對圖像進行紋理分割的方法和裝置制造方法
【專利摘要】本發明提供一種對圖像進行紋理分割的方法，該圖像具有多種紋理，該方法包括以下步驟：將所述圖像轉換為灰度圖像；根據所述圖像中最大的紋理單元的大小，將所述灰度圖像劃分為大小相同的多個區域，并提取與所述多個區域一一對應的多個梯度特征向量；對提取的所述多個梯度特征向量進行模糊聚類分析，將所述多個區域進行分類，從而將所述圖像中具有相同紋理的部分分類到相同的類別中。本發明提供一種對圖像進行紋理分割的裝置。本發明的對圖像進行紋理分割的方法和裝置可以適應多方向、多灰度級，并且計算量小。
【專利說明】對圖像進行紋理分割的方法和裝置
【技術領域】
[0001] 本發明涉及對圖像進行分割的方法和裝置，尤其涉及對圖像進行紋理分割的方法 和裝置。
【背景技術】
[0002] 隨著信息技術的發展，圖像越來越多的被用來獲取和分析各種信息。圖像處理領 域的圖像分割也已經成為研究的重點。
[0003] 目前圖像分割的方法主要分為顏色分割和紋理分割兩大類。由于紋理較顏色特征 信息更為豐富，紋理分割的意義更為重要。紋理分割目前主要有基于灰度共生矩陣和基于 小波分析的紋理分割方法。《基于灰度共生矩陣的IK0N0S影像中竹林信息提取》主要是將 圖像分割為多個小塊區域，提取每個小區域的灰度共生矩陣作為區域的紋理特征，再通過 對特征進行分類達到紋理分割的目的。《基于小波變換的紋理圖像分割》將圖像進行小波分 解，在多尺度以及垂直、水平、45度方向上提取紋理特征，再對特征進行分類，達到紋理分割 的目的。
[0004] 上述紋理分割方法，能夠提取紋理特征并構造特征向量，但是對于以下幾種情況， 不能很好的適應。由于灰度對比度也包含了很多信息，而灰度共生矩陣隨著灰度級別的增 力口，計算量呈幾何級數增加，一般多用于8個灰度級的圖像紋理特征提取。并且灰度共生矩 陣多提取指定8個方向的特征，當紋理方向不一致時，該方法無法提取準確的紋理特征。小 波變換方法同樣在多個紋理計算方向的情況下，計算量和準確性變差。對于圖像分割的子 窗口的尺寸，也嚴重影響計算速度，窗口越大，計算量越大。當紋理單元大小不均勻時，以上 方法也不能很好的判斷分割出來。如此，現有的圖像紋理分割方法存在無法適應多方向、多 灰度級以及計算量大的問題。
【發明內容】
[0005] 為了解決上述問題，本發明提供了一種圖像分割方法和裝置，可以解決無法適應 多方向、多灰度級以及計算量大的問題。
[0006] -種對圖像進行紋理分割的方法，所述圖像具有多種紋理，包括以下步驟：
[0007] a)將所述圖像轉換為灰度圖像；
[0008] b)根據所述圖像中最大的紋理單元的大小，將所述灰度圖像劃分為大小相同的多 個區域，并提取與所述多個區域一一對應的多個梯度特征向量；
[0009] c)對提取的所述多個梯度特征向量進行模糊聚類分析，將所述多個區域進行分 類，從而將所述圖像中具有相同紋理的部分分類到相同的類別中。
[0010] 在步驟b)中，所述多個區域中的每個區域的大小大于等于所述最大的紋理單元的 大小。
[0011] 在步驟b)中，通過以下步驟提取所述多個梯度特征向量：
[0012] bl)以水平向右為梯度方向角的0度方向，計算所述多個區域中的每個區域中的 4mX 4m個像素中的每個像素的梯度值和第一梯度方向角，m是大于等于1的整數；
[0013] b2)對計算的所述多個區域中的任一個區域中的4mX4m個像素各自的梯度值和 梯度方向角進行統計，得到梯度直方圖，在所述梯度直方圖中，多個直方柱與多個第一方向 角--對應，將所述多個直方柱中具有峰值g_的直方柱所對應的第一方向角作為所述任 一個區域的梯度主方向角；
[0014] b3)以所述任一個區域的中心為中心，以所述梯度主方向角為所述梯度方向角的 〇度方向，限定與所述任一個區域大小相同的新區域；
[0015] b4)根據步驟bl)的計算結果，取出位于所述新區域中的4mX4m個像素中的每個 像素的梯度值和第一梯度方向角，其中取出的每個像素的第一梯度方向角變更為第二梯度 方向角，所述第二梯度方向角是從所述第一梯度方向角順時針旋轉到所述梯度主方向角的 角度；
[0016] b5)將所述新區域均勻劃分為16個子區域，每個子區域中具有mXm個像素，以所 述梯度主方向角為所述〇度方向，將0-360度方向均勻劃分為多個第二方向角，如果任一個 子區域中的任一個像素的第二梯度方向角不等于任一個第二方向角，則將所述任一個像素 的梯度值分別分解到所述多個第二方向角中與所述任一個像素的第二梯度方向角相近的 兩個第二方向角上，得到與所述兩個第二方向角分別對應的兩個分解梯度值，如果任一個 子區域中的任一個像素的第二梯度方向角等于任一個第二方向角，則將所述任一個像素的 梯度值作為與所述任一個第二方向角相對應的分解梯度值，從而對于每個子區域，獲得多 個分解梯度值，所述多個分解梯度值中的任一個分解梯度值與所述多個第二方向角中的一 個第二方向角相對應；
[0017] b6)將所述多個分解梯度值中與任一個第二方向角對應的數個分解梯度值進行累 力口，獲得與所述任一個第二方向角對應的累加梯度值，從而對于所述每個子區域，獲得與所 述多個第二方向角一一對應的多個累加梯度值，將所述多個累加梯度值分別對于所述峰值 gmax進行歸一化，得到多個歸一化累加梯度值；
[0018] b7)將所述新區域中16個子區域各自的多個歸一化累加梯度值進行排列，獲得所 述任一個區域的梯度特征向量；
[0019] 其中，對所述每個區域進行步驟b2)_b7)，從而提取與所述多個區域一一對應的所 述多個梯度特征向量。
[0020] 在步驟bl)中，根據以下等式計算每個像素的梯度值和第一梯度方向角，
[0021] 等式 1 :
[0022]
【權利要求】
1. 一種對圖像進行紋理分割的方法，所述圖像具有多種紋理，其特征在于，包括以下步 驟： a) 將所述圖像轉換為灰度圖像； b) 根據所述圖像中最大的紋理單元的大小，將所述灰度圖像劃分為大小相同的多個區 域，并提取與所述多個區域一一對應的多個梯度特征向量； c) 對提取的所述多個梯度特征向量進行模糊聚類分析，將所述多個區域進行分類，從 而將所述圖像中具有相同紋理的部分分類到相同的類別中。
2. 如權利要求1所述的圖像分割方法，其特征在于，在步驟b)中，所述多個區域中的每 個區域的大小大于等于所述最大的紋理單元的大小。
3. 如權利要求2所述的圖像分割方法，其特征在于，在步驟b)中，通過以下步驟提取所 述多個梯度特征向量： bl)以水平向右為梯度方向角的0度方向，計算所述多個區域中的每個區域中的 4mX 4m個像素中的每個像素的梯度值和第一梯度方向角，m是大于等于1的整數； b2)對計算的所述多個區域中的任一個區域中的4mX4m個像素各自的梯度值和梯度 方向角進行統計，得到梯度直方圖，在所述梯度直方圖中，多個直方柱與多個第一方向角 --對應，將所述多個直方柱中具有峰值g_的直方柱所對應的第一方向角作為所述任一 個區域的梯度主方向角； b3)以所述任一個區域的中心為中心，以所述梯度主方向角為所述梯度方向角的0度 方向，限定與所述任一個區域大小相同的新區域； b4)根據步驟bl)的計算結果，取出位于所述新區域中的4mX4m個像素中的每個像 素的梯度值和第一梯度方向角，其中取出的每個像素的第一梯度方向角變更為第二梯度方 向角，所述第二梯度方向角是從所述第一梯度方向角順時針旋轉到所述梯度主方向角的角 度； b5)將所述新區域均勻劃分為16個子區域，每個子區域中具有mXm個像素，以所述梯 度主方向角為所述0度方向，將0-360度方向均勻劃分為多個第二方向角，如果任一個子區 域中的任一個像素的第二梯度方向角不等于任一個第二方向角，則將所述任一個像素的梯 度值分別分解到所述多個第二方向角中與所述任一個像素的第二梯度方向角相近的兩個 第二方向角上，得到與所述兩個第二方向角分別對應的兩個分解梯度值，如果任一個子區 域中的任一個像素的第二梯度方向角等于任一個第二方向角，則將所述任一個像素的梯度 值作為與所述任一個第二方向角相對應的分解梯度值，從而對于每個子區域，獲得多個分 解梯度值，所述多個分解梯度值中的任一個分解梯度值與所述多個第二方向角中的一個第 二方向角相對應； b6)將所述多個分解梯度值中與任一個第二方向角對應的數個分解梯度值進行累加， 獲得與所述任一個第二方向角對應的累加梯度值，從而對于所述每個子區域，獲得與所述 多個第二方向角一一對應的多個累加梯度值，將所述多個累加梯度值分別對于所述峰值 gmax進行歸一化，得到多個歸一化累加梯度值； b7)將所述新區域中16個子區域各自的多個歸一化累加梯度值進行排列，獲得所述任 一個區域的梯度特征向量； 其中，對所述每個區域進行步驟b2) -b7)，從而提取與所述多個區域一一對應的所述多 個梯度特征向量。
4. 如權利要求3所述的圖像分割方法，其特征在于，在步驟bl)中，根據以下等式計算 每個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表示反正切函數，g(x，y)表示位于所述灰度圖像中坐標為（x，y)的像素 點的梯度值，Θ (X，y)表示位于所述灰度圖像中坐標為（X，y)的像素點的第一梯度方向角， P(x，y)表示位于所述灰度圖像中坐標為（X，y)的像素點的灰度值。
5. 如權利要求4所述的圖像分割方法，其特征在于，在步驟b2)中，所述梯度直方圖的 角度范圍是0-360度，將0-360度均勻劃分成所述多個第一方向角。
6. 如權利要求5所述的圖像分割方法，其特征在于，在步驟b4)中，當所述新區域包含 超出所述灰度圖像的超出范圍時，將所述任一個區域中距離所述超出范圍最近的多個像素 各自的梯度值和第一梯度方向角取出作為所述超出范圍中的多個像素各自的梯度值和第 一梯度方向角。
7. 如權利要求6所述的圖像分割方法，其特征在于，在步驟b5)中，根據以下等式得到 與所述兩個第二方向角分別對應的兩個分解梯度值， 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表示所述任一個像素的梯度值，Θ表示所述任一個像素的第二梯度方向角， 和θ2表示與Θ相近的兩個第二方向角，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. 如權利要求7所述的圖像分割方法，其特征在于，在步驟b6)中，對于所述每個子區 域，根據以下等式得到所述多個歸一化累加梯度值， mxm Λ^ν-Ρ. Γ Σ Seif 寺式5 : _ O cj ?^max 其中，gu表示在第e個子區域中的所述多個第二方向角中的第j個第二方向角上的歸 一化累加梯度值，g__表示在第e個子區域中的第i個像素在第j個第二方向角上的分解梯 度值，e，j是大于1的整數，1彡e彡16。
9. 如權利要求8所述的圖像分割方法，其特征在于，在步驟b7)中，將所述新區域劃分 為大小相同的4個次區域，每個次區域包含4個所述子區域，根據步驟b6)中獲得的多個歸 一化累加梯度值，按照逐個子區域逆時針方向，分別得到對應于4個次區域的4個次梯度特 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表示所述多個第二方向角的個數，且a是大于等于1的整數，1彡j彡a， 將所述次梯度特征向量G' p G' 2、G' 3、G' 4依次排列組成所述任一個區域的所述梯度 特征向量61= {gn、gyg16a}，G1?表示與第r個區域對應的梯度特征向量，1 < r < η，η表 示所述多個區域的個數，且r，η是整數。
10. 如權利要求9所述的圖像分割方法，其特征在于，在步驟c)中，通過以下步驟進行 所述模糊聚類分析： cl)根據所述圖像中的紋理種類，設置所述模糊聚類分析的C個類別，從所述多個梯度 特征向量中任意取出一個梯度特征向量作為某個類別的當前聚類中心，得到C個當前聚類 中心； c2)計算所述多個梯度特征向量分別到每個當前聚類中心的隸屬度，對于所述每個當 前聚類中心，得到與所述多個梯度特征向量一一對應的多個隸屬度，將所述多個隸屬度中 大于等于預定閾值t的隸屬度所對應的梯度特征向量所對應的區域歸類到與所述每個當 前聚類中心所對應的類別， c3)根據對于所述每個當前聚類中心計算得到的所述多個隸屬度，計算與所述C個類 別一一對應的C個更新聚類中心，并將所述C個更新聚類中心作為所述C個當前聚類中心； c4)當所述多個梯度特征向量被歸類的類別發生變化的比率大于預定的閾值v或重復 步驟c2)和c3)的次數小于次數閾值N時，重復進行步驟c2)，否則進行步驟c4); c5)將與所述C個當前聚類中心的隸屬度都小于預定閾值t的梯度特征向量對應的區 域歸類到未知類別。
11. 如權利要求10所述的圖像分割方法，其特征在于，進一步包括如下步驟： c6)將與歸類到所述未知類別的某個區域所對應的4個次梯度特征向量G'pG'2、G'3、 G' 4分別組成4個新梯度特征向量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)計算任一個新梯度特征向量分別到步驟c3)中的所述C個當前聚類中心的多個隸 屬度，并將所述任一個新梯度特征向量所對應的次區域分類到與所述多個隸屬度中的最大 隸屬度對應的類別，從而將4個次區域各自分類到相應的類別中。
12. 如權利要求11所述的圖像分割方法，其特征在于，步驟c2)中，根據以下等式計算 所述隸屬度， ,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個區域的梯度特征向量到第t個類別的當前聚類中心的隸屬度， 4表示所述多個區域中的第r個區域的梯度特征向量，pt表示第t個類別的當前聚類中心， 1 < t < C，t為大于等于1的整數，b是模糊因子，用于控制聚類分析結果的模糊程度。
13. 如權利要求12所述的圖像分割方法，其特征在于，步驟c3)中，根據以下等式計算 所述C個更新聚類中心中的第t個類別的更新聚類中心pt'， 等式7:凡=心\、'」/ 。 Σ,
14. 如權利要求3所述的圖像分割方法，其特征在于，在步驟b3沖，以所述任一個區域 的中心為中心，將所述任一個區域順時針旋轉一角度，所述角度為所述梯度主方向角，旋轉 后的任一個區域所包含的區域為所述新區域。
15. -種對圖像進行紋理分割的裝置，其特征在于，所述圖像分割裝置使用如權利要求 1-14中任一項所述的對圖像進行紋理分割的方法。
【文檔編號】G06T7/00GK104282008SQ201310270613
【公開日】2015年1月14日 申請日期:2013年7月1日 優先權日:2013年7月1日
【發明者】張岱, 張學 申請人:株式會社日立制作所