一种在Lab空间实现的结合K均值聚类和区域生长的彩色图像分割方法技术

本发明专利技术提供一种在Lab空间实现的结合

A color image segmentation method based on K-means clustering and region growing in lab space

【技术实现步骤摘要】
一种在Lab空间实现的结合K均值聚类和区域生长的彩色图像分割方法
本专利技术属于图像处理领域，涉及一种实现彩色图像分割的方法，具体来说就是一种在Lab空间实现的结合K均值聚类和区域生长的彩色图像分割方法。
技术介绍
所谓图像分割是指根据灰度、颜色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。简单地讲，就是在一幅图像中，把目标从背景中分离出来，以便于进一步处理。图像分割是从图像处理到图像分析的关键步骤，是图像处理技术中最底层、最关键的技术，图像分割的质量直接影响图像高层的处理。从二十世纪七十年代起，越来越多的国内外学者致力于图像分割算法的研究，但由于图像特征的复杂性与多样性，图像分割算法至今没有一个统一的标准，相应的也没有一个通用的性能评价准则。目前图像分割的算法有很多种，主要基于边缘、阈值、区域等思想，都存在一定的优势和弊端。国内外学者对图像分割算法的研究和改进也一直是图像分析领域的一个基础和热门课题。
技术实现思路
本专利技术所要解决的问题是针对现有技术分割精确性差的缺点，提出了一种在Lab空间实现的结合K均值聚类和区域生长的彩色图像分割方法，原彩色图像是以RGB格式存储的，但这三个分量是高度相关的，适合于显示系统，但不适合图像分割和分析，所以本专利技术提出了将原彩色图像转换到Lab空间上进行分割，并采用传统的K均值聚类方法，因为它是一种无监督的统计方法，具有直观易于实现的特点。由于K均值聚类算法对图像的分割只用了图像的颜色信息，得到的是初始分割的结果，而图像的空间位置之间仍然存在很多相似性，在这里提出了一种新的区域间的相似性度量方法，进而进行区域合并，通过颜色散度变化控制区域合并停止，完成最终的分割结果。本专利技术提供一种基于Lab空间的K均值聚类的彩色图像分割方法，包括如下步骤：(1)输入待分割的彩色图像；(2)将彩色图像从RGB彩色空间转换到Lab彩色空间；(3)运用形态学算子对图像进行平滑滤波；(4)采用K均值聚类算法对图像各像素点进行聚类，得到初始分割；(5)结合图像空间位置信息，提出一种新的区域间的相似性度量方法，进行区域合并，并通过颜色散度变化控制区域合并停止，最终完成彩色图像分割。在步骤(2)所述的将彩色图像从RGB彩色空间转换到Lab彩色空间，其具体实现过程是首先将RGB空间先转换到XYZ空间，再转换到Lab空间，如下式：其中，Xn＝0.96047，Yn＝1.0，Zn＝1.08883。因此可以提取到图像中Lab空间中各个分量的像素值。在步骤(3)所述的运用形态学算子对图像进行平滑滤波，先进行膨胀后腐蚀的闭操作，弥合较窄的间断和细长的沟壑，消除小的空洞，改善图像质量。在步骤(4)所述的采用K均值聚类算法对图像各像素点进行聚类，得到初始分割过程中，是按照其颜色信息进行聚类，将颜色相近的像素点划分到同一类中，首先令x＝(x1,x2,...,xn)表示为n维特征空间中的一点，g(x)为x点的特征值，K均值聚类算法的步骤包括如下：预先设置好聚类的数目K个，并将K个初始类的均值设定为聚类中心：…，在进行第i次迭代计算时，当满足条件(此式的含义就是将每个特征点归属于均值离它最近的类)时，可以将某个特征点x归于K类中的某一类l，即其中表示第i次迭代后属于第l类的所有特征点的集合；在第i次迭代后，利用式来更新每个类的均值为式中Nl为中所有特征点的个数；当满足对所有的l＝1,2,...,K，有则聚类结束；不满足时返回第二步继续迭代直到聚类中心不再发生变化。在步骤(5)所述的结合图像空间位置信息，提出一种新的区域间的相似性度量方法，颜色距离可以表示为其中|ri|，|rj|分别表示第i和第j区域中包含的像素个数，μi和μj分别表示两个区域的颜色均值，||·||表示欧式距离。边缘距离可以表示为其中和分别表示邻接区域边缘两侧像素的颜色均值。在区域合并的过程中，采用颜色距离公式可以优先合并小区域，采用边缘距离公式可以对边缘区域进行较好的平滑过渡，因此可以综合两者的优点来进行区域合并，但两者的量级不同，因此提出了一种新的区域间的相似性度量方法为其中，P+Q＝1，用该度量方法对彩色图像进行区域合并，并通过颜色散度变化控制区域合并停止，当图像内的区域合并至Kr个区域时散度函数可以表示为：其中，表示一个区域内的颜色散度，Jtot表示图像所含有总的颜色散度，N表示图像内所含总的像素数目，xi表示图像中第i个像素的颜色值，xmean表示图像整体的颜色均值，Nr表示第r个区域内的像素数目，表示第r个区域内的第i个像素的颜色值，表示第r个区域内的颜色均值。当散度有明显增大时，说明该区域不应该被合并，此时区域合并就要终止，进行区域合并，由于K均值聚类算法对图像的分割只用了图像的颜色信息，得到的是初始分割的结果，而图像的空间位置之间仍然存在很多相似性，进而进行区域合并完成最终的分割结果。有益效果本专利技术对比已有技术具有以下创新点：1.在区域合并过程中，结合了颜色距离可以优先合并小区域和边缘距离可以平滑过渡边缘区域的优点，提出了一种新的区域间的相似性度量方法，从而使图像分割效果更好，符合人们视觉效果；本专利技术对比已有技术具有以下显著优点：1.通过结合不同的图像分割算法，可以有效提高图像分割的效果，降低了分割误差；2.图像分割过程中总的运行时间较快，效率较高。附图说明图1为本专利技术方法的程序流程图。图2为原始彩色图像。图3为彩色图像的分割结果。具体实施方式下面结合附图，具体说明本专利技术。本专利技术所述的一种在Lab空间实现的结合K均值聚类和区域生长的彩色图像分割方法，步骤如下：(1)输入待分割的彩色图像图2；(2)将彩色图像从RGB彩色空间转换到Lab彩色空间；(3)运用形态学算子对图像进行平滑滤波；(4)采用K均值聚类算法对图像各像素点进行聚类，在实施例中选择聚类数K＝6时就可以得到较满意的结果；(5)结合图像空间位置信息，一句新的区域间的相似性度量方法，进行区域合并，并通过颜色散度变化控制区域合并停止，最终完成彩色图像分割，得到图3。本说明书实施例所述的内容仅仅是对专利技术的原理及实现形式的举例，本专利技术的保护范围不应当被视为仅限于实施例所陈述的具体形式，本专利技术的保护范围也基于本领域技术人员根据本专利技术构思所能够想到的等同技术手段。本文档来自技高网...

【技术保护点】
1.一种在Lab空间实现的结合K均值聚类和区域生长的彩色图像分割方法，其特征在于，包括如下步骤：/n(1)输入待分割的彩色图像；/n(2)将彩色图像从RGB彩色空间转换到Lab彩色空间；/n(3)运用形态学算子对图像进行平滑滤波；/n(4)采用K均值聚类算法对图像各像素点进行聚类，得到初始分割；/n(5)结合图像空间位置信息，提出一种新的区域间的相似性度量方法，进行区域合并，并通过颜色散度变化控制区域合并停止，最终完成彩色图像分割。/n

【技术特征摘要】
1.一种在Lab空间实现的结合K均值聚类和区域生长的彩色图像分割方法，其特征在于，包括如下步骤：
(1)输入待分割的彩色图像；
(2)将彩色图像从RGB彩色空间转换到Lab彩色空间；
(3)运用形态学算子对图像进行平滑滤波；
(4)采用K均值聚类算法对图像各像素点进行聚类，得到初始分割；
(5)结合图像空间位置信息，提出一种新的区域间的相似性度量方法，进行区域合并，并通过颜色散度变化控制区域合并停止，最终完成彩色图像分割。


2.如权利要求1所述的方法，其特征在于：在步骤(2)所述的将彩色图像从RGB彩色空间转换到Lab彩色空间，其具体实现过程是首先将RGB空间先转换到XYZ空间，再转换到Lab空间，如下式：






其中，Xn＝0.96047，Yn＝1.0，Zn＝1.08883。因此可以提取到图像中Lab空间中各个分量的像素值。


3.如权利要求1所述的方法，其特征在于：在步骤(3)所述的运用形态学算子对图像进行平滑滤波，先进行膨胀后腐蚀的闭操作，弥合较窄的间断和细长的沟壑，消除小的空洞，改善图像质量。


4.如权利要求1所述的方法，其特征在于：在步骤(4)所述的采用K均值聚类算法对图像各像素点进行聚类，得到初始分割过程中，是按照其颜色信息进行聚类，将颜色相近的像素点划分到同一类中，首先令x＝(x1,x2,...,xn)表示为n维特征空间中的一点，g(x)表示为x点的特征值，K均值聚类算法的步骤包括如下：
第一步：预先设置好聚类的数目K个，并将K个初始类的均值设定为聚类中心

【专利技术属性】
技术研发人员：吴倩倩，王明江，
申请(专利权)人：深圳市双驰科技有限公司，
类型：发明
国别省市：广东;44