[发明专利]一种基于种子点自动选取的全局最优化图像分割方法

摘要

本发明公开了一种基于种子点自动选取的全局最优化图像分割方法，与常规方法不同之处在于：完全不依赖于种子起始点的选择，首先直接根据目标像素阈值特征对图像所有像素进行全局预筛选，然后再根据预筛选后的所有像素的行列位置关系搜索生成目标像素位置集，再根据水平方向分块阈值与垂直方向分块阈值对多个目标区域进行自动检测划分，同时能够自动连续创建生成多个闭合的目标区域，弥补了传统图像区域增长方法依赖于种子点选取的不足，最后再根据有效目标区域行数阈值判断目标区域的有效性，从而确定最终的目标分割区域。

主权项

1.一种基于种子点自动选取的全局最优化图像分割方法，其特征在于：包括如下步骤：步骤(1)、获取待分割图像A的所有像素信息作为输入，记图像A的宽度与高度分别为W、H，记图像A第i行第j列位置对应的像素R、G、B分量依次为R_ij、G_ij、B_ij，其中1≤i≤H、1≤j≤W；步骤(2)、根据待检测目标的R、G、B灰度阈值范围对图像A所有像素信息逐行进行筛选，同时保存筛选后的像素行列位置集Q作为进一步图像分割的输入，记Q有M行，第i行的像素个数为N_i，其中1≤M≤H、1≤i≤M、1≤N_i≤W，记Q第i行第j列元素为Q_ij，元素Q_ij在图像A中的行位置为Q_ijx、列位置为Q_ijy；步骤(3)、根据Q中每一行相邻像素之间的位置关系再次筛选分割目标，通过水平方向分块阈值ThresholdX、竖直方向分块阈值ThresholdY、有效目标区域行数阈值ObjectHTheshold的阈值设置调控最终输出的目标轮廓集S中轮廓个数与各轮廓尺寸，当第i行相邻两像素在图像A中的列位置间隔小于ThresholdX时则保存像素点位置Q_ijx与Q_ijy作为待定的目标像素位置，其中0<ThresholdX<W，当相邻两像素在图像A中列位置间隔大于ThresholdX时，则中断搜索进入Q的第i+1行，当i+1>M时转入步骤(6)；步骤(4)、当Q相邻两行第i+1行与第i行在图像A中的行位置间隔小于ThresholdY时，令i＝i+1转入步骤(3)继续逐行搜索，其中0<ThresholdY<H；步骤(5)、当Q相邻两行第i+1行与第i行在图像A中的行位置间隔大于ThresholdY时，则中断当前搜索同时判断当前已保存的待定目标像素位置集的行数是否超过ObjectHTheshold，其中0<ObjectHTheshold<H，如低于ObjectHTheshold则忽略已保存的待定目标像素位置集合，如不低于ObjectHTheshold则已保存的待定目标像素位置集即为检测到的一个目标区域，取目标区域最外围的点集保存到目标轮廓集S列表中，同时，令i＝i+1转入步骤(3)开始下一个目标区域的搜索；步骤(6)、当Q中最后一行即第M行搜索完毕时，判断当前已保存的待定目标像素位置集的行数是否超过ObjectHTheshold，如低于ObjectHTheshold则忽略已保存的待定目标像素位置集合，如果超过ObjectHTheshold，则已保存的待定目标像素位置集即为检测到的一个目标区域，取目标区域最外围的点集保存到目标轮廓集S列表中；步骤(7)、在Q中移除已遍历搜索过的所有像素位置，如移除之后Q仍然存在像素点位置，则转入步骤(3)，如移除之后Q无像素点位置，则输出目标轮廓集S，检测结束。