[发明专利]一种基于图像数据场的图像分割方法

摘要

本发明涉及一种基于图像数据场的图像分割方法。现有单色图像分割方法通常基于像素灰度值的不连续性和相似性；在光照不均匀的条件下现有的分割算法很难得到理想的分割效果。因此，本发明首先对输入的图像进行预处理滤波，然后用基于八方向梯度的分水岭算法进行分割；然后对分割后的图像进行边缘检测得到边缘点的平均灰度值并设置为种子值；同时构建图像数据场，计算像素点的势值函数；最后依据上面得到的种子值和图像数据场进行种子区域自动生长。本发明对光照不均匀图像的分割效果和分割时间都有了较大的提升，能够满足图像识别的需求。

主权项

1.一种基于图像数据场的图像分割方法，其特征在于该方法的具体步骤是：步骤(1).图像输入和图像预处理；步骤(2).运用基于八方向梯度的分水岭算法进行图像分割；步骤(3).构建图像数据场，计算各像素点的势值函数；步骤(4).边缘检测，计算边缘点的平均灰度值并设置为种子点值；步骤(5).结合步骤(3)、(4)的数据场和种子点进行自动种子区域生长；步骤(6).同质区域融合输出分割效果图；步骤(2)具体是：第一步：求取图像八方向的梯度幅度取最大值；梯度计算和角度判别，给定点f(x,y)代表灰度图像上像素点(x,y)处的灰度值，用Robinson梯度模板与原图像进行卷积：某一方向的方向导数也就是f(x,y)在该方向的变化率，当该方向与梯度的方向一致时，方向导数的值就等于梯度的模；第二步：排序、淹没过程；假定定义域F_f上的函数f为待处理图像，它的最大最小值分别为f_max＝max(f)，f_min＝min(f)；集合[F_f]^h表示函数f的上限阈值，其中[F_f]^h＝{x∈F_f∣f(x)≤f}；Reg_Min_k(f)＝{x∈F_f∣x＝Local minimum且f(x)＝f}F的分水岭区域即为集合和通过迭代运算获得：函数f的分水岭是的补集，对应上涨过程，所有的水坝对应了函数f的分水岭；步骤(5)具体是：第一步、将步骤(4)得到的平均灰度值作为生长初始值，找到第1个还没有归属的初始值点,设该像素为(x0,y0)；第二步、以(x0,y0)为中心,考虑(x0,y0)的4邻域像素(x,y)，如果(x0,y0)满足生长准则，所述生长准则采用步骤(3)中的势值函数；X(x‑1,y)+X(x+1,y)+X(x,y‑1)+X(x,y+1)>V，V＝255，X(x,y)代表点(x0,y0)的无种子序列标记时的像素值，若有则为0；则将(x,y)与(x0,y0)合并在同一区域内,同时将(x,y)压入堆栈；第三步、从堆栈中取出一个像素,把它当作(x0,y0)返回到第二步；第四步、当堆栈为空时返回到第一步；第五步、重复第一至第四步直到图像中的每个点都有归属时，生长结束。