对图像进行纹理分割的方法和装置制造方法
【专利摘要】本发明提供一种对图像进行纹理分割的方法，该图像具有多种纹理，该方法包括以下步骤：将所述图像转换为灰度图像；根据所述图像中最大的纹理单元的大小，将所述灰度图像划分为大小相同的多个区域，并提取与所述多个区域一一对应的多个梯度特征向量；对提取的所述多个梯度特征向量进行模糊聚类分析，将所述多个区域进行分类，从而将所述图像中具有相同纹理的部分分类到相同的类别中。本发明提供一种对图像进行纹理分割的装置。本发明的对图像进行纹理分割的方法和装置可以适应多方向、多灰度级，并且计算量小。
【专利说明】对图像进行纹理分割的方法和装置
【技术领域】
[0001] 本发明涉及对图像进行分割的方法和装置，尤其涉及对图像进行纹理分割的方法 和装置。
【背景技术】
[0002] 随着信息技术的发展，图像越来越多的被用来获取和分析各种信息。图像处理领 域的图像分割也已经成为研究的重点。
[0003] 目前图像分割的方法主要分为颜色分割和纹理分割两大类。由于纹理较颜色特征 信息更为丰富，纹理分割的意义更为重要。纹理分割目前主要有基于灰度共生矩阵和基于 小波分析的纹理分割方法。《基于灰度共生矩阵的IK0N0S影像中竹林信息提取》主要是将 图像分割为多个小块区域，提取每个小区域的灰度共生矩阵作为区域的纹理特征，再通过 对特征进行分类达到纹理分割的目的。《基于小波变换的纹理图像分割》将图像进行小波分 解，在多尺度以及垂直、水平、45度方向上提取纹理特征，再对特征进行分类，达到纹理分割 的目的。
[0004] 上述纹理分割方法，能够提取纹理特征并构造特征向量，但是对于以下几种情况， 不能很好的适应。由于灰度对比度也包含了很多信息，而灰度共生矩阵随着灰度级别的增 力口，计算量呈几何级数增加，一般多用于8个灰度级的图像纹理特征提取。并且灰度共生矩 阵多提取指定8个方向的特征，当纹理方向不一致时，该方法无法提取准确的纹理特征。小 波变换方法同样在多个纹理计算方向的情况下，计算量和准确性变差。对于图像分割的子 窗口的尺寸，也严重影响计算速度，窗口越大，计算量越大。当纹理单元大小不均匀时，以上 方法也不能很好的判断分割出来。如此，现有的图像纹理分割方法存在无法适应多方向、多 灰度级以及计算量大的问题。
【发明内容】
[0005] 为了解决上述问题，本发明提供了一种图像分割方法和装置，可以解决无法适应 多方向、多灰度级以及计算量大的问题。
[0006] -种对图像进行纹理分割的方法，所述图像具有多种纹理，包括以下步骤：
[0007] a)将所述图像转换为灰度图像；
[0008] b)根据所述图像中最大的纹理单元的大小，将所述灰度图像划分为大小相同的多 个区域，并提取与所述多个区域一一对应的多个梯度特征向量；
[0009] c)对提取的所述多个梯度特征向量进行模糊聚类分析，将所述多个区域进行分 类，从而将所述图像中具有相同纹理的部分分类到相同的类别中。
[0010] 在步骤b)中，所述多个区域中的每个区域的大小大于等于所述最大的纹理单元的 大小。
[0011] 在步骤b)中，通过以下步骤提取所述多个梯度特征向量：
[0012] bl)以水平向右为梯度方向角的0度方向，计算所述多个区域中的每个区域中的 4mX 4m个像素中的每个像素的梯度值和第一梯度方向角，m是大于等于1的整数；
[0013] b2)对计算的所述多个区域中的任一个区域中的4mX4m个像素各自的梯度值和 梯度方向角进行统计，得到梯度直方图，在所述梯度直方图中，多个直方柱与多个第一方向 角--对应，将所述多个直方柱中具有峰值g_的直方柱所对应的第一方向角作为所述任 一个区域的梯度主方向角；
[0014] b3)以所述任一个区域的中心为中心，以所述梯度主方向角为所述梯度方向角的 〇度方向，限定与所述任一个区域大小相同的新区域；
[0015] b4)根据步骤bl)的计算结果，取出位于所述新区域中的4mX4m个像素中的每个 像素的梯度值和第一梯度方向角，其中取出的每个像素的第一梯度方向角变更为第二梯度 方向角，所述第二梯度方向角是从所述第一梯度方向角顺时针旋转到所述梯度主方向角的 角度；
[0016] b5)将所述新区域均匀划分为16个子区域，每个子区域中具有mXm个像素，以所 述梯度主方向角为所述〇度方向，将0-360度方向均匀划分为多个第二方向角，如果任一个 子区域中的任一个像素的第二梯度方向角不等于任一个第二方向角，则将所述任一个像素 的梯度值分别分解到所述多个第二方向角中与所述任一个像素的第二梯度方向角相近的 两个第二方向角上，得到与所述两个第二方向角分别对应的两个分解梯度值，如果任一个 子区域中的任一个像素的第二梯度方向角等于任一个第二方向角，则将所述任一个像素的 梯度值作为与所述任一个第二方向角相对应的分解梯度值，从而对于每个子区域，获得多 个分解梯度值，所述多个分解梯度值中的任一个分解梯度值与所述多个第二方向角中的一 个第二方向角相对应；
[0017] b6)将所述多个分解梯度值中与任一个第二方向角对应的数个分解梯度值进行累 力口，获得与所述任一个第二方向角对应的累加梯度值，从而对于所述每个子区域，获得与所 述多个第二方向角一一对应的多个累加梯度值，将所述多个累加梯度值分别对于所述峰值 gmax进行归一化，得到多个归一化累加梯度值；
[0018] b7)将所述新区域中16个子区域各自的多个归一化累加梯度值进行排列，获得所 述任一个区域的梯度特征向量；
[0019] 其中，对所述每个区域进行步骤b2)_b7)，从而提取与所述多个区域一一对应的所 述多个梯度特征向量。
[0020] 在步骤bl)中，根据以下等式计算每个像素的梯度值和第一梯度方向角，
[0021] 等式 1 :
[0022]
【权利要求】
1. 一种对图像进行纹理分割的方法，所述图像具有多种纹理，其特征在于，包括以下步 骤： a) 将所述图像转换为灰度图像； b) 根据所述图像中最大的纹理单元的大小，将所述灰度图像划分为大小相同的多个区 域，并提取与所述多个区域一一对应的多个梯度特征向量； c) 对提取的所述多个梯度特征向量进行模糊聚类分析，将所述多个区域进行分类，从 而将所述图像中具有相同纹理的部分分类到相同的类别中。
2. 如权利要求1所述的图像分割方法，其特征在于，在步骤b)中，所述多个区域中的每 个区域的大小大于等于所述最大的纹理单元的大小。
3. 如权利要求2所述的图像分割方法，其特征在于，在步骤b)中，通过以下步骤提取所 述多个梯度特征向量： bl)以水平向右为梯度方向角的0度方向，计算所述多个区域中的每个区域中的 4mX 4m个像素中的每个像素的梯度值和第一梯度方向角，m是大于等于1的整数； b2)对计算的所述多个区域中的任一个区域中的4mX4m个像素各自的梯度值和梯度 方向角进行统计，得到梯度直方图，在所述梯度直方图中，多个直方柱与多个第一方向角 --对应，将所述多个直方柱中具有峰值g_的直方柱所对应的第一方向角作为所述任一 个区域的梯度主方向角； b3)以所述任一个区域的中心为中心，以所述梯度主方向角为所述梯度方向角的0度 方向，限定与所述任一个区域大小相同的新区域； b4)根据步骤bl)的计算结果，取出位于所述新区域中的4mX4m个像素中的每个像 素的梯度值和第一梯度方向角，其中取出的每个像素的第一梯度方向角变更为第二梯度方 向角，所述第二梯度方向角是从所述第一梯度方向角顺时针旋转到所述梯度主方向角的角 度； b5)将所述新区域均匀划分为16个子区域，每个子区域中具有mXm个像素，以所述梯 度主方向角为所述0度方向，将0-360度方向均匀划分为多个第二方向角，如果任一个子区 域中的任一个像素的第二梯度方向角不等于任一个第二方向角，则将所述任一个像素的梯 度值分别分解到所述多个第二方向角中与所述任一个像素的第二梯度方向角相近的两个 第二方向角上，得到与所述两个第二方向角分别对应的两个分解梯度值，如果任一个子区 域中的任一个像素的第二梯度方向角等于任一个第二方向角，则将所述任一个像素的梯度 值作为与所述任一个第二方向角相对应的分解梯度值，从而对于每个子区域，获得多个分 解梯度值，所述多个分解梯度值中的任一个分解梯度值与所述多个第二方向角中的一个第 二方向角相对应； b6)将所述多个分解梯度值中与任一个第二方向角对应的数个分解梯度值进行累加， 获得与所述任一个第二方向角对应的累加梯度值，从而对于所述每个子区域，获得与所述 多个第二方向角一一对应的多个累加梯度值，将所述多个累加梯度值分别对于所述峰值 gmax进行归一化，得到多个归一化累加梯度值； b7)将所述新区域中16个子区域各自的多个归一化累加梯度值进行排列，获得所述任 一个区域的梯度特征向量； 其中，对所述每个区域进行步骤b2) -b7)，从而提取与所述多个区域一一对应的所述多 个梯度特征向量。
4. 如权利要求3所述的图像分割方法，其特征在于，在步骤bl)中，根据以下等式计算 每个像素的梯度值和第一梯度方向角， 等式1: g(-v,>0 = λΙ{Ρ(χ +1, ν) - η-ν -1, j ))2 + P(.x, v + I) -P{.x. v - i ))2 等式2 : Θ (x, y) = a tan2((P(x, y+l)-P(x, y-l))/(P(x+l, y)-P(x-l, y))) 其中，atan2表示反正切函数，g(x，y)表示位于所述灰度图像中坐标为（x，y)的像素 点的梯度值，Θ (X，y)表示位于所述灰度图像中坐标为（X，y)的像素点的第一梯度方向角， P(x，y)表示位于所述灰度图像中坐标为（X，y)的像素点的灰度值。
5. 如权利要求4所述的图像分割方法，其特征在于，在步骤b2)中，所述梯度直方图的 角度范围是0-360度，将0-360度均匀划分成所述多个第一方向角。
6. 如权利要求5所述的图像分割方法，其特征在于，在步骤b4)中，当所述新区域包含 超出所述灰度图像的超出范围时，将所述任一个区域中距离所述超出范围最近的多个像素 各自的梯度值和第一梯度方向角取出作为所述超出范围中的多个像素各自的梯度值和第 一梯度方向角。
7. 如权利要求6所述的图像分割方法，其特征在于，在步骤b5)中，根据以下等式得到 与所述两个第二方向角分别对应的两个分解梯度值， 等式 3 :g01=gXsin( θ 2- Θ )/sin( θ 2- Θ 丄） 等式 4 :g02=gXsin( θ - Θ D/sinC θ 2- Θ 丄） 其中，g表示所述任一个像素的梯度值，Θ表示所述任一个像素的第二梯度方向角， 和θ2表示与Θ相近的两个第二方向角，g01表示g被分解到第二方向角上的分解梯 度值，ge2表示g被分解到第二方向角Θ 2上的分解梯度值。
8. 如权利要求7所述的图像分割方法，其特征在于，在步骤b6)中，对于所述每个子区 域，根据以下等式得到所述多个归一化累加梯度值， mxm Λ^ν-Ρ. Γ Σ Seif 寺式5 : _ O cj ?^max 其中，gu表示在第e个子区域中的所述多个第二方向角中的第j个第二方向角上的归 一化累加梯度值，g__表示在第e个子区域中的第i个像素在第j个第二方向角上的分解梯 度值，e，j是大于1的整数，1彡e彡16。
9. 如权利要求8所述的图像分割方法，其特征在于，在步骤b7)中，将所述新区域划分 为大小相同的4个次区域，每个次区域包含4个所述子区域，根据步骤b6)中获得的多个归 一化累加梯度值，按照逐个子区域逆时针方向，分别得到对应于4个次区域的4个次梯度特 征向量 G' pG' 2、G' 3、G' 4，其中， G 1_ { gll、gl2、 .·· gla、g21、g22、 .·· g2a、g31、g32、 .·· g3a、g41、g42、 .·· g4a}， G 2_ { §51、§52、.·· g5a、§61、§62、.·· g6a、§71、§72、.·· g7a、§81、§82、.·· g8a}， G 3_ ig91、g92、 *** S9a' SlOl' Sl02' · · · glOa、gll 1、gll2、 · · · glia、gl21、gl22、 *** Sl2a^? G 4_ { gl31、gl32、…gl3a、gl41、gl42、…Sl4a、Sl51、Sl52、…Sl5a、Sl61、Sl62、…Sl6a}，， 其中，a表示所述多个第二方向角的个数，且a是大于等于1的整数，1彡j彡a， 将所述次梯度特征向量G' p G' 2、G' 3、G' 4依次排列组成所述任一个区域的所述梯度 特征向量61= {gn、gyg16a}，G1?表示与第r个区域对应的梯度特征向量，1 < r < η，η表 示所述多个区域的个数，且r，η是整数。
10. 如权利要求9所述的图像分割方法，其特征在于，在步骤c)中，通过以下步骤进行 所述模糊聚类分析： cl)根据所述图像中的纹理种类，设置所述模糊聚类分析的C个类别，从所述多个梯度 特征向量中任意取出一个梯度特征向量作为某个类别的当前聚类中心，得到C个当前聚类 中心； c2)计算所述多个梯度特征向量分别到每个当前聚类中心的隶属度，对于所述每个当 前聚类中心，得到与所述多个梯度特征向量一一对应的多个隶属度，将所述多个隶属度中 大于等于预定阈值t的隶属度所对应的梯度特征向量所对应的区域归类到与所述每个当 前聚类中心所对应的类别， c3)根据对于所述每个当前聚类中心计算得到的所述多个隶属度，计算与所述C个类 别一一对应的C个更新聚类中心，并将所述C个更新聚类中心作为所述C个当前聚类中心； c4)当所述多个梯度特征向量被归类的类别发生变化的比率大于预定的阈值v或重复 步骤c2)和c3)的次数小于次数阈值N时，重复进行步骤c2)，否则进行步骤c4); c5)将与所述C个当前聚类中心的隶属度都小于预定阈值t的梯度特征向量对应的区 域归类到未知类别。
11. 如权利要求10所述的图像分割方法，其特征在于，进一步包括如下步骤： c6)将与归类到所述未知类别的某个区域所对应的4个次梯度特征向量G'pG'2、G'3、 G' 4分别组成4个新梯度特征向量G' ' p G' ' 2、G' ' 3、G' ' 4， G" != (gn> gl2-g4a? gll>gl2-g4a? Sll > §12 * * * g4a ? Si 1 > §12 * * * g4a } ? G 2_ { g51、g52、.·· g8a，g51、g52、.·· g8a，g51、g52、.·· g8a，g51、g52、.·· g8a}， G 3_ {g91、g92、 ··· gl2a，§91、§92、 · · · gl2a，§91、§92、 · · · gl2a，§91、§92、 *** Sl2a^? G 4_ igl31、gl32、…Sl6a，Sl31、Sl32、…Sl6a，Sl31、Sl32、…Sl6a，Sl31、Sl32、*** Sl6a^? c7)计算任一个新梯度特征向量分别到步骤c3)中的所述C个当前聚类中心的多个隶 属度，并将所述任一个新梯度特征向量所对应的次区域分类到与所述多个隶属度中的最大 隶属度对应的类别，从而将4个次区域各自分类到相应的类别中。
12. 如权利要求11所述的图像分割方法，其特征在于，步骤c2)中，根据以下等式计算 所述隶属度， ,1- 一。…m\Gr-Pt\\l 等式 6 : M (G,. ) - i/fi-D， Σ?,α^,-Α.|2) 其中，μ t(4)表示第r个区域的梯度特征向量到第t个类别的当前聚类中心的隶属度， 4表示所述多个区域中的第r个区域的梯度特征向量，pt表示第t个类别的当前聚类中心， 1 < t < C，t为大于等于1的整数，b是模糊因子，用于控制聚类分析结果的模糊程度。
13. 如权利要求12所述的图像分割方法，其特征在于，步骤c3)中，根据以下等式计算 所述C个更新聚类中心中的第t个类别的更新聚类中心pt'， 等式7:凡=心\、'」/ 。 Σ,
14. 如权利要求3所述的图像分割方法，其特征在于，在步骤b3冲，以所述任一个区域 的中心为中心，将所述任一个区域顺时针旋转一角度，所述角度为所述梯度主方向角，旋转 后的任一个区域所包含的区域为所述新区域。
15. -种对图像进行纹理分割的装置，其特征在于，所述图像分割装置使用如权利要求 1-14中任一项所述的对图像进行纹理分割的方法。
【文档编号】G06T7/00GK104282008SQ201310270613
【公开日】2015年1月14日 申请日期:2013年7月1日 优先权日:2013年7月1日
【发明者】张岱, 张学 申请人:株式会社日立制作所