[发明专利]对图像进行纹理分割的方法和装置

说明书

技术领域

本发明涉及对图像进行分割的方法和装置，尤其涉及对图像进行纹理分割的方法和装置。

背景技术

随着信息技术的发展，图像越来越多的被用来获取和分析各种信息。图像处理领域的图像分割也已经成为研究的重点。

目前图像分割的方法主要分为颜色分割和纹理分割两大类。由于纹理较颜色特征信息更为丰富，纹理分割的意义更为重要。纹理分割目前主要有基于灰度共生矩阵和基于小波分析的纹理分割方法。《基于灰度共生矩阵的IKONOS影像中竹林信息提取》主要是将图像分割为多个小块区域，提取每个小区域的灰度共生矩阵作为区域的纹理特征，再通过对特征进行分类达到纹理分割的目的。《基于小波变换的纹理图像分割》将图像进行小波分解，在多尺度以及垂直、水平、45度方向上提取纹理特征，再对特征进行分类，达到纹理分割的目的。

上述纹理分割方法，能够提取纹理特征并构造特征向量，但是对于以下几种情况，不能很好的适应。由于灰度对比度也包含了很多信息，而灰度共生矩阵随着灰度级别的增加，计算量呈几何级数增加，一般多用于8个灰度级的图像纹理特征提取。并且灰度共生矩阵多提取指定8个方向的特征，当纹理方向不一致时，该方法无法提取准确的纹理特征。小波变换方法同样在多个纹理计算方向的情况下，计算量和准确性变差。对于图像分割的子窗口的尺寸，也严重影响计算速度，窗口越大，计算量越大。当纹理单元大小不均匀时，以上方法也不能很好的判断分割出来。如此，现有的图像纹理分割方法存在无法适应多方向、多灰度级以及计算量大的问题。

发明内容

为了解决上述问题，本发明提供了一种图像分割方法和装置，可以解决无法适应多方向、多灰度级以及计算量大的问题。

一种对图像进行纹理分割的方法，所述图像具有多种纹理，包括以下步骤：

a)将所述图像转换为灰度图像；

b)根据所述图像中最大的纹理单元的大小，将所述灰度图像划分为大小相同的多个区域，并提取与所述多个区域一一对应的多个梯度特征向量；

c)对提取的所述多个梯度特征向量进行模糊聚类分析，将所述多个区域进行分类，从而将所述图像中具有相同纹理的部分分类到相同的类别中。

在步骤b)中，所述多个区域中的每个区域的大小大于等于所述最大的纹理单元的大小。

在步骤b)中，通过以下步骤提取所述多个梯度特征向量：

b1)以水平向右为梯度方向角的0度方向，计算所述多个区域中的每个区域中的4m×4m个像素中的每个像素的梯度值和第一梯度方向角，m是大于等于1的整数；

b2)对计算的所述多个区域中的任一个区域中的4m×4m个像素各自的梯度值和梯度方向角进行统计，得到梯度直方图，在所述梯度直方图中，多个直方柱与多个第一方向角一一对应，将所述多个直方柱中具有峰值g_max的直方柱所对应的第一方向角作为所述任一个区域的梯度主方向角；

b3)以所述任一个区域的中心为中心，以所述梯度主方向角为所述梯度方向角的0度方向，限定与所述任一个区域大小相同的新区域；

b4)根据步骤b1)的计算结果，取出位于所述新区域中的4m×4m个像素中的每个像素的梯度值和第一梯度方向角，其中取出的每个像素的第一梯度方向角变更为第二梯度方向角，所述第二梯度方向角是从所述第一梯度方向角顺时针旋转到所述梯度主方向角的角度；

b5)将所述新区域均匀划分为16个子区域，每个子区域中具有m×m个像素，以所述梯度主方向角为所述0度方向，将0-360度方向均匀划分为多个第二方向角，如果任一个子区域中的任一个像素的第二梯度方向角不等于任一个第二方向角，则将所述任一个像素的梯度值分别分解到所述多个第二方向角中与所述任一个像素的第二梯度方向角相近的两个第二方向角上，得到与所述两个第二方向角分别对应的两个分解梯度值，如果任一个子区域中的任一个像素的第二梯度方向角等于任一个第二方向角，则将所述任一个像素的梯度值作为与所述任一个第二方向角相对应的分解梯度值，从而对于每个子区域，获得多个分解梯度值，所述多个分解梯度值中的任一个分解梯度值与所述多个第二方向角中的一个第二方向角相对应；

b6)将所述多个分解梯度值中与任一个第二方向角对应的数个分解梯度值进行累加，获得与所述任一个第二方向角对应的累加梯度值，从而对于所述每个子区域，获得与所述多个第二方向角一一对应的多个累加梯度值，将所述多个累加梯度值分别对于所述峰值g_max进行归一化，得到多个归一化累加梯度值；