一种自适应边界生长的彩色图像分割方法
一种融合聚类与区域生长的彩色图像分割方法
自适应区域生长算法在彩色年轮图像分割中的应用
62 •电子技术与软件工程 Electronic Technology & Software Engineering图像与多媒体技术• Image & Multimedia Technology3.2 融入艺术手段烘托版面效果与氛围好的版面设计中，既能够保证每个版块的独立性，也可以保证整体不零散。
报纸版式设计也是如此，需要将报头、文字、图片、色彩等和谐的融合到一个版面中，提高视觉上的均衡感，让读者阅读更加舒服。
做好版面各要素的组合，提高报纸版式设计质量，可以提高新闻传播效果。
如结合版面要求，保证标题字体足够的醒目、简洁，版面位置设计要有节奏感、均衡感。
图片摆放部位要保持整个版面的视觉均衡，多幅图片搭配要划分好主次关系和大小搭配。
色彩运用和谐色调，表达不同版面内容以及版面语言，根据版块内容的差异，确定冷暖色调搭配。
同时，还要注重线条搭配，明确版面中粗细、长短搭配关系，灵活运用线条可以让版面更加有规律。
让这些要素各司其职，充分发挥自身优势特点，并整合到同一个版面当中，实现各个元素的和谐统一，从而提高版面的美观度。
3.3 形成报纸风格，突出个性形成报纸的风格与个性，可以让读者一眼就看到报纸的版面、名字，更加吸引读者的眼球。
当然，不同报纸版面的内在艺术与灵魂不同，想要掌握报纸新闻内涵，需要设计人员全面掌握报纸的办报宗旨和服务对象基础上，采用针对性版面语言对新闻进行描述，创造出更具个性、特点的版面。
如新闻版面设计要以沉稳为主，版式设计要庄重、大气；生活版设计要足够时尚、灵动，版式设计要多元、灵巧；副刊版设计要足够生动、典雅，版式设计要突出文化气息等。
其中，报头设计尤为重要，报头设计元素必须要服务报名的大主题，保证报名视觉效果可以超过其他设计元素，在设计当中需要立足于报纸整体风格、市场定位，去设定报头板式、报眉板式，并在此基础上对版面其他内容进行设计。
4 结束语综上所述，在读图时代背景下，人们对新闻传播提出了更高要求，因此报纸版面设计必须要能够顺应时代发展需求，注重报纸板式的视觉冲击力，创新报纸板式设计语言。
基于局部同态性的自适应彩色图像分割方法
＿
文献标 识 码 ： Ａ
文章编 号 ：０ ２—２ ７ （ ０ ７ ０ — ０ ６— ３ １０ ２ ９ ２ ０ ） １ ０ ８ ０
ｖ ｏ Ｈｏ ｇ ｎ ｉ ｙ Ｓｅｆ ａ ａ ｔ ｅ Ｃｏｏ ｍ ａ ｅ Ｓｅ ｍｅ ｔ ｔ ｎ Ｕｓｎ ｏ ａ ｍｏ ｅ ｅｔ ｌ ｄ ｐ ｉ ｌｒＩ ｇ ｇ ｎ ａ ｉ ｉｇ Ｌ ｃ ｌ
Ｊ Ｈｅ１ 队 ｌ ｇ—ｙ ， ＨＡＮＧ ｎ—ｒｎ ， ＡＮＧ ｎ—ｚ ｕ ｎ ａ Ｚ Ｘｉ ｏ ｇ Ｐ Ｙｉ ｈｏ
（ ｃｏｌ Ｅｅｔ ｎｃａｄＩ ｏｍ ｔ ｎＥ ｇｎｅ ｎ ，Ｔ ｎ ｎＵｉｅ ｉ ， ｉ ｆ ０ ０ ２ Ｃ ｉ ） Ｓｈｏ ｌ ｒ ｉ ｎ ｆｒａｉ ｎｉ ｒ ｇ ｉ ｊ ｎ ｒｔ Ｔａｉ ３ ０７ ，ｈｎ ｃｏ ｎ ｏ ｅｉ ａｉ ｖ ｓｙ ｎｎ ａ
１ 引 言
类方法 。典型的有统计分类方法 、 模糊分类方法 和 神经网络分类方法等 。 利用图像空间区域信息的方法主要是利用区域 图像分割就是将图像表示为物理上有意义的连 通区域的集合 ， 图像处理与机器视觉的基本 问题 （ 是 象素） 间的邻接和相似性进行 区域生长和区域 之 之一。一般可以通过对 图像 的不同特征如边缘、 纹 合并 。种子区域选择的优劣对于区域生长具有很大 理、 颜色、 亮度等的分析达到图像分割 的目的。通常 的影响 ， 而如何合理的制定合并和停止合并的规则 的图像分割是为了进一步对 图像进行分析 、 识别 、 跟 则是区域合并时的关键问题 。文献 ［ ］ ３ 中在确定种 子 区域 时需要 进行 颜 色 量 化 ， 后 根据 量 化颜 色 确 然 踪、 理解等 ， 分割的准确性直接影响到后续任务的有
维直方 图阈空间区域信息 和光谱信息 的图像 分割方法 ， 这类分割方法典型的包括 区域分裂 一 合 并、 生长法和多光谱图像分割等。 （） ３ 利用图像 中灰度变化最强烈 的区域信息方 法 一 边缘 检测 方法 ， 这一类 方 法是 Ｍａｔ 论 中主要 ｒ理
一种自适应产生超像素个数的道路图像分割算法
一种自适应产生超像素个数的道路图像分割算法李桂清;谢刚;谢新林【摘要】针对超像素分割算法需要人为设置初始超像素个数和目标边缘分割不精确等问题,提出一种自适应产生超像素个数的道路图像分割算法.该算法主要包含超像素的获得和超像素的合并两阶段.在超像素的获得阶段,首先通过计算图像区域数对应的图像颜色分量直方图峰值个数自动获得初始超像素个数,然后基于SLIC(simple linear iterative clustering)算法在图像过分割的基础上利用颜色分量最大差值对过分割超像素块进行欠分割检测与处理,实现超像素的精确分割.在超像素的合并阶段,通过融合超像素颜色和纹理特征建立超像素间相似度信息表,最后在结合空间位置相邻性的基础上实现超像素的合并.实验在自动驾驶场景评测数据集KITTI上对算法进行验证和测试.结果表明,提出的算法与其他道路图像分割算法相比,在总体精度、平均召回率以及F1值3个指标上均有较好的效果.【期刊名称】《科学技术与工程》【年(卷),期】2019(019)005【总页数】7页(P179-185)【关键词】图像处理;道路图像分割;超像素;区域合并【作者】李桂清;谢刚;谢新林【作者单位】太原理工大学电气与动力工程学院,太原030024;太原理工大学电气与动力工程学院,太原030024;太原科技大学电子信息工程学院 ,太原030024;太原理工大学电气与动力工程学院,太原030024【正文语种】中文【中图分类】TP391.41道路图像分割是指利用图像某些特性和图像处理技术将图像中的道路与非道路区域分割出来，其能够为车辆安全行驶以及车辆路径规划提供主要依据[1,2]。
在计算机视觉领域，道路图像分割作为一项关键技术，广泛应用于不同的领域，例如自动驾驶[3]、智能车技术以及机器人的自动导航系统。
近年来，学者们提出了很多道路图像分割方法。
传统的方法一般是基于像素的，图像预处理后对像素逐个分类，获得道路区域[4,5]。
一种图像分割模型的自适应参数选择方法
Vol. 36 No. 5May 2019第36卷第5期2019年5月计算机应用与软件Computer Applications and Software一种图像分割模型的自适应参数选择方法王辉"吴永武' 杜应琼2'（安顺学院数理学院 贵州安顺561000）"安顺学院资源与环境工程学院 贵州安顺561000）摘要 针对灰度分布不均匀的图像特征，提出一种基于局部和全局高斯分布拟合能量的自适应权重参数选 择方法。
基于图像的局部和全局区域信息，以高斯分布作为拟合函数建立能量泛函。
基于水平集方法，随着活动 轮廓的演化，局部和全局区域信息在能量泛函中的权重会相应地变化，有利于提高图像分割的质量和效率。
数值实验验证了该方法的有效性。
关键词 图像分割活动轮廓模型水平集自适应参数选择中图分类号 TP391文献标识码 ADOI : 10. 3969/j. issn. 1000-386x. 2019. 05. 036AN ADAPTIVE PARAMETER SELECTION METHOD FOR IMAGE SEGMENTATION MODELWang Hui 1 Wu Yongwu 1 Du Yingqiong 21 ( School of Mathematics and Physics , Anshun University , Anshun 561000, Guizhou , China)2 (School of Resources and Environmental Eengineering , Anshun University , Anshun 561000, Guizhou . China)Abstract For the images characteristic with intensity inhomogeneity , this paper proposed an adaptive weightparameter selection method for local and global Gaussian distribution fitting energy. Based on the local and global regioninformation of images , we established the energy function by employing the Gaussian distribution as the fitting function.According to the level set method , with the evolution of the active contour, the weight of the local and global region information in the energy function changed accordingly , which was conducive to improving the quality and efficiency ofthe image segmentation. Numerical experiments demonstrated the effectiveness of this method.KeywordsImage segmentation Active contour model Level set Adaptive Parameter selectiono 引言随着信息化程度的不断提高和大数据科学的兴起，人类社会已经迈入高度数字化和信息化的时代，在 广阔的数据信息中，以数字图像出现的信息在各种资 源中占较大比例。
一种用于彩色图像处理的自适应阈值分割方法
方 法 ， 把 它 用 于 彩 色 图 像 的 分 割 其 效 果 很 不 理 但
想 ． 是 本 文采 用 一 种 基 于 生 物仿 真 结 构 的 Ｒ Ｂ 于 Ｇ 空 间 局 部 兴 奋 全 局 抑 制 振 荡 的 自适 应 阈 值 分 割 方 法 ， 称 为 三 维 空 间 Ｌ ＧＯ 简 Ｅ Ｉ Ｎ方 法 ．
尺 ＝、 尺 ＋尺 ＋尺 ／ ｂ，
其 中 ， 示 当前 像 素 红 色 分 量 的 阈值 ， 表 示 当 尺 表 尺
前 像素绿色 分量 的 阈值 ， Ｒ 而 表 示 当前 像 素 蓝 色
１ 三维 空 间 Ｌ ＧＯ Ｅ Ｉ Ｎ方 法 的 生 物 学 原 理
三 维 空 间 Ｌ Ｇ Ｏ 方 法 是 一 种 基 于 “ 荡 相 关 Ｅ ＩＮ 振
分 量 的 阈值 ， 们 分别 定 义 如 下 ： 它
Ｒ ＝（ 一 … ） Ｐ （）Ｒ ） ＋ … ， （ 。 ｒ／
是 一种 具 有 代 表 性 的 大 脑 工 作 方 式 ” 一 理 论 ． 这 它 认 为 大脑 对 视 觉 特 征 的 聚 合 与 分 离 是 建 立 在 神 经
２ 三 维 空 间 Ｌ Ｇ ＯＮ 分 割 彩 色 图 像 的 数 学 Ｅ Ｉ
模 型
三 维 空 间 Ｌ ＧＩ Ｎ生 物 学 原 理 的 彩 色 图 像 分 割 Ｅ Ｏ
方 法 中 ， 为 每 一 个 振 子 对 应 图 像 一 个 像 素 ． 法 认 算 的 自适 应 阈值 公 式 如 下 】 ：
维普资讯
２０ ０ ２年 ７ 月
第 ２ ５卷 第 ４期
四川师 范大 学学 报 （ 自然 科 学 版 ） Ｊ ｕｎ ｌｏ ｉｈ ａ ｏｍａ Ｕ ｉｅｓｔ（ ａｕａ ｃｅ ｃ ） ｏ ｒａ ｆＳｃ ｕ ｎ Ｎ ｒ ｌ ｎｖｒｉ Ｎ ｔｒｌＳ ｉｎ ｅ ｙ
一种自适应彩色图像分割算法
收稿日期:2004-10-12作者简介:张 琳(1979—),女,河北秦皇岛人,硕士研究生,研究方向为数字图像处理与模式识别。
一种自适应彩色图像分割算法张 琳,蔡灿辉(华侨大学计算机与信息工程学院,福建泉州362021)摘 要:目前对图像分割技术的改进一般是通过优化某种特定的算法来实现的,这样会把对彩色的分割能力拘泥在某个范围内,而文中专门针对彩色信息采用有自适应性的级联多种方法的聚类算法,在逐步的优化中,提高对彩色的分割能力,实现对彩色图像的更为清晰细致的分割。
该方法在单纯的针对色彩信息时,取得了很好的实验测试效果。
关键词:直方图;自适应;级联;图像分割中图分类号:TP391 文献标识码:A 文章编号:1005-3751(2005)07-0057-03An Adapting Algorithm for Color Image SegmentationZHAN G Lin ,CA I Can 2hui(Department of Computer and Information Engineering ,Huaqiao University ,Quanzhou 362021,China )Abstract :Presently improvement of algorithm for image segmentation has been achieved by improving a special algorithm ,but the effect of the segmentation will be restricted in a certain range.This paper adopted an adapting clustering algorithm with making a cascade of many techniques ,so it can improve the ability of the segmentation of the color image by optimizing algorithm at every step and segment distinctly object based on color image.The testing result shows this arithmetic is very effective to the color image.K ey w ords :histogram ;adapting ;cascade ;image segmentation0 引 言图像分割是图像处理的基础,分割是图像分析的初始步骤之一,也是图像处理最原始的问题。
采用基于区域的自动种子区域生长法的彩色图像分割方法
摘要图像分割是图像处理领域中的经典难题，也一直是图像处理技术研究中的热点和焦点，随着计算机处理能力的提高和对彩色图像应用的增加，彩色图像分割受到研究者们越来越多的关注。
彩色图像分割方法可以被看作是灰度图像分割方法在彩色图像上的延伸，但很多原有的灰度图像分割方法并不能直接应用于彩色图像，这就需要结合彩色图像信息丰富的特点将原有灰度图像分割方法进行改进，或研究专门用于彩色图像分割的方法。
本文在传统的种子区域生长方法的基础上，将分水岭算法和种子区域生长算法相结合，提出了一种基于区域的自动种子区域生长的彩色图像分割方法。
首先，将彩色图像从RGB空间转换到HSI彩色空间，使用色调和饱和度来计算区域之间的差异。
在此基础上，使用抖动处理来减少彩色图像中的颜色数目，并利用中值滤波等方法做去噪声处理。
然后，使用分水岭算法实现对图像的初始分割。
由于传统的分水岭算法在对彩色图像分割时，常常会出现过度分割的现象，本文以这些过分割的区域为基础进行种子区域生长。
和传统的种子生长方法不同，我们的算法使用分水岭算法形成的区域作为初始种子区域。
在选择种子区域时，需要考虑两个方面：首先被选为种子的区域必须和它的邻接区域有较高的相似度，换言之，种子区域应该能代表我们所期望得到的结果区域的属性；另外，我们要求一个区域和它的邻居区域的相对欧式距离的最大值小于一个阈值。
在区域生长阶段，我们从选取的种子区域出发，逐步将非种子区域划分到种子区域中。
由于在种子区域选取过程中，有可能在我们所期望的结果区域中选出多个种子区域，这样会造成过分割的效果，为此我们还要进一步的进行区域合并。
最后，我们将根据两条规则进行区域合并，最终实现彩色图像的分割。
相对于传统的种子区域生长算法，本文在种子选择和区域生长步骤中使用区域代替像素，从算法时间复杂度的角度来说算法效率有较大提高；另一方面，由于区域所携带的图像信息远高于像素所携带的图像信息，所以使用区域做为种子更能代表所期望得到的结果区域。
一种用于彩色图像目标识别的自适应阈值分割方法
ｎｓ ｒ ｕ￣ ｅｓｏ ｓ ｂ
ｉ ｏｊ ｔｅｏｎｉ ｘｅｍｅｔ． ｎ ｂ ｃｇｉ ｎｅｐｒ ｎ ｅ ｒ ｃ ｔ ｏ ｉ ｓ
ＴＰ ４ ２
Ｋｅ ｒ ｓ ａ ｔｎ ｍ ｕ ｂ ｔ ｃ ｌｒｔ ｉ ｎ ， ｇ ｅ ｍｅ ｔｔ ｎ，ｄ ｐ ｖ ｈ ｅｈ ｌ ｙ ｗｏ ｄ ｕｏ ｏ ｏ ｒ ｏ ， ｏｏ ａｎｇ ｉ ｅ ｓ ｇ ｎ ｉ ａ ａ ｔ ｅ ｔｒｓ ｄ ｓ ｏ ｒｉ ｍａ ａ ｏ ｉ ｏ
ｑ ｉｋ ｙ ａ ｄ ｒ ｂ ｓ ｙ ｕ ｉｇ ｓ ｃ ｆｒ ｔ ｎ １ｉ ｐ ｐ ｒｄ ｓ ｒ ｅ ｏｏ ａｎ ｎ ｂ ｔｖｓ ｙ ｔｍ ａ ａ ｌ ｆｒａ ～ｔ ｅ ｏ ｎｚｎ ｂ ｕ ｃ ｌ ｎ ｕ ｔ ｎ ｕ ｈ ｉ ｏｍａ ｏ ．３ａ ａ ｅ ｅ ｃ ｂ ｓ ａｃ ｌｒｔ ｉｉ ｇｒ ｏ ｉ ｓ ｓ ｏ ｌ ｓ ｎ ｉ ｓ ｉ ｒ ｏ ｉ ｏ ｎ ｅ ｃ ｐ ｂｅ ｏ ｌ ｉ ｅ ｍｅ ｒｃ ｇ ｉ ｇ ｏ － ｉ
征 加 以学 习＿ 。 ４ Ｊ
物体 ， 光照 光源 种类 、 度 、 体反 射特性 等 不 同 在 照 物 条件 下 ， 测得 的 Ｒ Ｂ颜 色 值分 布 很 分散 ， 个 分量 Ｇ 三 互相 关 联 变 化 ， 以确 定 目标 识 别 时 Ｒ Ｂ的 阈 值 难 Ｇ
ｍｅ ｔｔ ｎ ｂ ｓ ｄ ｏ ￣ ａ ｔ ｅ ｔｒｓ ｏｄ．Ｔ ｅ ｖｓｏ ｙ ｔｍ ａ ｕ ｃ ｓ ｆｌ ｎｅ ｒｔｄ ｗ ｔ Ｕ ｕｏ ｏ ｕ ｂ ｔ ｙ ｔｍ ｎ ｈ ｗ ｔ ｑ ｉｋ ｎ ｉ ａ ｅ ｎ ： ｐｉ ｅ ｈ ｌ ａ ｏ ｌ ｖ ｈ ｈ ｉ ｓ ｓｅ ｈ ｓｓ ｃ ｅ ｓ ｌ ｉ ｔｇａｅ ｉ Ｏ Ｔａ ｎ ｍｏ ｒｏ ｓ ｉ ｎ ｕｙ ｈ ｔ ｓ ｏ ｓ ｅ ａ ｄ ｓ ｏ ｎ ｉ ｕｃ － ｓ
一种改进的基于区域生长的彩色图像分割方法_刘俊
图1
算法流程图
域将像素合并到它最近的种子区域 。 7］提出的方法， 本文中， 我们改进了文献［ 将区域合并优 考虑到了未被处理的种子点的合并 ， 并提出了自己的合并方 化， 法。我们合并了不相关的像素点 、 优化了区域合并方法， 从而得
收稿日期： 2011 － 11 － 14 。 校 世 博 专 项 （ SK201053 ） ； 校 基 金 项 目 （ SK201028 ） 。刘俊， 硕士生， 主研领域： 图像处理， 模式识别。 马燕， 教 授。陈坤， 硕士生。
摘
要
提出一种改进的基于区域生长的彩色图像分割方法 。首先， 将图像从 RGB 颜色空间转换到 YCbCr 颜色空间。 其次， 自
动选取种子点， 利用区域生长法进行分割 。最后， 使用改进区域合并算法合并相似的 、 小尺寸的区域。 对网上随机抽取的图像进行 实验结果证明了提出方法的有效性 。 了测试， 关键词 中图分类号 彩色图像分割 TP301 种子点 区域生长 A 区域合并
表 1 阈值选取与种子个数关系表
Cb， Cr 的标准方差： 第二步： 分别计算 3 × 3 邻域像素的 Y， σx =
第三步： 计算总标准方差：
槡
1 9
∑（ x
i =1
i
－ x）
2
（ 3）
σ = σ Y + σ Cb + σ Cr 准方差的最大值： σ N = σ / σ max 第五步： 求出该像素与邻域像素的相似性 H： d max = max8 i = 1 （ di ）
Cb = Cr
Y
－ 39 ． 797 － 74 ． 203 112 × － 93 ． 786 － 18 ． 214 112
- 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)。
一种自适应边界生长的彩色图像分割方法
摘要：本文介绍了一种自适应边界生长的彩色图像分割方法，将HSI空间中的图像，经过自适应调整边界阈值参数，通过边界生长的方法，将所需要的目标识别、分割，最终获得较为全面的目标分割结果。
关键词：自适应边界生长HSI空间阈值参数
引言
数字图像处理技术问世不久，人们就开始了图像分割技术的研究。
图像分割就是给定的图像按照某种准则划分为互不相交的有意义的子图的过程。
在图像分析中，图像分割方法一般有以下四种[1]。
本文利用HSI空间中的针对特定颜色的目标进行识别，通过自适应阈值进行边界生长的方法，针对一类与背景颜色区别较大、具有弧面反光特征的目标欠分割的情况效果较好。
实验结果证明这种方法比较有效。
1.简述
彩色图像分割可以根据图像中的色彩特征来完成，文中采用模式识别理论结合图像处理的方法进行彩色图像在HSI空间的分割。
本文针对由于具有弧面的物体反光形成的颜色渐变，造成的欠分割或目标识别不完全的情况，提出了一种自适应阈值边界生长方法。
文中的主要思路如下：
1）首先给出一个初始图像进行HSI色彩空间转换。
经过中值滤波进行初步处理，以色彩特征H、饱和度S为主阈值分量，对图像进行分割，生成一个二值化的新表。
2）确定生长阈值系数。
3）以阈值进行边界生长，得到一次生长后的图像。
4）检测当前图像中检测出独立目标数，与样本已知目标数是否相等，如不相等，通过均值、方差和自适应参数重新确定生长阈值参数，重新执行步骤（3）。
如相等，则分割结束。
2. 具体图像分割步骤
2.1 HSI色彩空间和滤波
在图像处理中广泛使用的颜色空间主要有RGB、HIS和YUV等。
HIS颜色空间更接近人眼对颜色的感知，它将采集的信心分为色调、饱和度和亮度三种属性。
从原理上说，HSI比较RGB颜色空间更适合用作识别处理的基础[2]。
将RGB 色彩空间转化为HSI空间，其转换关系如下：
此时，针对转换完成HSI空间的S分量和I分量进行中值滤波，将图像亮度和饱和度进行平滑，而对主参考分量H不进行滤波，作为初始分割的主要参考依据。
将经过色彩空间转换和滤波获得的HSI空间图像定义为图像A0。
2.2 初始分割
选取目标颜色，确定对应的H和S作为主参考分量，确定该目标在样本图像A0中的数目N。
以H和S作为参考值对图像进行严格筛选，判定样本图像A0中第X行第Y列的像素点对应的P（X，Y）[H，S]与参考H、S的值在一个较小的可变阈值空间内，产生一个与样本图像对应的二值化新表A1，如果符合条件，则在表A1中的对应第X行第Y列点置“1”，不满足置“0”。
对图像全部像素点进行扫描，获得第一次分割后的图像信息。
2.3 确定初始阈值参数
根据样本图像A0和初始处理后获得的二值图像A1进行计算，对样本图像中全体像素点的I分量求均值和方差，再由A1中分割出来“1”的所有点，对它们的I分量求均值和方差。
取初始自适应参数2.4 边界生长法
初始分割图像确定后，对分割后的图像分别进行逐行扫描和逐列扫描，具体方法如下（以第行逐列扫描为例）：
第一步：在A1中，由第1个“0”点开始向右扫描，检测到跳变点（由“0”到“1”，即为目标左边界）P1（i，j），在A0中，找到相对应的点P0（i，j）。
第二步：在A0中，由点P0（i，j）开始向左以一定步长针对H、S分量进行检索，如果符合生长阈值内，则该点在A1中的对应点置“1”，直到检测到2个不符合的点，停止左侧边界生长。
第三步：回到第一步中检测到的P1（i，j），继续向右扫描，检测到跳变点（由“1”到“0”，即为目标右边界）P1（i，j+n），在在A0中，找到相对应的点P0（i，j+n）。
第四步：重复步骤二，将向左检索改为向右。
重复上述步骤，逐行进行逐列扫描完成后，按相同的方法，逐列进行逐行扫描。
从而产生新的边界生长后的目标图像A2。
2.5 自适应参数调整
判定新的目标图像A2中彼此独立的目标数N2，判断N2与原始样本图像A0中目标数N的关系，如不相等，则重新整定自适应参数，进行2.2的步骤。
如相等，则实验完成。
3. 实验结果
下面给出了一些实验结果，图1为BMP格式实验原图，图2为RGB色彩空间下传统方法进行分割的效果图，图3为本文应用自适应边界生长算法进行分割后的结果，其中图3-a为N=1时分割后的结果，图3-b为N=2时分割后的结果，图3-c为N=3时分割后的结果。
本实验程序采用C++编程，所使用IDE为Virsual C++ 6.0。
图3 本文应用自适应边界生长算法分割结果
实验结果表明：应用本文中自适应边界生长算法获得的分割结果，对于原图像中因为目标表面反光造成的目标识别不全、欠分割等情况具有较好的解决效果。
4. 总结
本文介绍了一个基于自适应边界生长的彩色图像分割算法。
这种算法包括HSI空间边界生长和自适应整定颜色阈值参数，能有针对性的处理一些目标颜色区别性较强，因光照或其他原因，目标表面产生颜色渐变的情况，具有较好的图像处理和分割效果。
本文提到的算法也有相当的局限性，算法的执行时间较长，影响图像识别的实时性，对图像中目标的颜色和数量需要提前标定等，使得本算法只能应用在一些特定的场合。
参考文献：
[1]Jing F ，Li M ，Zhang B. Unsupervised Image Segmentation Using Local Homogeneity Analysis[J]. IEEE International Conference on Multimedia &Expo （ICME），2002（2）：456-459
[2]Haralick R M.Shariro L G. Computer and RobotVision[M]. Mass：Addision. Weslay PublishingCompany. 1992：48-55
[3]Kanumgo T，Mout D M，Netanyahu N S，et al. An efficient K-means clustering algorithm：analysis and implementation [J]. IEEE Trans on Pattern Analysis and Machine Intelligence，2002，24（7）：881-892
[4]林通，石青云. 一种基于边缘生长的灰度和彩色图像分割方法[J]. 中国图形图像学报，2000，5A（11）：911-915
[5]张红，陆谊. 基于局部模糊分形维度的图像边缘检测算法[J]. 微电子学与计算机，2005，22（7）：171-174
[6]闫平凡，张长水. 人工神经网络与模拟进化计算[M]. 北京：清华大学出版社，2002。