩色图像转换到HSI颜色空间，并以S分量为主要依据对图像进行粗分割，获得旅客包裹图像，然后，利用H和1分量的联合阈值进行细节分割获得疑似危险品的图像。在实际应用中表明该方法快速简单，满足实时性要求，是一种高效的自动算法。     

基于RGB模型颜色相似性的彩色图像分割

图像分割是图像处理的重要步骤,由于彩色图像含有的信息比灰度图像还多,因而对彩色图像分割的研究越来越受到人们的关注.提出一种新的基于RGB空间颜色相似性的彩色图像分割方法.首先比较各种颜色模型的优势与不足,然后根据RGB颜色空间的颜色信息和亮度信息提出一种计算在RGB空间下颜色相似性的方法,再结合提出的图像颜色分量计算方法,从而形成颜色分类地图,最后根据颜色分类图进行像素划分,得到分割结果.实验在Matlab平台上进行,结果表明:对于颜色分明的图像,该算法准确性高,有较好的健壮性和较低的计算复杂度,能很好应用在图像前景与背景分割应用上.     

结合粗糙集与分层思想的彩色图像分割算法

针对彩色图像分割算法中小目标区域容易错分割以及计算复杂度高的问题,提出一种基于HSI空间的结合粗糙集理论与分层思想的彩色图像分割方法。首先,由于彩色图像HSI空间的奇异点对应于RGB空间的灰色像素点,为了消除奇异点,在RGB空间寻找"灰色区域"进行分割与标记;然后,将图像转换到HSI颜色空间,在强度I分量上,考虑到空间邻域信息以及区域分布差异,设计了变阈值渐变性同质函数对原始直方图进行加权,将加权直方图和原始直方图分别作为粗糙集的上、下近似集,构造了新的粗糙度函数进行分割;其次,针对初分割得到的每个区域,在色调H分量上采用直方图阈值化完成细分割;最后,为了避免过分割,在RGB空间上进行区域合并。相比Mushrif等提出的粗糙集分割算法(MUSHRIF M M, RAY A K. Color image segmentation: rough-set theoretic approach. Pattern Recognition Letters, 2008, 29(4): 483-493),该算法更容易分割出图像中的小目标区域,避免了因RGB三个分量的相关性造成的错误分割,算法运行速度提高了5~8倍。实验结果表明:该算法分割效果较好,具有一定的抗噪性与鲁棒性。     

一种基于基元的彩色图像检索方法

结合基元与颜色特征,提出一种基于基元的彩色图像检索算法,该算法首先将彩色图像从RGB颜色空间转换到HSV空间上,并将图像量化为256种颜色,然后定义五种基元类型对图像进行基元分析得到基元图,利用颜色直方图描述基元图的颜色特征,利用改进的直方图相交算法进行相似度度量。实验结果表明：提出的算法能有效地去除背景颜色对图像目标的检索影响,而且较之用灰度边缘检测的边缘代替彩色图像边缘而进行的检索,能更好地反映彩色图像的纹理和边缘特征,具有较高的查准率和查全率。     

一种快速有效的彩色图像边缘检测方法

在传统的灰度图像的边缘检测算子的基础上,对其进行改进。充分利用了彩色图像的颜色信息,将算法从灰度空间转换到RGB颜色空间。提出了彩色图像的高斯-拉普拉斯边缘检测算子,同时采用滤波来抑制噪声以及非极大值抑制来细化边缘,算法简单易于实现。实验结果表明,算法能有效地提取出彩色图像的边缘信息。     

基于S-CIELAB空间的彩色图像分割

提出一种基于S-CIELAB颜色空间的彩色图像分割算法。在人类视觉彩色传递模型的基础上,将原始的RGB图像转换到S-CIELAB空间,运用均值漂移算法对图像进行分割。实验结果表明,该算法能模拟人类视觉模糊特性,得到与人类视觉非常接近的分割结果。对于被高斯噪声严重污染的彩色图像,该算法也能有效地进行分割。     

基于颜色量化和密度峰聚类的彩色图像分割

彩色图像分割是簇绒地毯数字化制造的关键技术,图像的分割质量直接影响到后续的图像处理。为解决地毯的彩色图像分割问题,针对人眼在RGB颜色空间中感知不均匀的特性,提出了一种基于颜色量化和密度峰聚类的彩色图像分割算法。基于Lab颜色空间进行颜色量化,在HVC颜色空间中用NBS距离来衡量人眼对颜色差异的感知程度,采用改进的密度峰聚类算法自动确定聚类中心,从而分割地毯图案。实验结果表明,该算法能在不影响人眼感知的前提下得到颜色种类少且边缘清晰的地毯分割图像。     

多颜色空间上的交互式图像分割

介绍了视觉颜色空间及其在交互式图像分割中的作用,实验分析了它的奇异性,在此基础上,考虑像素的空间和色彩分布,提出了基于区域生长法的多颜色空间、多度量准则的聚类算法和零碎区域的合并算法,颜色空间选取HSL和RGB两种,相似性度量包括了种子点、扩张点和生长区域三个方面,并用于敦煌壁画图像的分割。     

基于图论和均匀性测度的彩色图像分割算法

Graph-Based方法是基于图论的彩色图像分割算法中比较新颖的一种方法,且分割速度非常快。针对该算法对边缘和纹理处理效果不佳,且分割效果易受阈值影响的局限,改变了其颜色空间,结合拉普拉斯算子将带权图的边分为边缘边和非边缘边,优先处理非边缘边;再引入均匀性测度求取分割效果最佳的阈值。实验结果表明,相对于Graph-Based方法,改进的算法分割效果具有较好的准确性和适应性,更接近于人眼的感觉。     

采用空间聚类和平面或连通的彩色图像分割

提出了一种RGB空间聚类和平面区域生长相结合的彩色图像分割方法。聚类时采用重心和空间棋盘距离进行计算,主要为加法、减法运算;区域生长时提出了一种用或连通代替八邻域来判断连通性的新方法,主要为简单的二进制位运算。总体计算复杂度低,从而有效而且快速地实现了彩色图像的目标分割。     

空间模糊C均值聚类的神经切片图像分割方法

周围神经切片显微图像具有背景复杂、区域不连续和光照不均匀等特点,应用经典的图像分割算法难以取得有效的分割结果。通过结合初始隶属度概率函数和空间距离来设计空间函数而得到的SFCM聚类算法,并提出SFCM彩色图像分割方法。把图像从RGB颜色空间转换到HIS颜色空间。采用聚类有效性分析指标在直方图快速FCM算法中为HSI各分量确定分类数目和获取SFCM初始化参数。对HIS各分量分别进行SFCM聚类,合并各分量并转换回RGB彩色空间以显示结果。实验结果表明,与标准FCM聚类分割算法相比,新方法能更有效地分割区域不连续的神经切片显微图像。