基于二次分水岭和近邻传播聚类的彩色图像分割算法研究与实现
基于分水岭算法的彩色细胞图像分割
基于分水岭算法的彩色细胞图像分割摘要随着影像医学的发展，通过对细胞涂片影像的分析，从而对细胞影像进行区分和识别成为重要的研究课题。
细胞图像分割是细胞图像分析和识别的重要步骤。
图像分割是将图像中具有特殊含义的不同区域区分开来，是图像处理的关键步骤。
分割后的子区域互不交叉，每一个区域满足特定性质的一致性。
人体细胞种类繁多、形态多样且图像质量也很不相同，而分析应用中对细胞图像分割的质量却要求较高，所以细胞图像的自动分割极为重要且困难很大。
彩色图像与灰度图像相比，信息量更为丰富，而且颜色的描述方法也，较多。
很多经典算法只能对二值图像或灰度图像进行运算。
为此，关于彩色细胞图像的分割研究成为一个非常活跃的研究领域。
本文针对彩色细胞图像经过染色处理的特点，提出了一种彩色细胞图像的分割方法。
以快速分水蛉算法为主要分割算法，为了较好地抑制彩色细胞图像背景噪声，选择更符合人类视觉感知的HSI颜色空间，结合自动阈值和色度提出去除图像背景的方法。
同时，使用中值滤波和均匀化处理，有效地克服了分水岭算法的过分割现象。
针对细胞图像特点改进了区域合并算法。
得到了较准确的分割结果。
本文首先概括介绍了图像分割的意义及发展现状，概述了当前主要的图像分割算法。
其次，介绍了彩色图像颜色空间和快速分水岭算法的基本思想及实现方法。
最后列出了实验流程和实验结果并进行了讨论。
关键词：图像分割，HSI颜色空间，分水岭二．分水岭算法本章从对分水岭算法的定义出发，对分水岭算法的发展过程中的不同实现方法进行比较，阐明快速分水岭算法的优越特性及实现方法。
(一)分水岭算法的定义分水岭分割的最初算法是针对地形数字高程模型提出的．目前分水岭算法在图像分割领域正得到广泛应用．分水岭算法的定义121J对一幅二维灰度图像，，Jr的定义域为Dr cZ2，，取离散灰度值【0，N】，将该值视为对应像素点的高度，Ⅳ为一正整数。
用G表示相应的数字格网(以四邻域为例)o图像I中点p和g之间一条长度为z的路程≯为由点，Pl，⋯Pt-l，P1)组成的(斗1)元组，有Po=P，Pl=q，且Vf∈【l，，】，(Pf-I，Pi)∈G (3-2)将路径P的长度标识为^纠，点p的邻域集标识为： (p)：％Q)=p’∈Z2,(DP’)∈回(3‘3)图像f在高度矗的一个极小区膨(minimum)定义为由高度值为h的点组成的一连通区域，从该区域肘中的一点出发到达任一高度低于h的像素点。
基于分水岭算法的彩色图像分割
子 区域来 进 行 聚类 ， 割效果 很 大程 度 取决 于种 子选 择 的好 坏 。本 文针 对 彩 色 图像 ， 用分 水 岭算 法 分 利
（ ｔｒｈ ｄａｇ ｒ ｈ 具有精 细 和准确 分 割 的特 性 ， Ｗａｅｓ ｅ ｌｏｉ ｍ） ｔ 通过 获取 初始 区域 ， 再根 据 区域 空 间 、 颜色 和 边界
一
个 象素宽 度 且连 续 的边 界 ， 应 用对 象 是灰 度梯 度 图像 ， 其 梯度 图像可 由 Ｃ ｎ ｙ算 子 在 灰 度 图像 上 ａｎ
得到 。Ｖｉｃｎ ｎｅｔ和 Ｓ ｉｃ５ 出 的浸没模 拟分 水岭 算法 是根 据 自然界 中水 浸没 的规 律 ， ｏｌ ［提 ｌ ］ 即地形 处 于低洼 的地段先 被浸没 。 算法包 含两步 。 第一 步 ： 图像 中的像 素按灰 度值 大小 的升序 排列 ； 将 第二 步 ： 对像 素排
作者简介： 唐金 尤（ ９０ ）男 ， １ ８ 一 ， 广西玉林人 ， 南理 工大学与佛 山科学技术学院联合培养硕士研究生 华 范彦斌 （ ９２ ） ， 宁大连人 ， 山科学技术学院教授 ， １ ６ 一男 辽 佛 硕士生导师 。
维普资讯
１ ８
佛 山科 学技 术 学 院学报 （ 自然科 学版 ）
（ ｏ ｎ ａｙ ｂ ｓｄｍｅｈ ｄ ） 基 于区域 的图像 分 割 （ ｅ ｉｎｂ ｓｄ ｍ ｔｏ ｓ ， Ｂ ｕ ｄ ｒ —ａｅ ｔ ｏ ｓ ， Ｒ ｇｏ —ａ ｅ ｅｈ ｄ ） 多种 方 法混 合 的 图像 分 割
（ ｙ ｒ ｅｈ ｉｕ ｓ Ｈ ｂ ｉ ｔｃ ｎｑ ｅ ）以及 基于 聚类 的图像分 割 （ ｌｓｅｉｇｂ ｓｄｔｃ ｎｑ ｅ ） 基 于 区域 的图像 分割方 ｄ Ｃ ｕ ｔｒ — ａｅ ｅｈ ｉｕ ｓ 。 ｎ 法相对 于边 界分 割方 法可 以取得完 整 的物体边 界 ， 且考 虑 了图像 的空 间性 。 而 区域 生长方 法 需要指 定种
彩色图像分割技术的研究——图像边缘检测技术的研究应用的开题报告
彩色图像分割技术的研究——图像边缘检测技术的研究应用的开题报告一、选题背景彩色图像分割是图像处理领域的研究热点，其应用广泛，在计算机视觉、图像识别、医学影像诊断、机器人等领域具有重要的应用价值。
图像边缘检测是彩色图像分割的重要前置技术，能够有效提取图像特征，为后续分割处理提供有力的支持。
本研究旨在对彩色图像分割技术中的图像边缘检测技术进行深入研究，并将其应用于彩色图像分割中，以达到提高图像分割质量和准确度的目的。
二、研究内容本研究主要包括以下两个方面的内容：1. 图像边缘检测技术的研究图像边缘检测是图像处理中的重要问题之一，其主要作用是在图像中提取出物体的轮廓，为后续的图像分割处理提供有力的支持。
在本研究中，我们将分析常用的图像边缘检测算法，包括基于梯度算子的Sobel、Prewitt、Roberts等算法、基于二阶导数算子的Laplacian、LoG、DoG等算法以及Canny算子等算法，并对各种算法的优缺点进行评估和比较，最终确定合理的算法。
2. 彩色图像分割技术的研究应用在图像边缘检测技术的基础上，我们将进一步研究彩色图像分割技术，并探索图像边缘检测技术在彩色图像分割中的应用。
我们将结合实际应用需求，通过比较不同的分割方法，包括阈值分割、区域分割、边界分割等方法，选择最优的彩色图像分割方法，并对分割结果进行评估和分析。
三、研究意义本研究将对彩色图像分割技术的研究做出贡献，对于提高图像分割的质量和准确度具有重要意义。
通过对图像边缘检测技术的研究，能够更好地提取图像特征，为彩色图像分割提供优秀的预处理手段。
进一步地，本研究为图像处理领域的相关研究提供了更为完备的理论基础和技术支持。
四、研究方法本研究将采用文献资料法、实验仿真法和对比试验法等研究方法开展研究。
五、预期成果本研究预期将研究出适用于彩色图像分割领域的图像边缘检测技术，选择最优化的彩色图像分割方法，并对分割结果进行实验验证。
预期成果将在学术期刊和会议中发表，以及提交本科毕业论文。
基于分水岭和形态学的图像分割算法研究毕业设计
本科生毕业设计（申请学士学位）论文题目基于分水岭和形态学的图像分割算法研究学生：（签字）学号：答辩日期：2013年6月15日指导教师：（签字）目录摘要 (1)Abstract. (1)1 绪论 (2)1.1 研究目的和意义 (2)1.2 图像分割的研究进展 (2)1.3 论文主要内容和组织结构 (3)2 数学形态学 (4)2.1 膨胀与腐蚀 (4)2.1.1 灰度膨胀 (4)2.1.2 灰度腐蚀 (4)2.2 形态学的开运算和闭运算 (5)2.3 形态学重建 (5)3 基于分水岭和形态学的图像分割算法 (6)3.1 分水岭算法原理 (6)3.2 形态学算子的改进 (7)3.3 改进的图像分割算法描述 (8)3.4 实验结果与数据分析 (8)4 结束语 (10)参考文献 (11)附录 (13)致谢 (15)基于分水岭和形态学的图像分割算法研究摘要：图像分割是图像分析和处理中一个重要的研究方向，也是目标的检测和识别的重要步骤。
而且由于图像的多样性和复杂性，很难用统一的方法来描述感兴趣的对象，因而在实际应用中只能根据各种领域的需求来选择合适的分割方法，导致各种图像分割方法具有特定的局限性和针对性。
目前还没有一种通用的方法，能使各种类型的图象达到最优分割质量。
传统的图像分割算法中对图像噪声敏感，噪声会直接恶化图像的梯度图像，计算量大，分割过程耗时长，分割效率低，从而产生过分割问题。
为了降低过分割现象对图像分割的影响，提出了一种改进的分水岭算法的图像分割方法。
本文先进行分水岭变换，再利用数学形态学的方法，使用多尺度形态梯度算子，利用结构元素度优点以达到改善图像分割中的过分割现象。
实验结果表明，改进的算法有效地改善了过分割现象，具有较好的图像分割效果。
关键字：图像分割；分水岭算法；形态学算子Image segmentation algorithm based on watershed and morphologicalstudyAbstract:Image analysis and image segmentation is an important research direction, also is the important process of target detection and recognition. And because of the diversity and complexity of the image, it is difficult to use uniform method to describe the object of interest, and therefore can only according to the various fields in the practical application needs to choose the appropriate method, lead to all kinds of image segmentation method has certain limitations and pertinence. There is no a common method, can make various types of image to achieve the optimal segmentation quality.The traditional image segmentation algorithm is sensitive to image noise, the noise will deteriorate image gradient image directly, large amount of calculation, the segmentation process takes long, segmentation efficiency is low, resulting in a over-segmentation problem. In order to reduce the over-segmentation phenomena influence on image segmentation, an improved watershed algorithm is proposed for image segmentation method. Watershed transform first in this paper, and then the mathematical morphology method, using multi-scale morphological gradient operator, using the structure elements of advantage to improve the image segmentation of over-segmentation phenomenon. The experimental results show that the improved algorithm improved the over-segmentation phenomena effectively, has the good image segmentation effect.Key words: Image segmentation; Watershed algorithm; Morphological operator1 绪论1.1 研究目的和意义图像分割是一种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。
基于分水岭算法的遥感图像分割方法研究
基于分水岭算法的遥感图像分割方法研究遥感图像分割是遥感图像处理中的一项重要任务，它的目的是将图像中的不同区域分割成具有相似特征的子区域。
这项工作在农业、环境监测、城市规划等领域有着重要的应用价值。
分水岭算法是一种常用的图像分割方法，它基于图像中的灰度梯度信息来实现分割。
本文将围绕基于分水岭算法的遥感图像分割方法展开研究，探讨其原理、实现过程以及应用效果。
一、分水岭算法原理及应用分水岭算法最初来源于地质学中的地下水分割理论，后来被引入到图像处理领域中。
它的原理是将图像看作地形地貌，图像中的亮度信息对应地形的高度，然后利用不同区域之间的梯度信息来确定分割线，实现图像的分割。
在遥感图像处理中，分水岭算法被广泛应用于不同类型的地物分割，包括植被、水域、建筑等。
分水岭算法的基本思路是从图像中的局部最小点（或者称为浸没点）出发，构建出一系列的水域，然后根据这些水域的相互关系来确定整个图像的分割线。
在遥感图像中，这些局部最小点往往对应着不同的地物或者地物边界，因此通过分水岭算法可以实现对图像中不同地物的精确分割。
分水岭算法还可以应用于图像的边缘检测、纹理分割等领域。
基于分水岭算法的遥感图像分割方法一般包括以下几个步骤：预处理、特征提取、分水岭算法实现和结果后处理。
在预处理阶段，需要对原始遥感图像进行几何校正、大气校正等操作，以保证图像的质量和准确性。
接下来进行特征提取，一般采用像元级的特征提取方法，包括灰度、颜色、纹理等特征。
然后利用这些特征信息构建图像的梯度信息，为后续的分水岭算法做准备。
分水岭算法的实现一般使用连通区域分割算法（Watershed segmentation algorithm），它是一种基于梯度信息的像素聚类算法，能够根据图像的梯度分布实现对图像的分割。
在算法实现过程中需要注意对梯度信息进行分析和处理，以保证分割结果的准确性和可靠性。
最后对得到的分割结果进行后处理，包括去除小面积的噪声点、填补分割线等操作，以得到最终的分割图像。
毕业答辩--基于分水岭技术的图像分割算法实现
分水岭算法的具体实现
算法流程图如下： 彩色图像
rgb2gray
灰度图后的图像
求值取模
梯度幅值图像
预防过度分割
前景标记
背景标记
前景标记图像
分水岭分割
分水岭变换脊线图
分水岭变换分 割图像
分水岭算法的具体实现
可视化效果图像(即将标记与边缘检测叠加到原图像上观察效果)：
研究或解决的问题
1．理解并分析图像分割原理。
2．实现基于分水岭变换的图像分割算法。
3．进行基于分水岭变换的图像分割算法与传统分割算法的比较。
传统方法与分水岭算法对比
分割方法 优点 缺点
基于阈值的分割 计算简单、运算效率较高、速度快. 方法
对噪声很敏感.
基于边缘的分割 利用多种边缘检测算法可解决抗噪性与 平衡抗噪性与检测精度之间的矛盾. 方法 检测精度之间的矛盾. 基于区域的分割 可以有效地克服其他方法存在的图像分 易造成图像的过度分割，与边缘检测结 方法 割空间小连续的缺点. 合，可获得更好的分割结果. 基于聚类分析的 需要人工干预参数的初始化以接近全局 此算法没有考虑空间信息，对噪声和灰 分割方法 最优解，提高分割速度. 度不均匀敏感. 基于数学形态学 定位效果好、分割精度高、抗噪声性能 不能很好地解决耗时问题，将其与节约 的分割方法 好. 时间的一些方法结合，可得到更好效果. 基于分水岭技术 操作简单、精确度高、快捷. 的分割方法 对噪声弱边缘有一定的影响，会产生过 度分割的现象.
总结
本文提出了分水岭图像分割算法对图像进行分割的方法、梯度分割的方法以及 区域合并的方法。先对图像进行灰度图像的转化，在进行梯度分割，分割出区域目 标联结图像和最小生成树图像，然后对他们整合。并作出了实验结果。 在图像的处理上，图像分割一直是至关重要的技术。随着科技的进步，以及人 们对图像分割的探索，使得图像分割技能越来越完善，处理图像的方法越来越多。 达到处理图像的目标越来越精确，但是这还是图像处理上的一个重要难题。需要我 们不停地去探索，来完善这一技术，让图像分割更好的能在各个领域上运用。
基于分水岭算法的遥感图像分割方法研究
基于分水岭算法的遥感图像分割方法研究【摘要】本文研究了基于分水岭算法的遥感图像分割方法。
首先介绍了分水岭算法的原理，然后对遥感图像分割技术进行了综述。
接着详细探讨了基于分水岭算法的遥感图像分割方法，并设计了相应的实验进行结果分析。
进一步对算法进行了优化和改进。
在讨论了分水岭算法在遥感图像分割中的应用，总结了研究成果，并展望了未来的研究方向。
通过本研究，提出了基于分水岭算法的遥感图像分割方法在实际应用中的潜力和局限性，为遥感图像处理领域的进一步研究提供了有益参考。
【关键词】遥感图像分割、分水岭算法、遥感图像处理、图像分割技术、实验设计、结果分析、算法优化、研究成果、未来展望1. 引言1.1 研究背景遥感图像分割作为遥感图像处理中的重要技术，对于地质勘探、环境保护、农业监测等领域具有重要的应用价值。
传统的遥感图像分割方法存在着受到影响较大的噪声、复杂纹理、光照变化等问题，导致分割结果的准确性和稳定性难以保证。
如何提高遥感图像分割的准确性和效率成为了当前研究的热点之一。
本研究旨在探讨基于分水岭算法的遥感图像分割方法，通过对算法原理、技术综述以及实验设计与结果分析等方面的研究，旨在提高遥感图像分割的准确性和效率，为遥感图像分割技术的进一步发展提供参考和借鉴。
1.2 研究意义遥感图像分割是遥感领域中的重要研究方向，其在农业、城市规划、环境监测等领域具有广泛的应用前景。
研究基于分水岭算法的遥感图像分割方法具有很大的意义。
随着遥感技术的不断发展，遥感图像的分辨率和数据量不断增加，传统的图像分割方法已经难以满足高效、准确的需求。
基于分水岭算法的遥感图像分割方法可以有效地处理高分辨率遥感图像，提高分割的准确性和效率。
基于分水岭算法的遥感图像分割方法在实际应用中具有较强的鲁棒性，能够有效克服遥感图像中存在的噪声、阴影等问题，提高分割结果的质量。
该方法还能够根据目标物体的特征进行分割，从而实现对复杂场景的精确识别与分割。
基于改进分水岭和区域合并的彩色图像分割
基于改进分水岭和区域合并的彩色图像分割李占波;杨二伟;李进文【期刊名称】《计算机工程与设计》【年(卷),期】2014(000)007【摘要】提出一种基于改进分水岭变换和区域合并的彩色图像分割算法。
采用相位一致性模型进行边缘提取，将提取结果进行标记分水岭变换；应用提出的基于扩展邻域和无量纲阈值的区域合并算法进行同质区域合并，克服了传统区域合并算法中奇异区域影响同质区域联通的局限性。
实验结果表明，该算法适用于多数彩色图像，能得到与人眼视觉判断基本一致的分割效果。
%A hybrid color image segmentation algorithm combining marked watershed transform and improved region merging was proposed.Phase consistency model was used for edge extraction whose result was used as input of marked watershed algo-rithm.Finally,homogeneous regions was merged using proposed region merge algorithm which was based on extended neighbor-hoods and dimensionless threshold.The proposed algorithm overcame the limitations of traditional region merging algorithm that singular regions might destroy connectivity of homogeneousregions.Experimental results showed that the new algorithm could be applied to most color images and the results were consistent with human visual judgments.【总页数】5页(P2458-2461,2503)【作者】李占波;杨二伟;李进文【作者单位】郑州大学信息工程学院，河南郑州450001;郑州大学信息工程学院，河南郑州450001;郑州大学信息工程学院，河南郑州450001【正文语种】中文【中图分类】TP391.41【相关文献】1.基于标记分水岭和区域合并的彩色图像分割 [J], 余旺盛;侯志强;宋建军2.基于均匀性图分水岭变换及两步区域合并的彩色图像分割 [J], 张平;王文伟;吴丽芸3.基于改进分水岭及区域合并的图像分割方法 [J], 杨海峰4.一种基于混合方法的彩色图像分割算法*----结合分水岭算法、种子区域生长和区域合并的混合方法 [J], 徐国雄;王海娜;胡进贤;王立强;卜应敏;;;;;5.基于改进分水岭算法的彩色图像分割 [J], 李良; 毛文杰; 赵娟; 贾涛因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
但其 在算 法原理 上却 存在很 大 的不 同．它克服 了 Ｋ — ｍｅ ａ ｎ ｓ 算 法 的缺点 ， 通过 传递 数据 点之 间的 消息 聚类 出
１ ． １ 分 水 岭 区 域 分 割 法
分水 岭 区域分 割法 是一 种形 态 学方 法 ， 和普 通 区域 增长 算 法不 同 ，算法 本 质 是一 种 区域 增长 算 法 ， 它 由图像 局 部极 小值 开始 递增 ．算法 最初 源 于测地 学 的地 形地 貌 ，图像 中点 的灰 度 值 由海 拔 高 度来 刻 画．分 水 岭变换 将 图像 视为 ３ Ｄ地貌 表 面 ， 其 中灰 度极 大值 是 山峰 ， 极小值 是 山谷 ， 区域 的轮廓 只需 搜索 检测 地貌
摘 要 ：利 用 特 征 散 度普 适 能 力 强 的 优 势 ，提 出 了 基 于 二 次 分 水 岭 和 近 邻 传 播 聚 类 的 彩 色 图 像 分 割 算 法 ．算 法 通 过 二次分水岭算法 预分割 ， 提 取 区域 中 色彩 向 量 数 据 点 ， 利 用 特 征 散 度 构造 相 似 度 矩 阵 ， 运 用 近 邻 传 播 数 据 聚 类 ，实
现 图 像 的分 割 ．实 验 证 明 ， 算 法 较 好 地 避 免 了 聚 类 算 法 对 初 始 条 件 的 依 赖 性 ，降 低 了彩 色 图像 大 样 本 数 据 的运 算
量 ，与 人 的 主 观 视 觉 感 知 具 有 良好 的一 致 性 ．
关
键
词： 近 邻 传 播 聚 类 ；二 次 分 水 岭 ；特 征 散 度 ； 彩 色 图像 分 割
２ ０ １ ３年 ８月
Ａ ｕｇ ． ２ ０ １ ３
文章编号 ： １ ０ ０ ０— ５ ４ ７ １ （ ２ ０ １ ３ ） ０ ８ —０ １ ２ ５— ０ ５
基 于 二 次 分 水 岭 和 近 邻 传 播 聚 类 的彩 色 图像 分 割算 法研 究 与 实现①
施 成 湘
重 庆 第 二 师 范学 院 数 学 与 信 息 工 程 系 ， 重庆 ４ ０ ０ ０ ６ ７
文 献标 志 ． ４ １
图像 分 割技术 是 图像处 理 和 图像 分 析领 域 的重要 研究 内容 ， 恰 当精 准 的 图像 分割 能 够 为基 于 目标 的对 象分 析 、图像 检 索等 抽象 出有 价值 的信 息 ，为更 高 层 的 图像 理解 打下 良好 的基 础．根 据 图像 几 何 形 状 、空
的改 进算 法 引．Ｇｈ ａ ｓ ｓ ａ ｎ Ｈａ ｍａ ｒ ｎ ｅ ｈ ｃ 等 人基 于先 验形 状 和外观 知识 ， 利 用形 状直 方 图改进 分水 岭 算 法结
果， 虽 然过 分割 有所 改善 ， 但 噪 声融 合 效 果 不 佳．刘荣 等人 提 出 的基 于 分 水 岭 与 图割 的 自动分 割 方 法 ， 实现 了空 间序 列轮 廓 的 自动提 取 ，但算 法对 面 积大 的物 体 提取 效 果 好 ，对 细 小 物轮 廓 提取 欠 缺 ．巫兆 聪口 等人 提 出利用 Ｍｅ ｙ ｅ ｒ 算法 进行 标记 分水 岭分 割 ， 能解 决 遥感 图像 不 同区域 的分 割 ， 但 对信 息 量 比较 丰 富 的
图像 仍存 在严 重 的过分 割 现象 ．
针对 分水 岭分 割算 法对 噪 声敏感 、低对 比度 图像 易 丢失 重 要 轮廓 、易 于产 生 过 分割 等 缺 点 ，本 文 提 出 了一 种结 合 改进分 水 岭和 聚类算 法 的分 割算 法 ，以进 一 步地优 化分 割效 果．
１ 相 关 方 法 介 绍
１ ２ ６
西 南师 范大 学学报 （ 自然科 学版 ）
ｈ ｔ ｔ ｐ ： ／ ／ ｘ ｂ ｂ ｊ ｂ ． Ｓ ＷＵ ． ｃ ｎ
第３ ８卷
局部极 小值 对应 的堤 坝边缘 便可 确定 ．
１ ． ２ 近 邻 传 播 聚 类
２ ０ ０ ７年 ， Ｆ ｒ ｅ ｙ等 人在 Ｓ ｃ ｉ ｅ ｎ ｃ ｅ 上 提 出了属 于 Ｋ 中心 聚类 方法 的近 邻传播 （ Ａｆ ｆ ｉ ｎ ｉ ｔ ｙ Ｐ ｒ ｏ ｐ ａ ｇ ａ ｔ ｉ ｏ ｎ ， ＡＰ ） 聚
间纹 理 、颜 色等 特征 把 图像划 分成 若 干个互 不 相交 的 区域 ，使得 这些 特 征 在 同一 区域 内表现 出很 大 程 度 的
相似 ．图像 分割 将 图像 中感兴 趣 的部分 从 图像 的背 景 中提 取 出来 ，以便 于进 一 步 进行 图像 处 理．而 彩 色 图 像 又 比灰 度 图像携 带更 多 的信 息 ，因此 在 图像识 别领 域 中受 到 了越 来越 多 的关注 ． 大部 分 彩色 图像 的分 割方 法是从 单 色 图像 的分割 方法 延伸 而来 的．分水 岭算 法是 常见 的彩 色 图像 分割 方法 ．大多算 法 都基 于模 拟浸 没描 述 的 ，其成 为后 来 很 多 改进 算 法 的基础 ．近 年 来 ，许 多 学者 提 出了 大量
第３ ８卷 第 ８期
Ｖｏ １ ．３ ８ Ｎｏ ．８
西 南 师 范 大 学 学 报 （ 自然科 学版 ）
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｓ ｏ ｕ ｔ ｈ ｗｅ ｓ ｔ Ｃｈ ｉ ｎ ａ Ｎｏ ｒ ｍａ ｌ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ（ Ｎａ ｔ ｕ ｒ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｅ ｄ ｉ ｔ ｉ ｏ ｎ ）
①
收稿 日期 ：２ Ｏ １ ３ 一Ｏ ４—２ ６
基 金 项 目 ：重 庆第 二师 范学 院教 改项 目（ Ｊ Ｇ２ ０ １ ３ １ ２ １ ９ ） ． 作 者 简 介 ：施 成 湘 （ １ ９ ７ ９一 ） ，女 ， 四川 泸 州 人 ，硕 士 ，主要 从 事 数 字 图像 处 理 方 面 的 研 究