基于分水岭算法的彩色细胞图像分割研究概要.docx

1、基于分水岭算法的彩色细胞图像分割研究概要内蒙古师范大学硕士学位论文基于分水岭算法的彩色细胞图像分割研究姓名:海鹰申请学位级别:硕士专业:光学指导教师:平子良20070605 内蓑古师范大学硕士学位论文以上所述,颜色在人视觉系统中的特性通常可以使用一组值(通常使用三个、四个值或者颜色成分来表示.就是下一节要讲的颜色空间。(=颜色空间颜色空间大致可分为三类【201。第一类主要应用于工业领域,如在彩色电视机上常采用的由美国国家电视标准委员会(NTSC提出的RGB颜色空间;在印刷业中使用的CvI(C删agtaYellow颜色空间;在计算机技术中常采用的YuV颜色空间.第二类是由国际照明委员会(C推荐的

2、一系列体系。早在1928年提出了RGB基色体系,但该体系在色度坐标中会出现负值,且光谱轨迹的540700nm之间在RGB 色度图上基本上是一段直线。为此CIE在1931年提出XYZ颜色空间。然而在XYZ 平面中,色差表示不均匀,因此CIE于1976年推荐ULCS体系,其中代表性的是L*a*b 色空间。第三类为视觉颜色空间。具有代表性的是HSI颜色空间。下面针对本文中采用的RGB颜色空间和HSI颜色空问进行详细阐述。1、RGB颜色空间RGB(red,green,blue颜色空间中通过红、绿、蓝三原色不同比例的混合来描述颜色,其颜色空间描述为正立方体如图2.3。由于计算机显示和扫描都采用R,G,B

3、 三基色原理,因此RGB颜色空间成为计算机颜色描述中最常用的颜色空间。R骂GUrn图2-3RGB颜色空间 b基于分水蛉算法的彩色细胞图像分割研究RGB颜色空间常用于电视机、监视器和数码像机等上.RGB空间在图像显示上是方便有效韵.但并不适合图像分割。袍是面向硬俘设备钓,物理意义明确但是缺乏直感。而且R、G、B三个量之间相关性较强,这意味着颜色的变化或亮度的变化将引起三个量都相应变化。另外,在RGB空间中表达颜色差别没有统一的尺度,使得难以确定颜色距离度量。2、HSI颜色空问HSI(Hue。Saturation,Intensity颜色空间以人眼的视觉特征为基础,利用色度,饱和度和亮度三个属性来表

4、示颜色,它能够清楚地描述色度,饱和度和亮度之间的变化关系。HSI颜色空间是一种对于人来说自然的、直观的描述空间,可以用一个圆锥空间模型来描述,如图2.4所示.色度和饱和度(HS表示色彩.色彩信息里消去了强度分量的影响. 图2-4HSI颜色空问在RGB颜色空间中,能量沿着(o,o,o-(1,1,1之问的连线分布,所以此连线也称为强度线。凡是与强度线垂直的平面上的点,均有相同的能量,或者等强度的.饱和度以强度线为轴以距离的函数增长,强度轴上的点饱和度为零。强度轴与立方体的边界确定的平面有相同的色度。在HSI空间,由于H、S、I三个分量是相互独立的,当彩色图像的分割在HSI 空间进行时,可以将三维搜

5、索问题转换为三个一维搜索。例如,首先利用s来分割高饱和区和低魄和区。然后裂用H对高饱和区进行分割。用I对氐饱和区进行分割。lO 内蒙古师范大学硕士学位论文以上定义虽然直观,但不方便用算法实现。因此,Vincent与Soille给出了另一种算法定义(algorithmic definition123如下:,将图像,中各点的梯度值视为该点的高度,在图像,的每个极小区M的底部之间钻上连通小孔。然后,向图像形成的地表面中缓慢注水,水面将逐渐浸没地面,从而形成一个个小湖集水盆地.从高度最低的极小区出发j水面将渐渐浸没图像,中不同的集水盆地。在此过程中,如果来自两个不同集水盆地的水将要发生汇合,则在汇合处

6、建一水坝。在浸没过程的最后,每个集水盆地最终都会被水坝包围。所有水坝的集合就对应图像的分承岭(算法定义。(二常用的几种分水岭算法Beucher和Lantu巧oul最先提出了基于“浸没”模型的分水岭算法241,在已知区域最小的前提下,在每个区域最小值影响的区域内,通过形态学闭运算,逐步扩展所影响的区域范围,最后得到分水岭线。在计算的过程中,如果遇到图3.1中的情况,当同一区域呈环形时,就可能产生错误的分水岭线A.并且这种算法的效率是非常低的,因为在每一次二值闭运算的过程中,都必须将所有的像素扫描一次. 图3-1错误的分水岭也可以通过灰度骨架来计算分水岭嘲.基于这一点,Beucher证明了分水岭从

7、一定程度上来说就是灰度骨架中的闭合曲线261。灰度图像的骨架可以通过形态学细化运算来计算。在形态学细化的过程中,可以很容易的将骨架内不闭合的曲线从图像中去掉。整个过程,包括骨架提取和接下来对曲线的修剪的过程需要经过多次迭代,在每步迭代过程中,和前一种算法类似需要对每个像素进行扫描,所以这种算法的效率 内萤古师范大学硕士学位论文在真正计算排序位置时各点坐标并不需要显式地参与计算。我们只需按由上至下,从左至右的顺序依次计算图像中各点的排序位置,并将它们挨个存放至排序数组中就可以了.使用这种方法的排序计算量与vincent-soille算法的捧序计算量完全相同.新算法的空间顺序扫描通过依次处理捧序数

8、组各元素即可实现。特|序图像块捧序后的数组X Y梯废(1,3.6(2,3.6(3,3.6(3,I.7(2.2.7(3。2,71.t.9(2,I,9(1。2.9图3-3接序结果对于第二个问题,存在三种可能的情况(如图3.4所示。第一种情况,如图3-4(a所示,待扫描点所属集水盆地位于待扫描点A的左上方.由于A被扫描之前A 与初始集水盆地之间的所有点都已被扫描并被正确标识,所以扫描至A点时,A的左邻点与上邻点亦己正确标识.自然地,A也将被正确标识.第二种情况,如图3_4(b所示。待扫描点位于其所属集水盆地的左上方。由于A将被首先扫描,此时A的邻点未被正确标识,因此A将错误地被标识为一极小区.图3.

9、4(c的情况与图3-4(b类似。在该图中,由于新扫描线的行首(点c与已正确标识区域不连续!因此将错误地生成一新的极小区.扫描到达点A时,点A将被划归这一错误的极小区。圈3.4当前扫描点与已标记集水盆地的三中关系 内蒙古师范大学硕士学位论文 A原始图像1C原始图像2图伯背景去除结果B背景去除后结果1D背景去除后结果22、中值滤波及图像均匀处理中值滤波技术是将邻域中的像素按灰度级排序,取其中间值为输出像素的滤波方法。中值滤波是一种非线性滤波,适用于滤除脉冲噪声或颗粒噪声。中值滤波在去除噪声的同时能较好保护图像边缘细节,并且中值滤波窗口越大,滤波作用越强,但会丢失细节。本实验中采用7X7的结构元素进

10、行滤波处理。图像均匀处理方法【311:鼬川=紊勃m川钥一式中,f(x,y是原图像(工,力处的彩色矢量;夕表示,J,为中心X领域基于分水岭算法的彩色细胞图像分割研究的彩色矢量均值:表示领域大小;口表示比例因子。为了使均方差和灰度具有一致的度量,上式中用o.眦进行归一化.实验处理结果如图4-4,与背景去除结果(如图4-3比较图像的轮廓锯齿现象及杂点有明显的改善,细胞内没有小的空洞。颜色交得均匀而且细胞的轮廓仍然清楚。髓着个别点的消失,梯度层也减少,这对提高分割速度是有帮助的。但是有些较大的点仍然存在。 图4_4中值滤波及图像均匀处理结果3、快速分水岭分割快速分水蛉分割流程通过第三章的分析,vinc

11、ent-soille算法中,每个像素点在浸没步骤中将被扫描三次,而且浸没过程中每个像素点都要进出队列。相比之下,快速分水岭算法比vincent.soille算法扫描次数少,并且减少了队列的操作,所以运行速度比vincent-softie 算法快,而且实现难度低。为了提高运算速度采用快速分水岭分割方法进行分割,分割处理框图如图4.5。相关解释参阅第三章分水岭快速分割算法. 基于分水岭算法的彩色细胞图像分割研究 图4-6未进行预处理分割结果 图4.7预处理后分割结果 内囊吉师范大学硬士学位论文 图4.9区域合并结果 图4-10在原图像表示分割区域3I 基于分水岭算法的彩色细胞图像分割研究作者:海鹰

12、学位授予单位:内蒙古师范大学相似文献(9条1.期刊论文龙永红.LONG Yong-hong基于自适应混合颜色空间的图像分割在药片泡罩包装检测中的应用-包装工程2006,27(3提出了一种建立新的颜色空间方法,根据相关性小和辩识能力好的原则, 在经典颜色空间分量中选择颜色分量,构成混合颜色空间,可改善需检测的药片图像分割的精确性和鲁棒性.实验表明:基于混合颜色空间的图像分割,药片边缘定位准确,克服了光照不均匀等问题,可精确计算出药片的几何形态属性,提高缺陷药片的识别率.2.期刊论文魏宝刚.鲁东明.潘云鹤.杨云多颜色空间上的交互式图像分割-计算机学报2001,24(7介绍了视觉颜色空间及其在交互式

13、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.3.期刊论文张扬永.Zhang Yangyong基于HSV颜色空间的淋巴瘤病理图像分割-福建工程学院学报2007,5(3提出一种基于HSV颜色空间的淋巴瘤病理图像自动分割方法.依据各种淋巴瘤病理组织在HSV颜色空间的分布规律,结合最大类别方差阈值分割算法,建立淋巴瘤病理图像分割模型.实现了淋巴瘤病理图像中实心细胞、空泡细胞、基质、空隙等

14、各种组织的自动分离.实验结果表明该方法实现简单、有效、快速,具有较好的分割效果.4.期刊论文曹宇.赵杰.闫继宏.CAO Yu.ZHAO Jie.YAN Ji-hong基于自定义颜色空间的快速图像分割算法-计算机科学2009,36(2为实现视觉伺服中对图像的实时处理,针对由RGB颜色空间模型转换到HSV颜色空间模型过程计算量大、时延明显的问题,提出了一种基于自定义的ASV颜色空间模型的快速变换方法,减小了计算量,提高了处理速度;并采用一种对不同颜色分量进行序列分割的彩色图像分割方法,在自定义的HSV颜色空间中实现了彩色图像的快速分割.实验证明了这种方法的有效性.5.期刊论文涂岩恺.陈庆虎.黄亮.

15、邓伟基于多颜色空间贝叶斯决策的文本图像分割-科学技术与工程2009,9(16 为实现计算机对文本图像的自动分类和鉴别,对文本图像分割进行研究.建立基于贝叶斯决策的最小错误率文字分割模型. 利用最小二乘法估计模型参数最后在多颜色空间中选择最优分割阈值,取得了理想的图像分割效果.6.期刊论文焦春林.陈淑梅.高满屯.江天.JIAO Chun-lin.CHEN Shu-mei.GAO Man-tun.JIANG Tian基于一种动态颜色模型的模糊C-均值图像分割-电光与控制2007,14(1不同颜色的可见光本质上是具有不同波长范围的电磁波.本文试探性地提出了一种动态颜色模型,它模拟了成像曝光时间内图像

16、平面所接收到的电磁波的动态变化.离散化之后,彩色图像的颜色特征能够被表示成一个K维矢量,称为彩色图像的动态颜色空间表示.然后建立了模糊C-均值分割算法,分别在动态颜色空间和RGB空间分割彩色图像,实验结果表明动态颜色空间的分割结果优于RGB空间的分割,从而验证了动态颜色空间的性能.笔者相信本文所提出的动态颜色模型也能够被用于纹理分析或其它的图像处理领域.7.期刊论文尹建军.王新忠.毛罕平.陈树人.张际先.YIN Jian-jun.WANG Xin-zhong.MAO Han-ping.CHEN Shu-ren.ZHANG Ji-xian RGB与HSI颜色空间下番茄图像分割的对比研究-农机化研

17、究2006(11针对番茄收获机器人视觉系统在自然光照条件下对田间成熟番茄图像进行分割的问题,研究了基于(R-G色差特征的阈值分割方法和基于HSI颜色空间H色调的统计阈值分割方法,并对其进行了对比分析.在RGB颜色空间,首先提取了RGB彩色图像的R、G分量并做代数减运算得到色差灰度图像RG,然后对该色差灰度图像RG使用Otsu阈值法进行自适应分割;在HIS颜色空间下,统计番茄与叶子的H色调分布差异,然后对H色调灰度图像进行阈值分割.通过大量试验表明:基于(R-G色差特征的阈值分割方法能够实现自适应阈值处理,能对不同自然光照强度下的生长状态为相互分离的多目标番茄图像进行有效分割;同时,对番茄的成熟

18、度及品种差异也具有很好的鲁棒性,其性能大大优于基于HSI颜色空间H色调的统计阈值分割.8.会议论文尹建军.毛罕平.王新忠.陈树人.张际先RGB与HSI颜色空间下番茄图像分割的对比研究本文针对番茄收获机器人视觉系统在自然光照条件下对田间成熟番茄图像进行分割的问题,研究了基于(R-G色差特征的阈值分割方法和基于HSI颜色空间H色调的统计阈值分割方法,并对其进行了对比分析.在RGB颜色空间,首先提取RGB彩色图像的R、G分量并作代数减运算得到色差灰度图像RG,然后对该色差灰度图像RG使用Otsu阈值法进行自适应分割;在HIS颜色空间下,统计番茄与叶子的H色调分布差异,然后对H色调灰度图像进行阈值分割

19、.通过大量试验表明,基于(R-G色差特征的阙值分割方法能实现自适应阈值处理,能对不同自然光照强度下的生长状态为相互分离的多目标番茄图像进行有效分割,同时对番茄的成熟度及品种差异也具有很好的鲁棒性,其性能大大优于基于HSI颜色空间H色调的统计阈值分割.9.期刊论文王玲.姬长英.刘善军.陈兵林.王萍.Wang Ling.Ji Changying.Liu Shanjun.Chen Binglin.Wang Ping基于竞争学习网络的田间籽棉图像分割-农业工程学报2008,24(10为了正确识别田间籽棉,将籽棉和铃壳、绿叶、根茎、土地等自然背景视为二个类别,基于竞争学习网络进行了图像分割.从多幅典型的

20、籽棉图像中选取10000个像素作为训练样本,并为它们贴上类别标签,在HSI、Lab、Ohta、RGB颜色空间下对训练样本的颜色特征及其组合进行K-均值聚类,选取了误分率普遍较低的RGB颜色空间,其B值的误分率尤其低.在RGB颜色空间下,用训练样本的R、G、B组合或B值一次性地训练了竞争学习网络,将图像的全部像素输入网络进行测试,同时与K-均值聚类比较,形态学滤波去噪后的结果表明,基于B值的竞争学习网络较优,用907幅籽棉图像对其进行仿真的精度达92.94%.该方法结合了有监督的学习算法,避免了传统K-均值聚类的反复迭代和过拟合现象,提高了图像分割的效率和精度.本文链接:下载时间:2009年11月20日