數(shù)字圖像處理中常用圖像分割算法有哪些？

點(diǎn)擊上方“小白學(xué)視覺(jué)”，選擇加"星標(biāo)"或“置頂”

重磅干貨，第一時(shí)間送達(dá)

數(shù)字圖像處理中常用圖像分割算法有哪些？

1.多數(shù)的圖像分割算法

2.圖像邊緣分割

3.圖像閾值分割

4.基于區(qū)域的分割

5.形態(tài)學(xué)分水嶺算法

多數(shù)的圖像分割算法 均是基于灰度值的不連續(xù)和相似的性質(zhì)。在前者中，算法以灰度突變為基礎(chǔ)分割一幅圖像，如圖像邊緣分割。假設(shè)圖像不同區(qū)域的邊界彼此完全不同，且與背景不同，從而允許基于灰度的局部不連續(xù)性來(lái)進(jìn)行邊界檢測(cè)。后者是根據(jù)一組預(yù)定義的準(zhǔn)則將一幅圖像分割為相似區(qū)域，如閾值處理、區(qū)域生長(zhǎng)、區(qū)域分裂和區(qū)域聚合都是基于這種方法形成的。下面將對(duì)每類算法進(jìn)行詳細(xì)說(shuō)明。

圖像邊緣分割：邊緣是圖像中灰度突變像素的集合，一般用微分進(jìn)行檢測(cè)。基本的邊緣檢測(cè)算法有：Roberts算子、Prewitt算子、Sobel算子。稍高級(jí)的算法有：Marr-Hilderth邊緣檢測(cè)器、Canny邊緣檢測(cè)器。

圖像閾值分割：由于閾值處理直觀、實(shí)現(xiàn)簡(jiǎn)單且計(jì)算速度快，因此閾值處理在分割應(yīng)用中處于核心地位。閾值處理可以分為單閾值處理與多閾值處理。在單閾值處理中最常用且分割效果也不錯(cuò)的算法是Otsu（最大類間方差算法）算法。多閾值處理：K類由K-1個(gè)閾值來(lái)分離，即計(jì)算圖像的多個(gè)類間方差，多閾值處理的分割結(jié)果相較于單閾值的結(jié)果雖然會(huì)更好一些，但分類數(shù)量增加時(shí)它會(huì)開(kāi)始失去意義，因?yàn)槲覀儍H僅處理一個(gè)變量（灰度），此時(shí)可以通過(guò)增加變量如彩色來(lái)進(jìn)行解決。

基于區(qū)域的分割：區(qū)域生長(zhǎng)算法和區(qū)域分裂與聚合都是屬于基于區(qū)域的分割算法。

區(qū)域生長(zhǎng)算法是根據(jù)預(yù)先定義的生長(zhǎng)準(zhǔn)則將像素或子區(qū)域組合為更大的區(qū)域的過(guò)程。

基本方法是從一組“種子”點(diǎn)開(kāi)始，將與種子預(yù)先定義的性質(zhì)相似的那些鄰域像素添加到每個(gè)種子上來(lái)形成這些生長(zhǎng)區(qū)域（如特定范圍的灰度或顏色）。區(qū)域分裂與聚合是首先將一幅圖像細(xì)分為一組任意的不相交區(qū)域，然后按照一定規(guī)則聚合、分裂這些區(qū)域。

形態(tài)學(xué)分水嶺算法：分水嶺的概念是以三維形象化一幅圖像為基礎(chǔ)的。

在圖中，我們主要考慮三種類型的點(diǎn)：

（1）屬于一個(gè)區(qū)域最小值的點(diǎn)；

（2）把一點(diǎn)看成是一個(gè)水滴，如果把這些點(diǎn)放在任意位置上，水滴一定會(huì)下落到一個(gè)單一的最小值點(diǎn)；

（3）處在該點(diǎn)的水會(huì)等可能性地流向不止一個(gè)這樣的最小值點(diǎn)。

對(duì)于一個(gè)特定的區(qū)域最小值，滿足條件（2）的點(diǎn)的集合稱為該最小值的匯水盆地或分水嶺。

滿足條件（3）的點(diǎn)形成地表面的峰線，稱之為分割線或分水線。

為了達(dá)到更好的分割效果，常常將分水嶺算法應(yīng)用到梯度圖像上，而不是圖像本身。

(二)

個(gè)人認(rèn)為圖像分割的算法可以從分割目標(biāo)入手：通常是要將圖像分成目標(biāo)區(qū)域和背景。

需要從圖像的特征入手，以灰度圖像為例(其余類型的圖像處理均類似)，圖像圖形很明顯的特征有：

圖像灰度值特征、目標(biāo)邊界特征、紋理特征、形態(tài)學(xué)特征等等；

還有一些基于這些特征所計(jì)算提取出的特征，比如信息熵、能量泛函等等。

最為簡(jiǎn)單的就是灰度值特征了，一幅圖中有時(shí)候目標(biāo)區(qū)域與背景區(qū)域有很明顯的亮度區(qū)別，基于這個(gè)認(rèn)識(shí)，只要試圖找到某個(gè)亮度的值，我們假設(shè)低于該值的認(rèn)為是背景，高于該值的認(rèn)為是目標(biāo)。關(guān)于找這個(gè)值的算法就是閾值分割算法了，像OTSU、迭代法、最大熵法等等都是屬于這一范疇。

同時(shí)也可以注意到，在空域內(nèi)，目標(biāo)的邊界是區(qū)分目標(biāo)與背景的重要依據(jù)，因此區(qū)分邊界也是一個(gè)重要的手段，通常邊界點(diǎn)周圍灰度值變化率很高，因此可以基于圖像灰度梯度來(lái)識(shí)別。這就有一些sobel算子、canny算子等等方式，都是通過(guò)找到邊界來(lái)確定目標(biāo)區(qū)域與背景的。

在有些圖像中，目標(biāo)區(qū)域具有一定的連續(xù)性，基于區(qū)域連續(xù)性的一些方法像區(qū)域生長(zhǎng)法、分水嶺算法等（本人對(duì)這一塊不是很熟悉）。

另外，基于圖像原始的特征進(jìn)行提取獲得“精煉”的二級(jí)特征，并據(jù)此分割也是一種好的方法。像SNAKE算法，該算法認(rèn)為目標(biāo)區(qū)域的邊界是“外力”，內(nèi)力共同作用的結(jié)果，因此當(dāng)外力內(nèi)力平衡時(shí)找到邊界，基于這種平衡，提出了判斷能量泛函最小的判斷原則。此外，還有基于幾何活動(dòng)輪廓模型的水平集方法，該方法是借助于目標(biāo)區(qū)域的幾何度量參數(shù)，可以比較好的處理一些拓?fù)渥兓?/span>

除去經(jīng)典的閾值和分水嶺分割算法外，有主動(dòng)輪廓及衍生的水平集，圖割及相關(guān)算法（例如GrabCut），交互式分割，以及Cosegmentation。

所有分割算法的核心目的是解決目標(biāo)區(qū)域語(yǔ)義合并難題。例如交互式分割，通過(guò)精準(zhǔn)交互來(lái)解決該問(wèn)題。Cosegmentation通過(guò)分割相同或相似目標(biāo)來(lái)處理該問(wèn)題。

(三)

（1）基于閾值的分割方法：可在各種顏色空間或不同通道中完成閾值、自適應(yīng)閾值、

（2）基于邊緣的分割方法：各種邊緣檢測(cè)算子

（3）基于區(qū)域的分割方法：分水嶺、區(qū)域歸并與分裂

（4）圖割分割：最大流（最小割）算法

（5）基于深度信息的分割：

（6）基于先驗(yàn)信息的分割：

基于特定理論的分割方法等。

特定理論大概有：聚類分析、模糊集理論、基因編碼、小波變換等。

好消息！
小白學(xué)視覺(jué)知識(shí)星球
開(kāi)始面向外開(kāi)放啦??????


下載1：OpenCV-Contrib擴(kuò)展模塊中文版教程
在「小白學(xué)視覺(jué)」公眾號(hào)后臺(tái)回復(fù)：擴(kuò)展模塊中文教程，即可下載全網(wǎng)第一份OpenCV擴(kuò)展模塊教程中文版，涵蓋擴(kuò)展模塊安裝、SFM算法、立體視覺(jué)、目標(biāo)跟蹤、生物視覺(jué)、超分辨率處理等二十多章內(nèi)容。

下載2：Python視覺(jué)實(shí)戰(zhàn)項(xiàng)目52講
在「小白學(xué)視覺(jué)」公眾號(hào)后臺(tái)回復(fù)：Python視覺(jué)實(shí)戰(zhàn)項(xiàng)目，即可下載包括圖像分割、口罩檢測(cè)、車道線檢測(cè)、車輛計(jì)數(shù)、添加眼線、車牌識(shí)別、字符識(shí)別、情緒檢測(cè)、文本內(nèi)容提取、面部識(shí)別等31個(gè)視覺(jué)實(shí)戰(zhàn)項(xiàng)目，助力快速學(xué)校計(jì)算機(jī)視覺(jué)。

下載3：OpenCV實(shí)戰(zhàn)項(xiàng)目20講
在「小白學(xué)視覺(jué)」公眾號(hào)后臺(tái)回復(fù)：OpenCV實(shí)戰(zhàn)項(xiàng)目20講，即可下載含有20個(gè)基于OpenCV實(shí)現(xiàn)20個(gè)實(shí)戰(zhàn)項(xiàng)目，實(shí)現(xiàn)OpenCV學(xué)習(xí)進(jìn)階。

交流群

歡迎加入公眾號(hào)讀者群一起和同行交流，目前有SLAM、三維視覺(jué)、傳感器、自動(dòng)駕駛、計(jì)算攝影、檢測(cè)、分割、識(shí)別、醫(yī)學(xué)影像、GAN、算法競(jìng)賽等微信群（以后會(huì)逐漸細(xì)分），請(qǐng)掃描下面微信號(hào)加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺(jué)SLAM“。請(qǐng)按照格式備注，否則不予通過(guò)。添加成功后會(huì)根據(jù)研究方向邀請(qǐng)進(jìn)入相關(guān)微信群。請(qǐng)勿在群內(nèi)發(fā)送廣告，否則會(huì)請(qǐng)出群，謝謝理解~