专利名称：一种灰度图像的分割方法
技术领域：
本发明涉及灰度图像分割技术，具体地说，涉及噪声条件下，灰度分布不均匀图像的分割 方法。
背景技术：
灰度图像的分割技术在许多图像分析过程中是重要的一步。根据Rafael C. Gonzalez的《数 字图像处理》第二版，分割是将图像细分为构成它的子区域或对象，图像分割方法一般是基于灰度值的两 个基本特性之一不连续性和相似性。即分为两类技术， 一类是利用灰度的不连续性的分割，如边缘检测 等；另一类是按照给定的准则划分相似区域，如阈值处理、区域生长等。
灰度图像的阈值处理，首先是生成统计直方图，然后根据直方图分布计算阈值，按照该阈值把图像中 的像素划分为前景对象和背景。如著名的Otsu方法。由于光照不均匀等原因，会使图像的灰度分布不均匀， 直接全局阈值方法常常不能正确分离出前景对象。对直接的全局阈值的改进有两类 一类是分块阈值，整 个图像分成许多小块，每块分别计算阈值；另一类称为软阈值，如Maria Petrou等的《Image Processing: The Fundamentals))(《数字图像处理疑难解析》)中的滞后阈值法，计算两个阈值，像素灰度值在两阈值之 间的，要同时判断其邻域像素，以确定是否为前景对象。这些方法只在一定程度上克服了灰度不均匀时的 困难，且当存在强烈的斑点噪声时，很难获得满意结果。
区域生长方法是根据事先定义的准则将像素或子区域聚合成大区域的过程。基本方法是，先选取种子 点，然后逐渐把与种子点性质相似的相邻像素添加到当前区域内。相似性准则一般是灰度值或颜色的特定 范围等。在灰度不均匀条件下， 一种改进方法为，计算当前待判断的邻域像素与区域或种子点的连接程度。 此类改进方法需要事先选定多个参数，分割结果对选定的参数有较强依赖，同类型图像的分割往往也需要 重新仔细调整参数，而且其计算和判断比较复杂。
发B月内容 本发明目的是提供一种计算简单、参数依赖小、能在噪声和灰度分布不均匀条件下获得较 好分割结果的方法。
本发明的基本思路为首先选定一个种子区域作为"当前区域"，计算该种子区域内像素灰度的均值 和标准差；然后使用一个反复递归迭代的过程，向"当前区域"添加邻域像素，添加过程中，利用局部邻 域的灰度均值与种子区域灰度均值之差，自适应计算可加入"当前区域"的像素灰度值范围；最后，当不 再有新的像素添加到"当前区域"，则标记"当前区域"为前景对象，其他部分为背景。
该方法既考虑了对象的灰度分布特点，又考虑了像素间的空间邻接关系，具有较好的抗斑点噪声能力； 而且，可加入"当前区域"的像素的灰度值范围随局部灰度分布变化而自适应改变，能在一定程度上克服 图像灰度不均匀引起的困难；特别地，通过分析下面的具体步骤可以发现，本发明使用一个"带宽参数"，约束了前景对象内的像素灰度分布差异的可接受限度，超过该限度的更可能为背景像素。 具体过程描述为
A. 对给定的图像，设定输入参数/,选择种子区域。
B. 记种子区域为"当前区域"，计算其均值m和标准差a。
C. 用递归方式向"当前区域"中添加邻域像素，直至不再有新像素被添加。添加到"当前区域"的 像素符合条件
a) 该像素是"当前区域"内某"种子"像素C的直接邻域。
b) 像素C的邻域像素的灰度均值记为me ， f为设定的"带宽参数"，该像素的灰度值落在闭区间
(mc-m)2 ( jc-m)2内。
D. 记"当前区域"内像素为前景对象，其他部分为背景。
其中，种子区域的位置和大小根据应用要求选定;步骤C中条件b)中所称的邻域的大小根据需要选定， 所称的闭区间可以根据实际需要加以修改。如，某些应用中灰度值越大的像素越可能属于前景对象，则闭 区间的上限改为图像中的最大灰度值；若灰度值越小的像素越可能属于前景对象，则闭区间的下限改为图 像中的最小灰度值。
附图说B月
图1是一个具体实施步骤
图2是像素的4连通直接邻域示意图 图3是像素的8连通直接邻域示意图 图4是决定自适应平移限度的函数图形 图5是一个超声图像的一部分 图6是超声图像的分割结果
具体实施方式
下文结合附图，描述本发明的一个实施例，该实施例只为更具体描述本发明的内容
和实施方法，本发明并不限于此实施方式。
图1所示为一个具体的实施步骤，详细描述和如下
A. 对给定的图像，设定输入参数/，选择种子区域。
B. 记种子区域为"当前区域"，计算均值/n和标准差C7，作为其灰度分布的简单统计描述。
C. 用递归方式向"当前区域"中添加邻域像素，直至不再有新像素被添加。具体过程为
a)选择"当前区域"内的像素为种子像素，对所有种子像素C。b) 计算C的邻域像素的灰度均值，记为w。，为当前局部灰度均值。
c) 对C的4连通或8连通直接邻域的像素，若某像素的灰度值落在闭区间内，则该像素加入到"当前区
域"，并作为候选的种子像素。 D.记"当前区域"内像素为前景对象，其他部分为背景。
如上的步骤A中，参数/一般取为2.0左右，根据图像中对象的灰度分布特点有所变化，/越大，会 有更多的像素被加入前景对象。步骤A中的种子区域的大小按图像特点取经验值，如取为11X11。实验证 明，参数/的取值的微小变化或种子区域的位置、大小的变化对分割结果的影响较小。即该方法是参数不
敏感的，对同类图像的分割，不需要反复调整参数。
如上步骤C.的b)中，种子像素C的邻域可取以C为中心的正方形(如7X7大小范围)，计算其邻域 均值，目的是判断其所在局部的灰度分布与种子区域灰度分布的差异(如光照差别)。
如上步骤C.的c)中的4连通直接邻域如图2所示，4个实心黑点表示了中心像素的4连通直接邻域 像素，即与中心像素间不再有其他像素的水平和垂直方向的像素。类似的，图3的8个实心黑点表示了中 心像素的8连通直接邻域像素。
如上步骤C.的c)中的闭区间中，w土/(7表达了可加入"当前区域"的像素灰度值的初始范围，
Oe—m> a2可看做是关于附e-m的函数，函数图形如图4所示"称为带宽参数，该函数在-f
和f处取极值，超过这个限度的，像素属于前景对象的可能性降低，平移量开始减少。该函数按照局部灰 度均值和原始灰度均值的差异，平移可加入"当前区域"的像素灰度值的范围，以补偿图像整体灰度差异 的影响。带宽参数O艮定了容许的差异补偿程度，可以根据一类图像的特点取固定的经验值，如32 (像素 灰度值为0到255的整数时)。特殊情况下，若应用中灰度值越大的像素越可能属于前景对象，则闭区间 的上限改为图像中的最大灰度值；反之，若灰度值越小的像素越可能属于前景对象，则闭区间的下限改为 图像中的最小灰度值。
作为该实施例的应用实例，图5显示了一个超声图像的一部分，图像的底部较亮的区域表示了血流速 度的变化情况，图6是其分割结果。大量类似的实验显示，本发明中的方法，在强斑点噪声和灰度不均匀 条件下，仍能获得满意的分割结果。
权利要求
1. 一种灰度图像的分割方法，能在斑点噪声和灰度不均匀条件下获得满意的分割结果，具体过程是A. 对给定的图像，设定输入参数f，选择种子区域。B. 记种子区域为“当前区域”，计算其均值m和标准差σ。C. 用递归方式向“当前区域”中添加邻域像素，直至不再有新像素被添加。添加到“当前区域”的像素符合条件a)该像素是“当前区域”内某“种子”像素C的直接邻域。b)像素C的邻域像素的灰度均值记为mc，t为设定的“带宽参数”，该像素的灰度值落在闭区间内。D. 记“当前区域”内像素为前景对象，其他部分为背景。
2. 根据权利要求l所述的步骤C的条件b)，其特征在于根据应用需要，闭区间的下限改为图像中最小的像素值，从而使灰度值不大于m + (mc-m)e 2一 +/ 7的像素都分割为前景对象。
3. 根据权利要求1所述的步骤C的条件b)，其特征在于根据应用需要，闭区间的上限改为图像中最大的像素值，从而使灰度值不小于m + (me-m)e "2 _/<7的像素都分割为前景对象。
全文摘要
一种灰度图像的分割方法，目的是提供一种计算简单、参数依赖小、能在噪声和灰度分布不均匀条件下获得较好分割结果的方法。首先选定一个种子区域作为“当前区域”，计算该种子区域内像素灰度的均值和标准差；然后使用一个反复递归迭代的过程，向“当前区域”添加邻域像素，添加过程中，利用局部邻域的灰度均值与种子区域灰度均值之差，自适应计算可加入“当前区域”的像素灰度值范围；最后，当不再有新的像素添加到“当前区域”，则标记“当前区域”为前景对象，其他部分为背景。该方法既考虑了对象的灰度分布特点，又考虑了像素间的空间邻接关系，具有较好的抗斑点噪声能力；而且，可加入“当前区域”的像素的灰度值范围随局部灰度分布变化而自适应改变，能在一定程度上克服图像灰度不均匀引起的困难。
文档编号G06T7/00GK101419710SQ200810239510
公开日2009年4月29日 申请日期2008年12月12日 优先权日2008年12月12日
发明者娉 唐, 李建初, 萌 杨, 杰 王, 胜 蔡 申请人:中国科学院遥感应用研究所;中国医学科学院北京协和医院