C++基于图像的道路分割技术(5)
2.4 基于区域的图像分割方法
基于区域的分割技术主要依赖于图像中区域内的均匀一致性。基于区域的分割技术能够直接得到图像结果，从而使其成为当前最流行的分割技术之一。基于区域的图像分割技术主要包括区域生长技术及区域分裂-合并等技术。区域生长就是将临近的、具有相似特性的像素进行合并，形成更大的区域，通常是通过计算欧式距离来比较像素之间的差别。而分裂合并计算的思想是将整个图像分成若干互不相交叠的图像块，对每块进行分割，然后根据块与块分割特性进行合并，甚至可以一开始把每一个像素看作一块，然后进行不断合并。基于区域分割的技术既考虑彩色空间中颜色的的信息，又考虑到临近像素之间的联系。
区域生长法的基本思想是将事先选中的种子点周围符合某种相似性判断的像素点集合起来以构成区域，具体先对每个需要分割的区域找一个种子像素作为生长的起点，然后将种子像素周围邻域中与种子像素有相同或相似性质的像素(根据某种事先确定的生长或相似准则来判定)合并到种子像素所在的区域中。将这些新像素当作新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来。这样一个区域就长成了[11]。
在实际应用区域生长方法时需要解决3个问题[12]:①如何选择一组能正确代表所需要区域的种子像素;②如何确定在生长过程中能将相邻像素包括进来的准则;③如何确定生长终止的条件或规则。
第一个问题通常可以根据具体图像的特点来选取种子像素。例如，在红外图像检测技术中，通常目标的辐射都是比较大，所以可以选择图像中最亮的像素作为种子像素。如果没有图像的先验知识，那么可以借助生长准则对像素进行相应的计算。如果计算结果可以看出聚类的情况，那么可以选择聚类中心作为种子像素。
第二个问题的解决不但依赖具体问题的特征，还与图像的数据类型有关。如果图像是RGB彩色图像，那么如果使用单色准则就会影响分割结果。另外，还需要考虑像素间的连通性，否则有时会出现无意义的分割结果。
一般生长过程在进行到没有满足生长准的像素时停止。但常用的基于灰度、纹理、彩色的准则大都基于图像中的局部性质，并没有充分考虑生长的“历史”。为增加区域生长的能力需考虑一些于尺寸、形状等图像和目标的全局性质有关的准则。在这种情况下常需对分割结果建立一定的模型或辅以一定的先验知识。
区域生长的一个关键是选择合适的生长或相似准则，大部分区域生长准则使用图像的局部性质。生长准则可根据不同原则制定，而使用不同的生长准则会影响区域生长的过程。下面介绍一种基本的的生长准则和方法：
区域生长方法将图像的像素为基本单位来进行操作，基本的区域灰度差方法主要有如下步骤:
下一篇：ZigBee协议的研究+文献综述