CN108711156A - 一种图像分割复杂性测度方法 - Google Patents
一种图像分割复杂性测度方法 Download PDFInfo
- Publication number
- CN108711156A CN108711156A CN201810442469.9A CN201810442469A CN108711156A CN 108711156 A CN108711156 A CN 108711156A CN 201810442469 A CN201810442469 A CN 201810442469A CN 108711156 A CN108711156 A CN 108711156A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- size
- segmentation
- divisible
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
- Character Input (AREA)
Abstract
本发明公开了一种图像分割复杂性测度方法,包括如下步骤:步骤1,对于给定的彩色图像,根据其色调组分的直方图,对图像进行初始分割;步骤2,设定区域大小N(0),计算小于N(0)的图像可分割区域所对应的信息熵;步骤3,计算图像分割必要性指标Ps;步骤4,计算图像分割必要性阈值Ps(N(0)),根据图像分割必要性指标Ps,通过该阈值Ps(N(0))判断图像是否需要分割。
Description
技术领域
本发明涉及一种图像分割复杂性测度方法。
背景技术
经过几十年的发展历程,针对图像分割算法的相关研究出现了上千种不同类型的算法。就通常情况而言,图像分割方法可分为3类:(1)基于区域的分割算法;(2)全局知识阈值化算法;(3)基于边缘的分割算法。
然而,目前大部分图像分割算法都只能针对某一种特定情况起作用,而不能多多种图像进行通用性分割。同时,对于分割算法选择的标准也仍然是一个待解决的问题。关于图像分割必要性的文献资料到目前为止仍然较少,一些文献即使涉及这个方面的问题,也没有深入地进行研究。在文献“Zhang K D,Lu H Q,Duan M Y,et al.Automatic SalientRegions of Interest Extraction Based on Edge and Region Integration[C]//Proceedings of 2006IEEE International Sympoium on IndustrualElectronics.Montreal,Quebec,Canada:IEEE Industrial Electronics Society,2006,l”中,作者使用了一种预先给定的阈值来表达图像分割的必要性条件,然而,这些阈值的确定方法是这个文献没有提供的。因此,图像分割的必要性研究仍然有许多问题需要解决。
发明内容
针对现有技术的不足,本发明提供了一种图像分割复杂性测度方法,包括如下步骤:
步骤1,对于给定的彩色图像,根据其色调组分的直方图,对图像进行初始分割;
步骤2,设定区域大小N(0),计算小于N(0)的图像可分割区域所对应的信息熵;
步骤3,计算图像分割必要性指标Ps;
步骤4,计算图像分割必要性阈值Ps(N(0)),根据图像分割必要性指标Ps,通过该阈值Ps(N(0))判断图像是否需要分割。
步骤1中,采用基于直方图的多阈值分割方法对图像进行初始分割(参考文献:基于灰度直方图的多阈值分割方法,刘欣欣,李雪,王琼,《计算机应用与软件》,2013)。
步骤2包括:
步骤2-1,设定步骤1对图像初始分割的区域表示为{R(i)|i∈{1,2,…K}},其中,K为图像可分割的区域个数,R(i)表示图像第i个可分割的区域,第i个可分割的区域对应的大小记为N(i);
步骤2-2,将图像可分割的区域由大到小进行排序,用{R(n,i)|n=1,2,…K}表示排序后的图像可分割区域,其中,R(n,i)表示排序后的第n个可分割区域,并且R(n,i)的区域大于R(n+1,i)的区域,R(n,i)对应的区域大小记为N(n,i);
步骤2-3,设定区域大小N(0),计算小于N(0)的图像可分割区域所对应的信息熵SN(0)(K)以及小于N(0)的图像可分割区域大小占图像大小的百分比HN(0)(K)。
步骤2-3中,通过如下公式计算小于N(0)的图像可分割区域所对应的信息熵SN(0)(K)以及小于N(0)的图像可分割区域大小占图像大小的百分比HN(0)(K):
其中,N表示步骤1给定的彩色图像的大小。
步骤3中,通过如下公式计算图像分割必要性指标Ps:
步骤4包括:
步骤4-1,如果设定区域大小N(0)等于图像最大的可分割区域的大小N(n,i),通过如下公式计算图像分割必要性阈值Ps(N(0)):
如果设定区域大小N(0)远小于图像大小N(比如设定区域大小N(0)只有N的十分之一),通过如下公式计算图像分割必要性阈值Ps(N(0)):
步骤4-2,如果图像分割必要性指标Ps小于图像分割必要性阈值Ps(N(0)),则判断图像不用分割。
有益效果:本发明提供的一种图像分割复杂性测度方法,可以很好地适应图像目标区域大小,是衡量图像分割必要性的一种合理有效的方法,且能够成为一种重要的图像分割判断指标。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述或其他方面的优点将会变得更加清楚。
图1是本发明流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
如图1所示,本发明提供了一种图像分割复杂性测度方法,包括如下步骤:
步骤1,对于给定的彩色图像,根据其色调组分的直方图,对图像进行初始分割;
步骤2,设定区域大小N(0),计算小于N(0)的图像可分割区域所对应的信息熵;
步骤3,计算图像分割必要性指标Ps;
步骤4,计算图像分割必要性阈值Ps(N(0)),根据图像分割必要性指标Ps,通过该阈值Ps(N(0))判断图像是否需要分割。
步骤1中,采用基于直方图的多阈值分割方法对图像进行初始分割(参考文献:基于灰度直方图的多阈值分割方法,刘欣欣,李雪,王琼,《计算机应用与软件》,2013)。
步骤2包括:
步骤2-1,设定步骤1对图像初始分割的区域表示为{R(i)|i∈{1,2,…K}},其中,K为图像可分割的区域个数,R(i)表示图像第i个可分割的区域,第i个可分割的区域对应的大小记为N(i);
步骤2-2,将图像可分割的区域由大到小进行排序,用{R(n,i)|n=1,2,…K}表示排序后的图像可分割区域,其中,R(n,i)表示排序后的第n个可分割区域,并且R(n,i)的区域大于R(n+1,i)的区域,R(n,i)对应的区域大小记为N(n,i);
步骤2-3,设定区域大小N(0),计算小于N(0)的图像可分割区域所对应的信息熵SN(0)(K)以及小于N(0)的图像可分割区域大小占图像大小的百分比HN(0)(K)。
步骤2-3中,通过如下公式计算小于N(0)的图像可分割区域所对应的信息熵SN(0)(K)以及小于N(0)的图像可分割区域大小占图像大小的百分比HN(0)(K):
其中,N表示步骤1给定的彩色图像的大小。
步骤3中,通过如下公式计算图像分割必要性指标Ps:
步骤4包括:
步骤4-1,如果设定区域大小N(0)等于图像最大的可分割区域的大小N(n,i),通过如下公式计算图像分割必要性阈值Ps(N(0)):
如果设定区域大小N(0)远小于图像大小N(比如设定区域大小N(0)只有N的十分之一),通过如下公式计算图像分割必要性阈值Ps(N(0)):
步骤4-2,如果图像分割必要性指标Ps小于图像分割必要性阈值Ps(N(0)),则判断图像不用分割。
本发明提供了一种图像分割复杂性测度方法,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (6)
1.一种图像分割复杂性测度方法,其特征在于,包括如下步骤:
步骤1,对于给定的彩色图像,根据其色调组分的直方图,对图像进行初始分割;
步骤2,设定区域大小N(0),计算小于N(0)的图像可分割区域所对应的信息熵;
步骤3,计算图像分割必要性指标Ps;
步骤4,计算图像分割必要性阈值Ps(N(0)),根据图像分割必要性指标Ps,通过该阈值Ps(N(0))判断图像是否需要分割。
2.根据权利要求1所述的方法,其特征在于,步骤1中,采用基于直方图的多阈值分割方法对图像进行初始分割。
3.根据权利要求2所述的方法,其特征在于,步骤2包括:
步骤2-1,设定步骤1对图像初始分割的区域表示为{R(i)|i∈{1,2,…K}},其中,K为图像可分割的区域个数,R(i)表示图像第i个可分割的区域,第i个可分割的区域对应的大小记为N(i);
步骤2-2,将图像可分割的区域由大到小进行排序,用{R(n,i)|n=1,2,…K}表示排序后的图像可分割区域,其中,R(n,i)表示排序后的第n个可分割区域,并且R(n,i)的区域大于R(n+1,i)的区域,R(n,i)对应的区域大小记为N(n,i);
步骤2-3,设定区域大小N(0),计算小于N(0)的图像可分割区域所对应的信息熵SN(0)(K)以及小于N(0)的图像可分割区域大小占图像大小的百分比HN(0)(K)。
4.根据权利要求3所述的方法,其特征在于,步骤2-3中,通过如下公式计算小于N(0)的图像可分割区域所对应的信息熵SN(0)(K)以及小于N(0)的图像可分割区域大小占图像大小的百分比HN(0)(K):
其中,N表示步骤1给定的彩色图像的大小。
5.根据权利要求4所述的方法,其特征在于,步骤3中,通过如下公式计算图像分割必要性指标Ps:
6.根据权利要求5所述的方法,其特征在于,步骤4包括:
步骤4-1,如果设定区域大小N(0)等于图像最大的可分割区域的大小N(n,i),通过如下公式计算图像分割必要性阈值Ps(N(0)):
如果设定区域大小N(0)远小于图像大小N,通过如下公式计算图像分割必要性阈值Ps(N(0)):
步骤4-2,如果图像分割必要性指标Ps小于图像分割必要性阈值Ps(N(0)),则判断图像不用分割。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810442469.9A CN108711156A (zh) | 2018-05-10 | 2018-05-10 | 一种图像分割复杂性测度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810442469.9A CN108711156A (zh) | 2018-05-10 | 2018-05-10 | 一种图像分割复杂性测度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108711156A true CN108711156A (zh) | 2018-10-26 |
Family
ID=63867895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810442469.9A Pending CN108711156A (zh) | 2018-05-10 | 2018-05-10 | 一种图像分割复杂性测度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108711156A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9095273B2 (en) * | 2011-09-26 | 2015-08-04 | Sunnybrook Research Institute | Systems and methods for automated dynamic contrast enhancement imaging |
CN106228555A (zh) * | 2016-07-22 | 2016-12-14 | 湖南文理学院 | 基于Masi熵测度的灰度图像阈值分割方法 |
CN106778633A (zh) * | 2016-12-19 | 2017-05-31 | 江苏慧眼数据科技股份有限公司 | 一种基于区域分割的行人识别方法 |
CN108009542A (zh) * | 2017-11-01 | 2018-05-08 | 华中农业大学 | 油菜大田环境下杂草图像分割方法 |
-
2018
- 2018-05-10 CN CN201810442469.9A patent/CN108711156A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9095273B2 (en) * | 2011-09-26 | 2015-08-04 | Sunnybrook Research Institute | Systems and methods for automated dynamic contrast enhancement imaging |
CN106228555A (zh) * | 2016-07-22 | 2016-12-14 | 湖南文理学院 | 基于Masi熵测度的灰度图像阈值分割方法 |
CN106778633A (zh) * | 2016-12-19 | 2017-05-31 | 江苏慧眼数据科技股份有限公司 | 一种基于区域分割的行人识别方法 |
CN108009542A (zh) * | 2017-11-01 | 2018-05-08 | 华中农业大学 | 油菜大田环境下杂草图像分割方法 |
Non-Patent Citations (1)
Title |
---|
魏庆 等: "图像分割复杂性测度研究", 《计算机科学》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hartig | Basic image analysis and manipulation in ImageJ | |
US10641088B2 (en) | Method and device for determining karst development degree of reservoir, computer readable storage medium and device | |
WO2016001223A9 (en) | Detecting edges of a nucleus using image analysis | |
RU2008102965A (ru) | Смешивание изображений | |
JP2016507229A5 (zh) | ||
Sahari Moghaddam et al. | Estimating stripping of asphalt coating using k-means clustering and machine learning–based classification | |
Chen et al. | A study on evaluation method of crack tip reverse plastic zone size for the center cracked steel plate model under tension–compression cyclic loading | |
CN109636801B (zh) | 自动获取her2荧光原位杂交结果的电子设备及介质 | |
CN108510499A (zh) | 一种基于模糊集和Otsu的图像阈值分割方法及装置 | |
CN102800051A (zh) | 基于分数阶微分的自适应浮选泡沫图像增强方法 | |
JP2019067235A5 (zh) | ||
CN106875359B (zh) | 一种基于分层引导策略的样本块图像修复方法 | |
Zhang et al. | Extracting windows registry information from physical memory | |
Lyashenko et al. | Study of composite materials for the engineering using wavelet analysis and image processing technology | |
Kim et al. | Correlation-based multi-shape granulometry with application in porous silicon nanomaterial characterization | |
CN108711156A (zh) | 一种图像分割复杂性测度方法 | |
CN107133462A (zh) | 数据处理方法、装置及设备 | |
JP2018185265A (ja) | 情報処理装置、制御方法、及びプログラム | |
Zarella et al. | A template matching model for nuclear segmentation in digital images of H&E stained slides | |
CN102800090A (zh) | 一种血细胞分割方法 | |
TW201508536A (zh) | 獲取病毒特徵碼的方法及裝置與機器可讀取儲存介質 | |
JP2009205559A (ja) | 路面標示画像処理装置、路面標示画像処理方法並びに路面標示画像処理プログラム | |
Thiedmann et al. | A multiscale approach to the representation of 3D images, with application to polymer solar cells | |
JP2015117539A (ja) | 摩耗量見積方法及び摩耗量見積システム | |
CN103761525A (zh) | 基于显微ct数字图像处理铝电解用阴极炭块组分检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181026 |
|
RJ01 | Rejection of invention patent application after publication |