一種中餐食物圖像的分割方法與流程
本發明涉及圖像處理技術領域，更具體地，涉及一種中餐食物圖像的分割方法。
背景技術：
經典的圖像分割方法是基于圖像的特征的，圖像分割方法的主要作用是將具有相同或相似特征的區域分割出來，按照利用的特征不同大致可以分為以下幾類：
a).基于閾值處理的分割方法，它通過對基本的特征閾值進行設定，就可以把圖像的像素點分為不同的類。常用的特征包括：灰度特征、顏色特征或者由原始灰度值或彩色值變換后的特征等等。從背景中提取物體或前景目標的一種明顯方法就是選擇一個合適的閾值t將這些特征模式分開。
b).基于邊緣檢測的分割方法，邊緣檢測是根據灰度突變來分割圖像的最常用的方法。邊緣是圖像邊界線上的像素點的集合，它表明了在圖像局部特征的不連續性，體現了圖像的灰度特征、顏色特征及紋理特征等圖像特征的突變。比如在階躍型邊緣兩邊，像素點的灰度值會有明顯的差別，而在屋頂型邊緣處，灰度值表現出陡峭的上升或下降。
c).基于區域特征的分割方法：該方法是根據圖像相同區域內像素點的相似性準則進行分割。該方法通過對每個像素特征空間中的值進行相似性聚類，并兼顧各像素的空間領域信息，進而分割出圖像中的目標區域。常用的方法包括種子區域生長、區域分裂與聚合以及形態學分水嶺法等幾種類型。但由于相似性閾值不易控制，所以利用區域特征的分割方法獲得的結果在邊界區域不夠平滑。
d).基于邊緣特征和區域特征的分割方法：單獨利用邊緣特征或區域特征的分割方法都存在不足之處，所以一些科研人員通過將這兩種特征進行融合以避免單個算法的缺陷，提出了一些改進的模型，比如基于變分模型的分割方法和基于圖論的分割方法等等。
由于圖像類別不同，采用的圖像分割方法也不同，在食物圖像的分割方法中，采用常見的顏色特征和亮度特征時，能很好的分割出顏色較明顯和鮮亮的區域，卻不能分割出顏色較暗淡的區域，由于中餐食物圖像食材的多樣性和復雜性，就需要采取多種不同的圖像特征做為圖像分割的特征比較，從而分割出完整的食物區域，而剔除背景區域。
技術實現要素：
本發明為解決以上現有技術在分割中餐食物圖像顏色暗淡的區域時需要采取多種不同的圖像特征進行比較的缺陷，提供了一種中餐食物圖像的分割方法，該方法通過采集中餐食物圖像的紋理圖像進行后續處理來實現對圖像的分割，分割的過程中無需采集多種圖像特征，且應用該方法可以提高中餐食物圖像分割的準確率，從而助于中餐食物圖像的識別。
為實現以上發明目的，采用的技術方案是：
一種中餐食物圖像的分割方法，包括以下步驟：
s1.使用紋理增強濾波器對拍攝的中餐食物圖像進行m個不同尺度參數下的濾波，得到圖像在m個不同尺度參數下的紋理圖像；所述m的取值范圍為8～16；
s2.對于步驟s1得到的16幅紋理圖像分別計算其均值，并利用計算得到的均值作為閾值來對相應的紋理圖像進行二值化，獲得紋理圖像在閾值條件下的前景區域和背景區域；
s3.對于每張紋理圖像分別求取其前景區域的中心點，以用作放置高斯函數的位置，以前景區域包含的像素點數量的k倍作為標準差，構造對應的高斯掩膜函數，其中k的取值范圍為0.3～0.5；將得到的16個高斯掩膜函數乘以相對應的權重參數后相加，得到最終的高斯掩膜；
s4.將得到的高斯掩膜與中餐食物圖像在紋理增強濾波器尺度參數為[0.5m]時所產生的紋理圖像相乘，將其得到的結果記為圖g，其中[0.5m]表示對0.5m進行取整操作；采用slic方法對圖g進行超像素分割，分割之后，得到對圖像中每個像素點所屬的塊的類別，稱為標記矩陣l，把l記作圖g的標記圖；
s5.對圖g中的每個像素具有相同類別標記的像素區域計算出其均值gk，將均值gk與圖g的整體均值gu進行比較，若gk>gu，則將具有相同標記的像素區域的各個像素點的像素值設為1，并將具有相同標記的像素區域標記為前景區域，否則將具有相同標記的像素區域的各個像素點的像素值設為0，并將具有相同標記的像素區域標記為背景區域；
s6.對前景區域和背景區域進行形態學的開運算和閉運算，以平滑前景區域和背景區域的邊緣區域，然后對前景區域和背景區域進行分割。
優選地，所述紋理增強濾波器為gabor函數。
與現有技術相比，本發明的有益效果是：
本發明提供的方法通過采集中餐食物圖像的紋理圖像進行后續處理來實現對圖像的分割，分割的過程中無需采集多種圖像特征，且應用該方法可以提高中餐食物圖像分割的準確率，從而助于中餐食物圖像的識別。
附圖說明
圖1為方法的流程示意圖。
圖2為中餐食物圖像在紋理增強濾波器尺度參數為8時所產生的紋理圖像。
圖3為分割的示意圖。
具體實施方式
附圖僅用于示例性說明，不能理解為對本專利的限制；
以下結合附圖和實施例對本發明做進一步的闡述。
實施例1
如圖1所示，本發明提供的方法具體包括以下步驟：
s1.使用紋理增強濾波器對拍攝的中餐食物圖像進行m個不同尺度參數下的濾波，得到圖像在m個不同尺度參數下的紋理圖像；所述m的取值范圍為8～16；
s2.對于步驟s1得到的16幅紋理圖像分別計算其均值，并利用計算得到的均值作為閾值來對相應的紋理圖像進行二值化，獲得紋理圖像在閾值條件下的前景區域和背景區域；
s3.對于每張紋理圖像分別求取其前景區域的中心點，以用作放置高斯函數的位置，以前景區域包含的像素點數量的k倍作為標準差，構造對應的高斯掩膜函數，其中k的取值范圍為0.3～0.5；將得到的16個高斯掩膜函數乘以相對應的權重參數后相加，得到最終的高斯掩膜；
s4.將得到的高斯掩膜與中餐食物圖像在紋理增強濾波器尺度參數為[0.5m]時所產生的紋理圖像相乘，將其得到的結果記為圖g，其中[0.5m]表示對0.5m進行取整操作；采用slic方法對圖g進行超像素分割，分割之后，得到對圖像中每個像素點所屬的塊的類別，稱為標記矩陣l，把l記作圖g的標記圖；
s5.對圖g中的每個像素具有相同類別標記的像素區域計算出其均值gk，將均值gk與圖g的整體均值gu進行比較，若gk>gu，則將具有相同標記的像素區域的各個像素點的像素值設為1，并將具有相同標記的像素區域標記為前景區域，否則將具有相同標記的像素區域的各個像素點的像素值設為0，并將具有相同標記的像素區域標記為背景區域；
s6.對前景區域和背景區域進行形態學的開運算和閉運算，以平滑前景區域和背景區域的邊緣區域，然后對前景區域和背景區域進行分割。分割后得到的前景區域的示意圖如圖3所示。
本實施例中，紋理增強濾波器為gabor函數。gabor函數是一個用于邊緣提取的線性濾波器，它的頻率和方向表達同人類視覺系統類似，因此利用gabor濾波器可以提取原圖像在不同尺度和不同方向上的紋理。二維gabor函數數學表達式為
其中x'＝xcosθ+ysinθ，y'＝-xsinθ+ycosθ
本實施例中，x，y為二維隨機變量，根據中餐食物圖像中最小顆粒的組成，將gabor濾波器的窗口大小設置為32*32，參數λ設置范圍為1到16，共16個尺度，參數θ設為0°，45°，90°，135°四個方向，相位
顯然，本發明的上述實施例僅僅是為清楚地說明本發明所作的舉例，而并非是對本發明的實施方式的限定。對于所屬領域的普通技術人員來說，在上述說明的基礎上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實施方式予以窮舉。凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明權利要求的保護范圍之內。
- 還沒有人留言評論。精彩留言會獲得點贊！