摘要
通常在进行图像处理时,并不需要对整幅图像进行处理,往往我们感兴趣的部分只有图像中的某个区域。快速、有效地将目标区域分割出来,不仅能降低运行时间,而且能为后续处理工作打下基础。因此,本文将对目标区域分割算法进行研究,分别采用大津法(OTSU)、K-means聚类法、分水岭算法进行研究,通过实验对比发现,背景较单一时,大津法相对来说效果较好。
引文
[1]吕欣然,陈洁,张立保,等.基于显著特征聚类的遥感图像感兴趣区域检测[J].光学学报,2015,35(A01):103-108.
[2]曹亮.基于Otsu理论的图像分割算法研究[D].武汉:武汉理工大学,2008.
[3]刘小丹,牛少敏.一种改进的K-means聚类彩色图像分割方法[J].湘潭大学自然科学学报,2012,34(2):90-93.
[4]王宇,陈殿仁,沈美丽,等.基于形态学梯度重构和标记提取的分水岭图像分割[J].中国图象图形学报,2008,13(11):2176-2180.
[5]Patel B C,Sinha D G R.An adaptive K-means clustering algorithm for breast image segmentation[J].International Journal of Computer Applications,2010,10(4):35-38.
[6]Paul T U,Bandhyopadhyay S K.Segmentation of Brain Tumor from Brain MRI Images Reintroducing K-Means with advanced Dual Localization Method[J].International Journal of Engineering Research and Applications(IJERA),2012,2(3):226-231.
[7]王雪光,陈淑红.基于K均值聚类的成熟草莓图像分割算法[J].农机化研究,2013,35(6):51-54.
[8]孙惠杰,邓廷权,李艳超.改进的分水岭图像分割算法[J].哈尔滨工程大学学报,2014,35(7):857-864.
[9]Soille B V.Watershed in Digital Spaces:An Efficient Based on Immersion Simu-lations[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1991,13(6):583-598.
[10]郭昱杉,刘庆生,刘高焕,等.基于标记控制分水岭分割方法的高分辨率遥感影像单木树冠提取[J].地球信息科学学报,2016,18(9):1259-1266.