[发明专利]一种基于粗糙集和粗糙熵的Petri网络图像分割方法

权利要求书

1.一种基于粗糙集和粗糙熵的Petri网络图像分割方法，其特征在于，包括以下步骤：

(1.1)找到图像的最大和最小灰度值，并把图像的最大和最小灰度值保存到变量max和min中；

(1.2)根据图像的宽和高将图像分割为点集；

(1.3)使用Monte Carlo方法从点集中随机的选择1000个点；

(1.4)计算点集的灰度最大和最小值分别为Pimax和Pimin；

(1.5)计算对象的下降和上升粗糙集分别保存到O_T和计算背景的上升和下降粗糙集保存到和B_T中；

(1.6)对步骤(1.5)得到的子集进行排序，并根据灰度的阈值T来画出轮廓，如果子集的灰度值大于阈值T，则子集属于对象缓冲区，如果子集的灰度值低于阈值T，则子集属于背景缓冲区，得到图形的粗糙轮廓；

(1.7)对粗分割的第一阶段进行调整，开始置为Si，结束置为Sj，得到精确轮廓；

所述得到图形的粗糙轮廓包括以下几个步骤：

(2.1)输入子集的灰度值Pi、从对象缓冲区取到的Si对应的灰度值TI的转换和T的阈值，构造Petri网；

(2.2)读取Pi和令牌参数K；

(2.3)判断子集的灰度值Pi是否大于等于阈值T，如果是，就将子集存储到对象缓冲区中，否则将子集存储到背景缓冲区；

(2.4)判断参数K是否等于0，如果是，则粗分割完成，否则返回步骤(2.2)；

所述得到图形的精确轮廓包括以下几个步骤：

(3.1)输入从对象缓冲区取到的SI，对应的灰度值TI，构造Petri网的对象轮廓；

(3.2)读取Si、Sj，i≠j，i,j＝1,2,...n,

(3.3)选取灰度值最大的一条转换路径；

(3.4)判断Si是否等于结束值Sj，如果是，便记录转换路径为精确分割的路径，否则返回步骤(3.2)；

(3.5)输出灰度值最大的转换路径为精确分割的路径。