彩色图像分割策略：颜色空间分割方法

彩色图像分割与灰度图像分割相比，大部分算法在分割思想上是一致的，都是基于像素值的相似性和空间的接近性，只是对像素属性的考察以及特征提取等技术由一维转向了多维。这是由于对于每一个像素的描述，灰度图像是在一维亮度空间上，而彩色图像是在三维颜色空间上。彩色图像分割的大部分方法或思想都是从灰度图像分割方法继承来的，但经过实验证明这些直接继承下来的方法不适合于大部分彩色图像，所以人们对这些方法作了一些改进。总的来说，目前彩色图像分割方法主要有以下几种。

（一）基于阈值的分割方法

由于彩色图像的像素不是只有灰度属性，所以不能直接使用直方图阈值法，多数方法都是对彩色图像的每个分量分别采用直方图阈值法。由于彩色信息通常由R、G、B或它们的线性或非线性组合来表示，所以用三维数组来表示彩色图像的直方图并在其中选出合适的阈值，并不是一件简单的工作。但这种分割方法不需要先验信息且算法简单易行。

（二）基于边缘的分割方法

边缘检测是灰度图像分割中广泛使用的一种技术，在灰度图像中，边缘的定义是基于灰度级的突变，而且当两个区域的边缘亮度变化明显时才能被检测出来。在彩色图像中，用于边缘检测的信息更加丰富，如具有相同亮度、不同色调的边缘同样可以被检测出来。相应地，彩色图像边缘的定义也是基于三维颜色空间的不连续性。

（三）分割颜色空间

用阈值法分割彩色图像可转变为分割颜色空间，图像中的不同物体对应于在RGB空间或HSI空间中定义的三维直方图中互相分离的点簇。

1.HSI彩色空间分割

在HSI空间进行彩色图像分割时，由于H、S、I三个分量是相互独立的，所以可将这个三维搜索问题转化为三个一维搜索问题。典型情况是，为了在色调图像中分离出感兴趣的特征区域，可用饱和度作为模板图像。因为强度图像不携带彩色信息，故在彩色图像分割中不常使用。(www.xing528.com)

这里介绍两种HSI彩色空间的分割方法：

1）基于色调（H）直方图的彩色图像分割：该方法对于原始图像中颜色数较少、目标颜色单纯、且波长分布相对分散的情况，可得到较好的结果。但由于它只考虑了色调值，没有考虑光强和饱和度等对颜色的影响，因此在不同光照和饱和度下，很难得到较好的效果。

2）基于分形理论和BP神经网络的彩色图像分割：该方法将彩色图像由RGB空间转换为HSI空间，采用彩色图像的亮度计算分数维、多重分形广义维数谱以及空隙特征等六个参数作为纹理特征，加上归一化的色度和饱和度，这8个参数作为分类特征，以BP神经网络作为分类器的彩色纹理图像分割方法。这种方法不仅对由于亮度差异而形成彩色纹理图像有效，对于亮度基本一致而在色彩上呈现差异的纹理图像也有效。

2.RGB彩色空间分割

分割的目标是对给定图像中的每一个RGB像素进行分类，需要选择适当的相似性度量。最简单的度量之一是欧氏距离：

这里，R、G、B表示向量X与μ的RGB分量。D（X，μ）≤D0的点的轨道是半径为D0的实心球。

由于应用领域的不同、图像质量的好坏及图像色彩的分布和结构的差别决定了很难找到一种通用的分割方法来解决由于这些客观因素所引起的彩色图像分割问题。目前普遍采用的技术是根据实际情况组合不同的方法，分层次的分割图像，针对可能遇到的特殊问题，研究新的方法策略。