在圖像分割領(lǐng)域，灰度閾值分割法是最常見的圖像分割方法，由于難以選取合理的灰度閾值制約了閾值圖像分割的應(yīng)用。均值平移算法在復(fù)雜背景下的分割具有較好的實時性和可靠性。本文基于均值平移算法對圖像分割進行了研究，結(jié)果表明均值偏移算法可以較好對圖像進行分割，顏色參數(shù)和空間參數(shù)對分割效果有較為明顯的作用，且空間域窗寬在圖像分割的平滑效果的影響更為顯著。

【關(guān)鍵詞】均值平移 圖像分析 閾值分割 算法設(shè)計

隨著科技進步，越來越多的科學(xué)領(lǐng)域需要通過計算機實現(xiàn)圖像分析工作，例如在公共交通領(lǐng)域，需要對各類汽車的車牌進行牌號準確識別；在材料科學(xué)領(lǐng)域，需要對適時對材料的破壞進行檢測，尤其是材料表面出現(xiàn)的裂紋進行分析；在國防軍事領(lǐng)域，打擊區(qū)域內(nèi)的目標圖像識別尤其重要。而在圖像分析中最基礎(chǔ)的工作之一即是圖像分割，其任務(wù)在于將相關(guān)區(qū)域中的重點區(qū)域從原圖像區(qū)域中分割出來，以達到信息提取的目的。所以不難發(fā)現(xiàn)，圖像分割技術(shù)始終是計算機圖像圖形學(xué)中的熱點問題之一。

在圖像分割領(lǐng)域，灰度閾值分割法是最常見的圖像分割方法。其思想是根據(jù)圖像中各像素的不同灰度，將不同灰度進行分類并設(shè)置灰度閾值，確定目標區(qū)域的邊界，從而對圖像進行分割。該方法計算簡單，易于計算機編程實現(xiàn)，故常認為是圖像分割的推薦算法。然而由于實際拍攝的圖像往往受到來自外界干擾和設(shè)備自身原因等噪聲影響，選取合理的灰度閾值并不容易，灰度閾值分割法下的圖像分割效果很難令人滿意。所以一種無需過多人工干預(yù)的自適應(yīng)圖像分割方法，成為了圖像研究領(lǐng)域的熱點問題。均值平移算法就是這樣一種有效的圖像分割算法，在圖像分割、邊緣提取、運動檢測等眾多應(yīng)用中廣泛使用，本文擬對該方法進行較為深入的研究。

1 數(shù)學(xué)原理

2 模型及算法

灰度閾值分割算法是研究比較多的圖像分割算法，其原理是將圖像各像素的不同灰度進行量化，通過設(shè)置灰度閾值，將目標區(qū)域邊界進行較好的識別，從而對圖像進行分割?；诰灯揭频膱D像分割算法，可克服灰度閾值分割算法的不足。其算法過程如下：

（1）均值平移圖像分割算法特點是將像素點坐標和對應(yīng)像素點的灰度或者RGB三分量在數(shù)據(jù)密度下進行組裝，形成一個5維的向量：[x，y，r，g，b]?？臻g信息和色彩信息轉(zhuǎn)化到一個5維特征空間{xi}，i=1，2...中，并用{Ti}，i=1，2...對圖像信息進行記憶；

（2）輸入均值平移圖像分割算法的相關(guān)參數(shù)：空間域窗寬hs，色彩域窗寬hr；

（3）初始化k=1，從{xi}，i=1，2...中選擇第一個像素點，依次遍歷圖像，令Gk=xi，表示均值平移過程中不斷變化的超球體中心位置；

（4）在以Gk為中心的超球體中利用均值平移算法迭代計算Gk+1，k=k+1；

（5）若||Gk+1-Gk||<ε，則停止迭代，否則Gk+1=Gk，繼續(xù)迭代。

經(jīng)過上述步驟，圖像中相鄰或色彩一致的像素就被歸為一類，從而達到圖像分割的目的，其算法流程圖如圖1所示。

3 實驗及仿真

實驗環(huán)境：算法運行環(huán)境為Windows 7，64位操作系統(tǒng)；處理器為英特爾E5-2670，2.60GHz；內(nèi)存64GB；考慮到Matlab軟件具有強大的科學(xué)計算能力和豐富圖像處理命令，選擇在Matlab下基于均值平移算法對圖像進行分割實驗。

圖2（a）、（b）、（c）、（d）表示在運用均值平移算法進行分割處理后的結(jié)果圖像。對比可知，顏色參數(shù)hr和空間參數(shù)hs對分割效果有較為明顯的作用。對比圖（c）和圖（d）看出，易發(fā)現(xiàn)空間參數(shù)hs對圖像分割的平滑效果影響更為顯著。

通過多次實驗不難發(fā)現(xiàn)，對于較為簡單的圖像，可以選擇如（8，8） 相對較大的窗寬，在準確分割圖像的同時，時間耗費相對較少；對于較為復(fù)雜的圖像，通常需要選取較小的窗寬，以期對圖像進行精細分割的同時節(jié)省時間運算成本。

4 小結(jié)

均值平移算法是一種有效的統(tǒng)計迭代算法，其數(shù)學(xué)思想是基于密度函數(shù)的梯度估計，在迭代過程中搜索到密度函數(shù)的局部極大值。因為顏色參數(shù)hr和空間參數(shù)hs對分割效果有較為明顯的作用，所以在實際應(yīng)用中兩參數(shù)往往通過實驗確定可使得圖像分割更為精準。該算法不僅可用在對圖像的分割分析中，也將在視頻分割、運動檢測等實際背景中有著越來越廣泛的發(fā)展和應(yīng)用。

參考文獻

[1]王健.均值平移算法在計算機視覺中的應(yīng)用[D].武漢：華中科技大學(xué)，2005.

[2]阮秋琦.數(shù)字圖像處理學(xué)[M].北京：電子工業(yè)出版社，2001.

[3]李鄉(xiāng)儒，吳胡朝，王占義.均值平移算法的收斂性[J].軟件學(xué)報，2005，16（03）：365-374.

[4]伊懷鋒，黃賢武，基于均值平移的彩色圖像分割算法[J].計算機應(yīng)用，2006，7（07）：1605-1606.

[5]Sylvain Paris，F(xiàn)redo Durand， A Topological Approach to Hierarchical Segmentation using Mean Shift. Computer Vision and Pattern Recognition，2007.CVPR '07.IEEE Conference.

[6]王軍利，郭麗艷，王樹根.基于均值平移理論的彩色影像陰影檢測算法研究[J].計算機與數(shù)字工程，2007，4（11）：98-100.

作者簡介

方浩鋮，男，湖北省鄂州市人。研究方向電氣工程及其自動化。

作者單位

武漢輕工大學(xué)數(shù)學(xué)與計算機學(xué)院 湖北省武漢市 430048