基于视觉感知特性的彩色图像分割
- 格式：pdf
- 大小：577.78 KB
- 文档页数：4
ｐ ｔｅ ｎｒ ｃ ｇ ｉｉｎ ｎｔ ｉ ａ ｅ ，ｓ ｍｅｅ ｉｅ ｃ ｎｔ ｅｈ ｍａ ｉｉｎ ｒｓ ａｃ ｔｔｄ ａｔ ｒ ｅ ｏ ｎｔｏ ．Ｉ ｈｓｐ ｐ ｒ ｏ ｖｄ ｎ ｅｉ ｈ ｕ ｎｖｓｏ ｅｅ ｒｈｉ ｓａｅ ．Ｎｏ ｌ ｔ ｎ ｅ ｓｔ ｒｍ ｏ ２ ５ｉ ｓ ｔａｌ ｈｅｉｔ ｎ ｉｙｆｏ ０ｔ ５ ｎ ＲＧＢ ｐ ｃ ｓｃ ｎ ｓ ａ ｅ ａ ｂ ｉｔ ｇｕｓ ｅ ｙ ｈ ｍ ａ ｉｉｎ Ｓ ｈ ｅ ｅ ｆｔ ｅ ｉｔｎｓｔ ｓｒ ｄ ｃ ｄ ｉ ｅｄｓｉ ｎ ｉｈ ｄｂ ｕ ｎ ｖｓｏ ． ｏ ｔ ｅ ｌｖ ｌｏ ｈ ｎ ｅ ｉ ｉ ｅ ｕ ｅ ｎ ＲＧＢ ｐ ｃ ｏ ２ ｙ ｓ ａ ｅｔ ６，２ ８，２ ｅ ｐ ｃｉｅｙ， ｉ ｉ ａｎｎｇ ｔ ｅ ６ ｒ ｓ ｅ ｔｖ ｌ ｗｈｌ ｍａｎｔｉｉ ｈ ｅ
ｙ 个 聚 类 中 心 。 Ｘ
现代计算 机图形 系统 可以产生 成千上 万种颜 色 ， 而好
的 视 觉 观 察 员 （ Ｃ Ｅ定 义 ） 能 对 在 最 大 亮 度 的 １ ０ ０ 由 Ｉ 只 ７０
种颜色做 出响应 ｌ 。人 眼 中的红 色视 锥 细胞 具 有很 小 的 ４ ］ 光谱敏感 度 ， 色视锥 细胞 具 有最 大敏 感 度 ， 然蓝 色视 绿 虽 锥细胞敏 感度 适 中 ， 与 绿 色视 锥 细 胞 敏感 度 更 为 相 近 但
域， 也可 以对应于多个 区域 。关 于 图像 分割 领域 的研究有
很多不同的技术 Ｌ ， ２ 大概可 以分为基于直方 图的 ， 于边 界 ］ 基
＊ 收 稿 日期 ：０ １ ８月 ９日， 回 日期 ：０ １年 ９月 盼盼 ， ， 常 女 硕士研究生 ， 研究方 向 ： 图像处理 ， 模式识别。黄继风 ， 博士 ， 教授 ， 硕士生导 师， 研究方 向： 模式识别 ， 数据挖掘 ，
少 了表达图像的类 的数 目， 从而能够准确高效的得到 图像 中各类颜色 的极值 点。通过这些不 同颜 色极值 点的排列组 合来得到初 始聚类 中 心， 这种聚类中心的选择考虑 了各个图像 自身的信息 ， 能得到其精确的聚类 中心， 减少 了图像分 割后 期迭代的次数 ， 在一定 范围内节约 了运
摘
要
图像分割是 图像处理的主要问题 ， 也是计算机视觉和模式识 别领域 中的重要组成部分。文章通过对人类视觉的生理结构 的研
究， 在人类视觉无法辨别 的范 围内， 将彩色图像 的 ＲＧ Ｂ亮度范 围从原始的 Ｏ ５ ～２ ５缩减 为 Ｏ ６ ２ 、６ 既保持 了图像 的视觉特 性， ～２ 、８ ２ ， 同时减
通过非线性采样来减少 在颜色 中的冗余 ， 并且 也 能减少 色
彩空间的维度 。
换到 ２ ×２ ×２ ， ６ ８ ６ 在保 持图像 自身视觉 特性 的基 础上 去除 了图像的极大冗余信 息量 。对 于初 始 聚类 中心 的选 择 ， 在 本文中我们采用 了两种方法 ： １ ）根据图像的 尺寸把 每个颜 色 空间 的前 个 极值 进 行排列组合 ， 到 ， ｌ 个初始聚类 中心 ； 得 ｚ × ×Ｔ ２ ）找出每个颜色空 间的最大 值 ｍ， 取一个 可控 制的 选 阈值 ｔ将 大于 ｍ／ 的所 有值作 为此颜 色空 间的极值 点 ， ， ｔ 其 中ｔ 为大于 １的实数 ， Ｒ中满足条件 的有 个值 ， 中满 若 Ｇ 足条件 的Ｙ个值 ， Ｂ中满足条件 的有 个值 ， 么便有 ｚ× 那
颜色数量 之后 ， 能可 观地 提高算 法 的效率 。使 用少 量有代 表性 颜色表示完全色彩 空间 ， 并不 过 多注意 图像质 量 的过
程被称为量化或 Ｒ ＧＢ色 彩 空 间 采 样 。 Ｒ Ｂ色 彩 空 间 可 以 Ｇ
经过采样和极值替换后 的图像视觉效果 和原始 图片几
乎 没 有 差 别 ， 像 的特 征 维 数 从 原 始 的 ２６ ２ ６ ２ ６变 图 ５× ５× ５
每个 区域 的像素点有相 同 的属性集 ， 里的属性 可 以是灰 这 度 、 色或纹 理等 ， 颜 图像处理 的最终质量极大程度 的依赖于 图像分割结果 的质量Ｉ 。图像分割应满足 ：１ 割后所得 】 ］ ）分 到的区域总和应覆盖整 个图像 ；２ ）各区域之 间互不重 叠 ； ３ ）同一 区域 的像元应具有某种 共 同特征 ， 这些特征 可 以是 像元 、 颜色 、 纹理 、 形状等 ；４ ）同一 类别可 以对应 于一个 区
１ 引 言
图像分 割是 图像 处理和计算机 视觉 等领 域 中最经典 的 研究课 题之一 ， 在过去三十年 中， 多文献都 提 出了关 于灰 很 度图像 的分割算 法 ， 而 目前应 用 中的绝大 部分 图像都是 然 彩色图像 ， 对于彩色 图像 的分割算法却鲜有关 注 ， 而且彩 色
ｉ ｇ ’ ｖｓ ａ ｅ ｔ ｒ ｓａ ｄ ｒｄ ｃｎｇ ｔｅｃ ｔｇ ｒｅ ｆｉ ａ ｅｓｉｆｒ ｔｏ ．Ｓ ｈ ｓ ｏｒ ｃ ｅ ｋｐ ｉ ｓｉ ｃ ｉｖ ｄ，ｆｏ ｗｈｃ ａ ｏ ｍ ｍａ ｅｓ ｉｕ ｌｆａ ｕ ｅ ｎ ｅ ｕ ｉ ｈ ａｅ ｏ ｉｓｏ ｇ ’ ｎ ｍａ ｉｎ ｏ ｔ ｅｍｏ ｔｃ ｒ ｅｔｐ ａ ｏｎｔ ｓａ ｈｅ ｅ ｍ ｏ ｒｍ ｉｈｃ ｎ ｆｒ
ａｌｔ ｏ ｓｂｌ ｌ ｔｒｅｎｔｏｄ ．Ａｓａｌｔ ｅ ｅｃｕ ｔｒｃｎ ｒ ｉｓｃ ｎｓｄ ｒｔ ｅｉ ｇ ’ ｓ ｌ ｎ ｏ ｍａ ｉｎ，ｓ ｈ ｌｓｅ ｅ ｔｏｄ ｓａ ｃ ｒ ｔ． Ｉ ｌ ｈｅｐ ｓｉ ｅｃｕｓｅ ｅ ｒｉｓ ｔ ｈ ｓ ｌｓｅ ｅ ｔｏｄ ｏ ｉｅ ｈ ｍａ ｅｓ ｅｂｉｆ ｒ ｔｏ ｏ ｔ ｅｃｕ ｔ ｒｃ ｎ ｒ ｉｓｉ ｃ ｕ ａｅ ｔ ｃ ｎ ｒｄ ｃ ｈ ｉ ｓｏ ｈ ｎ ｅａ ｉｎ ｏ ｅ ｍｅ ｔｔｏ ａ ｅ ｕ ｅｔ ｅｔｍｅ ｆｔ ｅｉｔ ｒｔｏ ｓｆ ｒｓ ｇ ｎ ａｉｎ，ｓ ｏｓ ｍ ｅｅ ｔｎｔｒｄ ｃ ｈ ｉ ｏ ｓ ｍｐ ｉｎ ｏ ｔ ｏ ｘ ｅ ｅ ｕ ｅｔ ｅｔｍｅｃ ｎ ｕ ｔｏ ．Ｔｈｅｅ ｐ ｒｍ ｅ ｔ ｌ ｅ ｕｔ ｈ ｗ ｈ ｔ ｘ ｅｉ ｎ ａ ｓ ｌｓｓ ｏ ｔ ａ ｒ ｔ ｅｈ ｄ ｃｎ ｂ ｇ ｌ ｅ ｕ ａｅ ，ａ ｄｔ ｅ ｍ ｅ ｔｔｏ ｅ ｕｔ ｒ ｓｇ ｏ ｓｔａ ｉｉｎ ｌｍ ｅｈ ｄ ｈｅｍ ｔ ｏ ａ ｅｈｉｈｙ ｒｇ ｌｔ ｄ ｎ ｈｅｓｇ ｎ ａｉｎ ｒ ｓ ｌｓａ ｅａ ｏ ｄａ ｒ ｄｔｏ ａ ｔ ｏ ． Ｋｅ ｏ ｓ ｃ ｌｒｉ ｇ ｅ ｍｅ ａ ｉｎ，ｈｕ ｎ ｖｓ ａ ｅ ｃｐ ｉｎ，ｆ ｚ ｙ Ｗ ｏｏ ｍａ ｅｓ ｇ ｎｔｔｏ ｍａ ｉｕ ｌｐ ｒ ｅ ｔｏ ｕｚｙ＠ ｍｅ ｎ ａｓ Ｃｌｓ ａ ｓＮ帅 ｂ ｒ ＴＰ３ ． １ ｅ ９】 ４
的， 于区域 的， 基 聚类和这些技术的各种 组合 。在很 多论文 中提 出了多种分割算法 ， 但是 没有任 何一种 算法 能很 好 的 适用于所有 的图像 ， 为某一类 图像 所开 发 的算 法应 用于 将
其他类型 的图像总是达不到令人满意的效果 。在 这些经典
的彩色 图像分割算法 中， 于像素 的方法 没有把 空 问信息 基 考虑在 内， 最简单 的基于像 素的分 割方法 就是 直方 图阈值 法， 它假定一幅图像有 Ｎ 个 峰值点 ， 这个 图像可 以以每个 峰值点作为 聚类 中心分 成 Ｎ 个 区域。现存 的直 方 图阈值 法的不 同之 处在 于 ： 同提 取准 则 中对 直方 图的颜 色部分 不 选择的不同。一些方法采用 ３ Ｄ的直方 图【 ， 同时包括一 ３它 ］ 幅图像 中所 有的颜 色信息 。 本文利用 人类视 觉 的 Ｊ Ｄ特性 ， Ｒ Ｎ 将 ＧＢ空 间的亮 度
值从 ０ ５ 分别映射到 １ ６ １ ８ ｌ ６的新空间 ， ￣２ ５ ～２ ， ～２ ，～２ 既 保持 了图像的视觉特性 ， 又使得 处理后 图像 的颜 色信息 极
为集 中， 可以得到最为准确 的颜色分布 ， 这些统计数 目最 对 多的一些颜色进行排列组合 ， 作为初始聚类 中心 ， 各像 素点 和聚类 中心之间 的距离 采用欧几里得 距离 ， 结合模糊 ｃ均 值 的聚类方法 ， 通过迭代得 到分 割结果 。
总第 ２ ８ ６ 期
２１ ０ ２年第 ２ 期
计算机与数字工程
Ｃｏ ｕ ｅ ｍｐ ｔｒ＆ Ｄｉｉ ｌ ｇｎ ｅ ｉｇ ｇｔ ｉｅ ｒｎ ａ Ｅｎ
Ｖｏ． ０Ｎｏ ２ １４ ．
９ ２
基 于视 觉 感 知特 性 的彩 色 图像 分 割
常盼盼 黄 继 风
上海 ２０３） ０ ２４ （ 海 师 范 大 学 信 息 与 机 电工 程 学 院 上
ＣＨＡ ＮＧ ｎ ａ ＨＵ ＡＮＧ ｉｅ Ｐａ ｐ ｎ Ｊｆｎｇ （ ｌ ｇ ｆＩ ｆｒ ａｉｎ，Ｍ ｅ ｈ ｎｉａ ｎ ｅ ｔｉａ ｇ ｎ ｅ ｉｇ，Ｓｈ ｎ ａ ｒ ｌＵｎｖ ｒ ｉ Ｃｏｌ ｅｏ ｎｏ ｍ ｔｏ ｅ ｃ ａ ｃｌａ ｄ ＥｌｃｒｃｌＥｎ ｉ ｅ ｒｎ ａ ｇｈ ｉＮｏ ｍａ ｉｅ ｓｔ ｙ，Ｓ ａ ｇ ｉ ２ ０ ３ ） ｈ ｎ ｈａ ０ ２ ４
／ ￣ ｔ ｃ Ｃ ｌｒｉ ａ ｅｓ ｇ ｎ ａｉｎｉ ｒｔ ａ ｒ－ ｒ ｃ ｓ ｎｉ ａ ｅｐ ｏ ｅ ｓｎ ． Ａｌｏ ｉ’ ｉ ｏｒａ ｔｉ ｈ ｉｌ ｆｃ ｍ ｐ ｔｒｖｓｏ ｎ ｘ ￥ ｍ ｔ ｏ ｏ ｇ ｅ ｍｅ ｔｔｏ ａｃｉｉ ｌｐ ｅｐ ｏ ｅ ｓｉ ｍ ｇ ｒ ｃ ｓｉｇ ｌ ｍ ｓ ｃ ｓ ｔｓ ｍｐ ｔ ｎ ｎ ｔ ｅｆ ｄｏ ｏ ｕ ｅ ｉｉｎａ ｄ ｅ
Ｇ
Ｏ ８ ～ ９ １ ～ ７
● ●●
２ ５ ２ ６ ２ ７ ２ ８
２ Ｏ ２ ９ ４ ～ ４ ２ ０ ２ ５ ５ ～ ５
２ ６ ２ ４ １ ～ ２ ２ ５ ２ ３ ２ ～ ３ ２ ４ ２ ２ ３ ～ ４ ２ ３ ２ ５ ４ ～ ５
观地减少 收敛 时间 。在数 字彩 色 图像 中， 除冗余 和减少 消
图像包含有更多场景 中 目标 的信 息 ， 对彩 色 图像 进行前 期
处理是图像处理的应用 中非常 重要 的一部分 ， 处理结 果 其 直接影响到最终结果 。已出版的很多论文 中大都是关 于黑 白图像的分割方法 ， 但关 于彩色 图像分割 的方法却很少 。
ｙ 个 聚 类 中 心 。 Ｘ
现代计算 机图形 系统 可以产生 成千上 万种颜 色 ， 而好
的 视 觉 观 察 员 （ Ｃ Ｅ定 义 ） 能 对 在 最 大 亮 度 的 １ ０ ０ 由 Ｉ 只 ７０
种颜色做 出响应 ｌ 。人 眼 中的红 色视 锥 细胞 具 有很 小 的 ４ ］ 光谱敏感 度 ， 色视锥 细胞 具 有最 大敏 感 度 ， 然蓝 色视 绿 虽 锥细胞敏 感度 适 中 ， 与 绿 色视 锥 细 胞 敏感 度 更 为 相 近 但
域， 也可 以对应于多个 区域 。关 于 图像 分割 领域 的研究有
很多不同的技术 Ｌ ， ２ 大概可 以分为基于直方 图的 ， 于边 界 ］ 基
＊ 收 稿 日期 ：０ １ ８月 ９日， 回 日期 ：０ １年 ９月 盼盼 ， ， 常 女 硕士研究生 ， 研究方 向 ： 图像处理 ， 模式识别。黄继风 ， 博士 ， 教授 ， 硕士生导 师， 研究方 向： 模式识别 ， 数据挖掘 ，
少 了表达图像的类 的数 目， 从而能够准确高效的得到 图像 中各类颜色 的极值 点。通过这些不 同颜 色极值 点的排列组 合来得到初 始聚类 中 心， 这种聚类中心的选择考虑 了各个图像 自身的信息 ， 能得到其精确的聚类 中心， 减少 了图像分 割后 期迭代的次数 ， 在一定 范围内节约 了运
摘
要
图像分割是 图像处理的主要问题 ， 也是计算机视觉和模式识 别领域 中的重要组成部分。文章通过对人类视觉的生理结构 的研
究， 在人类视觉无法辨别 的范 围内， 将彩色图像 的 ＲＧ Ｂ亮度范 围从原始的 Ｏ ５ ～２ ５缩减 为 Ｏ ６ ２ 、６ 既保持 了图像 的视觉特 性， ～２ 、８ ２ ， 同时减
通过非线性采样来减少 在颜色 中的冗余 ， 并且 也 能减少 色
彩空间的维度 。
换到 ２ ×２ ×２ ， ６ ８ ６ 在保 持图像 自身视觉 特性 的基 础上 去除 了图像的极大冗余信 息量 。对 于初 始 聚类 中心 的选 择 ， 在 本文中我们采用 了两种方法 ： １ ）根据图像的 尺寸把 每个颜 色 空间 的前 个 极值 进 行排列组合 ， 到 ， ｌ 个初始聚类 中心 ； 得 ｚ × ×Ｔ ２ ）找出每个颜色空 间的最大 值 ｍ， 取一个 可控 制的 选 阈值 ｔ将 大于 ｍ／ 的所 有值作 为此颜 色空 间的极值 点 ， ， ｔ 其 中ｔ 为大于 １的实数 ， Ｒ中满足条件 的有 个值 ， 中满 若 Ｇ 足条件 的Ｙ个值 ， Ｂ中满足条件 的有 个值 ， 么便有 ｚ× 那
颜色数量 之后 ， 能可 观地 提高算 法 的效率 。使 用少 量有代 表性 颜色表示完全色彩 空间 ， 并不 过 多注意 图像质 量 的过
程被称为量化或 Ｒ ＧＢ色 彩 空 间 采 样 。 Ｒ Ｂ色 彩 空 间 可 以 Ｇ
经过采样和极值替换后 的图像视觉效果 和原始 图片几
乎 没 有 差 别 ， 像 的特 征 维 数 从 原 始 的 ２６ ２ ６ ２ ６变 图 ５× ５× ５
每个 区域 的像素点有相 同 的属性集 ， 里的属性 可 以是灰 这 度 、 色或纹 理等 ， 颜 图像处理 的最终质量极大程度 的依赖于 图像分割结果 的质量Ｉ 。图像分割应满足 ：１ 割后所得 】 ］ ）分 到的区域总和应覆盖整 个图像 ；２ ）各区域之 间互不重 叠 ； ３ ）同一 区域 的像元应具有某种 共 同特征 ， 这些特征 可 以是 像元 、 颜色 、 纹理 、 形状等 ；４ ）同一 类别可 以对应 于一个 区
１ 引 言
图像分 割是 图像 处理和计算机 视觉 等领 域 中最经典 的 研究课 题之一 ， 在过去三十年 中， 多文献都 提 出了关 于灰 很 度图像 的分割算 法 ， 而 目前应 用 中的绝大 部分 图像都是 然 彩色图像 ， 对于彩色 图像 的分割算法却鲜有关 注 ， 而且彩 色
ｉ ｇ ’ ｖｓ ａ ｅ ｔ ｒ ｓａ ｄ ｒｄ ｃｎｇ ｔｅｃ ｔｇ ｒｅ ｆｉ ａ ｅｓｉｆｒ ｔｏ ．Ｓ ｈ ｓ ｏｒ ｃ ｅ ｋｐ ｉ ｓｉ ｃ ｉｖ ｄ，ｆｏ ｗｈｃ ａ ｏ ｍ ｍａ ｅｓ ｉｕ ｌｆａ ｕ ｅ ｎ ｅ ｕ ｉ ｈ ａｅ ｏ ｉｓｏ ｇ ’ ｎ ｍａ ｉｎ ｏ ｔ ｅｍｏ ｔｃ ｒ ｅｔｐ ａ ｏｎｔ ｓａ ｈｅ ｅ ｍ ｏ ｒｍ ｉｈｃ ｎ ｆｒ
ａｌｔ ｏ ｓｂｌ ｌ ｔｒｅｎｔｏｄ ．Ａｓａｌｔ ｅ ｅｃｕ ｔｒｃｎ ｒ ｉｓｃ ｎｓｄ ｒｔ ｅｉ ｇ ’ ｓ ｌ ｎ ｏ ｍａ ｉｎ，ｓ ｈ ｌｓｅ ｅ ｔｏｄ ｓａ ｃ ｒ ｔ． Ｉ ｌ ｈｅｐ ｓｉ ｅｃｕｓｅ ｅ ｒｉｓ ｔ ｈ ｓ ｌｓｅ ｅ ｔｏｄ ｏ ｉｅ ｈ ｍａ ｅｓ ｅｂｉｆ ｒ ｔｏ ｏ ｔ ｅｃｕ ｔ ｒｃ ｎ ｒ ｉｓｉ ｃ ｕ ａｅ ｔ ｃ ｎ ｒｄ ｃ ｈ ｉ ｓｏ ｈ ｎ ｅａ ｉｎ ｏ ｅ ｍｅ ｔｔｏ ａ ｅ ｕ ｅｔ ｅｔｍｅ ｆｔ ｅｉｔ ｒｔｏ ｓｆ ｒｓ ｇ ｎ ａｉｎ，ｓ ｏｓ ｍ ｅｅ ｔｎｔｒｄ ｃ ｈ ｉ ｏ ｓ ｍｐ ｉｎ ｏ ｔ ｏ ｘ ｅ ｅ ｕ ｅｔ ｅｔｍｅｃ ｎ ｕ ｔｏ ．Ｔｈｅｅ ｐ ｒｍ ｅ ｔ ｌ ｅ ｕｔ ｈ ｗ ｈ ｔ ｘ ｅｉ ｎ ａ ｓ ｌｓｓ ｏ ｔ ａ ｒ ｔ ｅｈ ｄ ｃｎ ｂ ｇ ｌ ｅ ｕ ａｅ ，ａ ｄｔ ｅ ｍ ｅ ｔｔｏ ｅ ｕｔ ｒ ｓｇ ｏ ｓｔａ ｉｉｎ ｌｍ ｅｈ ｄ ｈｅｍ ｔ ｏ ａ ｅｈｉｈｙ ｒｇ ｌｔ ｄ ｎ ｈｅｓｇ ｎ ａｉｎ ｒ ｓ ｌｓａ ｅａ ｏ ｄａ ｒ ｄｔｏ ａ ｔ ｏ ． Ｋｅ ｏ ｓ ｃ ｌｒｉ ｇ ｅ ｍｅ ａ ｉｎ，ｈｕ ｎ ｖｓ ａ ｅ ｃｐ ｉｎ，ｆ ｚ ｙ Ｗ ｏｏ ｍａ ｅｓ ｇ ｎｔｔｏ ｍａ ｉｕ ｌｐ ｒ ｅ ｔｏ ｕｚｙ＠ ｍｅ ｎ ａｓ Ｃｌｓ ａ ｓＮ帅 ｂ ｒ ＴＰ３ ． １ ｅ ９】 ４
的， 于区域 的， 基 聚类和这些技术的各种 组合 。在很 多论文 中提 出了多种分割算法 ， 但是 没有任 何一种 算法 能很 好 的 适用于所有 的图像 ， 为某一类 图像 所开 发 的算 法应 用于 将
其他类型 的图像总是达不到令人满意的效果 。在 这些经典
的彩色 图像分割算法 中， 于像素 的方法 没有把 空 问信息 基 考虑在 内， 最简单 的基于像 素的分 割方法 就是 直方 图阈值 法， 它假定一幅图像有 Ｎ 个 峰值点 ， 这个 图像可 以以每个 峰值点作为 聚类 中心分 成 Ｎ 个 区域。现存 的直 方 图阈值 法的不 同之 处在 于 ： 同提 取准 则 中对 直方 图的颜 色部分 不 选择的不同。一些方法采用 ３ Ｄ的直方 图【 ， 同时包括一 ３它 ］ 幅图像 中所 有的颜 色信息 。 本文利用 人类视 觉 的 Ｊ Ｄ特性 ， Ｒ Ｎ 将 ＧＢ空 间的亮 度
值从 ０ ５ 分别映射到 １ ６ １ ８ ｌ ６的新空间 ， ￣２ ５ ～２ ， ～２ ，～２ 既 保持 了图像的视觉特性 ， 又使得 处理后 图像 的颜 色信息 极
为集 中， 可以得到最为准确 的颜色分布 ， 这些统计数 目最 对 多的一些颜色进行排列组合 ， 作为初始聚类 中心 ， 各像 素点 和聚类 中心之间 的距离 采用欧几里得 距离 ， 结合模糊 ｃ均 值 的聚类方法 ， 通过迭代得 到分 割结果 。
总第 ２ ８ ６ 期
２１ ０ ２年第 ２ 期
计算机与数字工程
Ｃｏ ｕ ｅ ｍｐ ｔｒ＆ Ｄｉｉ ｌ ｇｎ ｅ ｉｇ ｇｔ ｉｅ ｒｎ ａ Ｅｎ
Ｖｏ． ０Ｎｏ ２ １４ ．
９ ２
基 于视 觉 感 知特 性 的彩 色 图像 分 割
常盼盼 黄 继 风
上海 ２０３） ０ ２４ （ 海 师 范 大 学 信 息 与 机 电工 程 学 院 上
ＣＨＡ ＮＧ ｎ ａ ＨＵ ＡＮＧ ｉｅ Ｐａ ｐ ｎ Ｊｆｎｇ （ ｌ ｇ ｆＩ ｆｒ ａｉｎ，Ｍ ｅ ｈ ｎｉａ ｎ ｅ ｔｉａ ｇ ｎ ｅ ｉｇ，Ｓｈ ｎ ａ ｒ ｌＵｎｖ ｒ ｉ Ｃｏｌ ｅｏ ｎｏ ｍ ｔｏ ｅ ｃ ａ ｃｌａ ｄ ＥｌｃｒｃｌＥｎ ｉ ｅ ｒｎ ａ ｇｈ ｉＮｏ ｍａ ｉｅ ｓｔ ｙ，Ｓ ａ ｇ ｉ ２ ０ ３ ） ｈ ｎ ｈａ ０ ２ ４
／ ￣ ｔ ｃ Ｃ ｌｒｉ ａ ｅｓ ｇ ｎ ａｉｎｉ ｒｔ ａ ｒ－ ｒ ｃ ｓ ｎｉ ａ ｅｐ ｏ ｅ ｓｎ ． Ａｌｏ ｉ’ ｉ ｏｒａ ｔｉ ｈ ｉｌ ｆｃ ｍ ｐ ｔｒｖｓｏ ｎ ｘ ￥ ｍ ｔ ｏ ｏ ｇ ｅ ｍｅ ｔｔｏ ａｃｉｉ ｌｐ ｅｐ ｏ ｅ ｓｉ ｍ ｇ ｒ ｃ ｓｉｇ ｌ ｍ ｓ ｃ ｓ ｔｓ ｍｐ ｔ ｎ ｎ ｔ ｅｆ ｄｏ ｏ ｕ ｅ ｉｉｎａ ｄ ｅ
Ｇ
Ｏ ８ ～ ９ １ ～ ７
● ●●
２ ５ ２ ６ ２ ７ ２ ８
２ Ｏ ２ ９ ４ ～ ４ ２ ０ ２ ５ ５ ～ ５
２ ６ ２ ４ １ ～ ２ ２ ５ ２ ３ ２ ～ ３ ２ ４ ２ ２ ３ ～ ４ ２ ３ ２ ５ ４ ～ ５
观地减少 收敛 时间 。在数 字彩 色 图像 中， 除冗余 和减少 消
图像包含有更多场景 中 目标 的信 息 ， 对彩 色 图像 进行前 期
处理是图像处理的应用 中非常 重要 的一部分 ， 处理结 果 其 直接影响到最终结果 。已出版的很多论文 中大都是关 于黑 白图像的分割方法 ， 但关 于彩色 图像分割 的方法却很少 。
