本發(fā)明屬于圖像處理
技術(shù)領(lǐng)域：
，涉及一種圖像分割技術(shù)，具體是一種基于tarjan算法和區(qū)域連接的圖像分割方法。
背景技術(shù)：
：所謂圖像分割指的是根據(jù)灰度、顏色、紋理和形狀等特征把圖像劃分成若干互不交迭的區(qū)域，并使得這些特征在同一區(qū)域內(nèi)呈現(xiàn)相似性，在不同區(qū)域之間呈現(xiàn)明顯的差異性?，F(xiàn)有的圖像分割方法主要分以下幾類：基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于圖論的分割方法等。zahn提出一種基于圖的最小生成樹的分割方法，但這種簡單的割斷最小權(quán)重邊的方法存在很大缺陷。由于圖像中往往灰度劇烈變化的區(qū)域的像素之間的灰度差別很大，但是其對應(yīng)在圖中的邊權(quán)重很小，若簡單的設(shè)置閾值來割斷小權(quán)重邊，則會出現(xiàn)不合理的分割。但是基于tarjan算法和區(qū)域連接的圖像分割技術(shù)，不僅在構(gòu)圖的時(shí)候利用了有向的信息，而且在分割的過程中結(jié)合了區(qū)域的概念，既保證整體上是一個(gè)最小樹形圖，又保證了分割后的每個(gè)區(qū)域都是一個(gè)最小樹形圖，最后的區(qū)域連接技術(shù)再一次保證了圖像分割的準(zhǔn)確性，防止出現(xiàn)過分割。技術(shù)實(shí)現(xiàn)要素：本發(fā)明目的是提供一種快速，準(zhǔn)確的基于tarjan算法和區(qū)域連接的圖像分割方法，首次提出了在有向圖上進(jìn)行的，不需要任何參數(shù)設(shè)置的快速圖像分割算法，該算法具有很大的發(fā)展前景和應(yīng)用空間。本發(fā)明提供一種基于tarjan算法和區(qū)域連接的圖像分割方法，包括以下步驟：s1.基于圖像相鄰像素點(diǎn)之間的梯度差的正負(fù)對輸入圖像i構(gòu)建有向圖i'。s2：在有向圖i'上利用tarjan算法構(gòu)建最小樹形圖，為了保證樹形圖一定存在，需要添加一個(gè)虛擬節(jié)點(diǎn)，從虛擬節(jié)點(diǎn)構(gòu)建直線連接有向圖的每個(gè)節(jié)點(diǎn)，權(quán)重為無窮大。構(gòu)建完最小樹形圖之后去掉虛擬節(jié)點(diǎn)和虛擬節(jié)點(diǎn)所連接的邊，形成一個(gè)個(gè)獨(dú)立的根樹，每個(gè)根樹代表一個(gè)碎片區(qū)域。s3：計(jì)算相鄰碎片區(qū)域之間的兩類連接邊，一種邊連接相鄰兩區(qū)域的葉子節(jié)點(diǎn)，權(quán)重為we1。另一種邊連接相鄰兩區(qū)域的根節(jié)點(diǎn)，權(quán)重為we2。s4：將s3中所計(jì)算的兩類邊按we1，λwe2進(jìn)行升序排列并依次判斷：若該邊所連接的兩碎片大小和相似性滿足區(qū)域連接條件，則用由區(qū)域間顏色差決定的權(quán)重邊連接兩碎片區(qū)域。s5：輸出分割圖像i”。進(jìn)一步的，s1中構(gòu)建有向圖的方法為：令p，q表示圖像i上一對相鄰的像素點(diǎn)，表示兩點(diǎn)的梯度值，若構(gòu)建兩條有向連接線分別指向p和q。若構(gòu)建一條有向連接線由q指向p，反之構(gòu)建有向連接線從p指向q。進(jìn)一步的，s3中所述we1和we2計(jì)算公式為：we2＝|avg(u)-avg(v)|其中p1和p2表示相鄰兩區(qū)域u和v的根樹的葉子節(jié)點(diǎn)，avg(u)和avg(v)代表區(qū)域u和v的平均顏色強(qiáng)度。avg(u)＝colsum(u)/size(u)colsum(u)表示區(qū)域u中所有像素點(diǎn)的rgb三通道顏色值之和，size(u)表示區(qū)域u中像素點(diǎn)的個(gè)數(shù)。進(jìn)一步的，s4中λ取0.2，由于每個(gè)區(qū)域的根節(jié)點(diǎn)較葉子節(jié)點(diǎn)不易受邊界節(jié)點(diǎn)的影響，所以賦予根節(jié)點(diǎn)之間的連接邊更小的選擇權(quán)重。區(qū)域連接條件：size(u)-size(v)≤αsize(u)≤β或者size(v)≤βc＜min(int(u)+τ(u),int(v)+τ(v))其中α＝β＝50，c表示當(dāng)前判斷的連接邊的權(quán)重，int(u)，int(v)表示區(qū)域u,v里面的最大的邊權(quán)重。τ(u)＝k/size(u)k＝m*n/sm和n表示輸入圖像i的寬度和高度，s＝200。τ(u)控制兩個(gè)區(qū)域之間的差異在多大程度上小于區(qū)域內(nèi)差異才能被連接。連接兩區(qū)域的邊權(quán)重計(jì)算同we1。本發(fā)明是第一個(gè)用到梯度信息建立像素點(diǎn)之間聯(lián)系的圖像分割算法，打破了傳統(tǒng)的觀念：圖像只能被建立成無向圖，第一次嘗試在有向圖上進(jìn)行圖像分割。圖像分割過程不需要任何參數(shù)的設(shè)置，分割結(jié)果更自然，能同時(shí)滿足速度和精度的要求，既滿足實(shí)時(shí)性，有能實(shí)現(xiàn)精確的分割。本發(fā)明所述的圖像分割過程結(jié)合了整體與局部，既保證整體上是一個(gè)最小樹形圖，又保證了分割后的每個(gè)區(qū)域都是一個(gè)最小樹形圖，最后的區(qū)域連接技術(shù)再一次保證了圖像分割的準(zhǔn)確性，防止出現(xiàn)過分割。附圖說明圖1為有向圖示意圖。圖2為構(gòu)建最小分支的過程。圖3為區(qū)域之間的兩類連接邊示意圖。圖4為在是圖像分割結(jié)果。其中，(a)baby1；(b)monopoly；(c)midd1；圖5為本發(fā)明的方法流程圖。具體實(shí)施方式下面，將結(jié)合附圖1～4進(jìn)一步詳細(xì)說明本發(fā)明的具體實(shí)施方式本發(fā)明是基于tarjan算法和區(qū)域連接的圖像分割技術(shù)，具體實(shí)施步驟如下：s1.基于圖像相鄰像素點(diǎn)之間的梯度差的正負(fù)對輸入圖像i構(gòu)建有向圖i'。令p，q表示圖像i上一對相鄰的像素點(diǎn)，表示兩點(diǎn)的梯度值，若構(gòu)建兩條有向連接線分別指向p和q。若構(gòu)建一條有向連接線由q指向p，反之構(gòu)建有向連接線從p指向q。s2：在有向圖i'上利用tarjan算法構(gòu)建最小樹形圖，為了保證樹形圖一定存在，需要添加一個(gè)虛擬節(jié)點(diǎn)，從虛擬節(jié)點(diǎn)構(gòu)建直線連接有向圖的每個(gè)節(jié)點(diǎn)，權(quán)重為無窮大。構(gòu)建完最小樹形圖之后去掉虛擬節(jié)點(diǎn)和虛擬節(jié)點(diǎn)所連接的邊，形成一個(gè)個(gè)獨(dú)立的根樹，每個(gè)根樹代表一個(gè)碎片區(qū)域。s3：計(jì)算相鄰碎片區(qū)域之間的兩類連接邊，一種邊連接相鄰兩區(qū)域的葉子節(jié)點(diǎn)，權(quán)重為we1。另一種邊連接相鄰兩區(qū)域的根節(jié)點(diǎn)，權(quán)重為we2。we2＝|avg(u)-avg(v)|其中p1和p2表示相鄰兩區(qū)域u和v的根樹的葉子節(jié)點(diǎn)，avg(u)和avg(v)代表區(qū)域u和v的平均顏色強(qiáng)度。avg(u)＝colsum(u)/size(u)colsum(u)表示區(qū)域u中所有像素點(diǎn)的rgb三通道顏色值之和，size(u)表示區(qū)域u中像素點(diǎn)的個(gè)數(shù)。s4：將s3中所計(jì)算的兩類邊按we1，λwe2進(jìn)行升序排列并依次判斷：若該邊所連接的兩碎片大小和相似性滿足區(qū)域連接條件，則用由區(qū)域間顏色差決定的權(quán)重邊連接兩碎片區(qū)域。λ取0.2，由于每個(gè)區(qū)域的根節(jié)點(diǎn)較葉子節(jié)點(diǎn)不易受邊界節(jié)點(diǎn)的影響，所以賦予根節(jié)點(diǎn)之間的連接邊更小的選擇權(quán)重。區(qū)域連接條件：size(u)-size(v)≤αsize(u)≤β或者size(v)≤βc＜min(int(u)+τ(u),int(v)+τ(v))其中α＝β＝50，c表示當(dāng)前判斷的連接邊的權(quán)重，int(u)，int(v)表示區(qū)域u,v里面的最大的邊權(quán)重。τ(u)＝k/size(u)k＝m*n/sm和n表示輸入圖像i的寬度和高度，s＝200。τ(u)控制兩個(gè)區(qū)域之間的差異在多大程度上小于區(qū)域內(nèi)差異才能被連接。連接兩區(qū)域的邊權(quán)重計(jì)算同we1。s5：輸出分割圖像i”。表1提供了該算法對不同尺寸的圖片分割時(shí)間。表1圖片尺寸tarjan平均時(shí)間區(qū)域連接平均時(shí)間(a)baby1370*4130.21s0.04s(b)monopoly370*4430.24s0.03s(c)midd1370*4650.27s0.04s當(dāng)前第1頁12