1、引言

研究表明，人類所接收到的全部信息中，有80%以上是通過視覺得到的。因此，圖像信息對于人們的生活和工作是非常重要的。

紋理分割是圖像處理和模式識別中一個重要的研究內容，一直以來是人們研究的熱點。它是依據同一紋理的一致性特征或不同紋理之間的特征差別，將紋理圖像分割成若干有意義的區域，而提取有效的紋理特征是其中的關鍵和難點。

2、圖像分割概述

圖像分割是是指利用圖像的某些特性，如灰度、顏色、紋理、形狀等，將一幅圖像分割成若干個獨立的有共同像素屬性的對象，其實質是一個按照像素屬性進行聚類的過程。

2.1圖像分割的研究背景

早在上個世紀五十年代中期，人們便開始了關于圖像分割的研究，經過幾十年的大量工作，已取得了很多研究成果，針對具體的圖像，提出了很多不同的分割算法。在很多實際問題中，如目標識別、跟蹤、圖像理解中，并不要求得到圖像的全部信息，因此，在得到一些二維先驗信息的同時，增加一些約束條件，使不適定問題適定化，從而使圖像分割成為可能。

2.2圖像分割的研究目的

圖像分割的目的是將一幅圖像劃分成有意義的區域或部分，其中每部分區域具有相似的特征。圖像分割是圖像識別和圖像理解的基礎，圖像分割雖然是一個古老而經典的基本圖像處理問題，但目前仍然是計算機視覺研究中的一個熱點問題。

2.3圖像分割方法介紹

（1）基于圖論的圖像分割方法 基于圖論的圖像分割方法使用加權圖來映射圖像，圖像的像素對應圖的節點集，像素之間的相鄰關系對應邊集，節點的屬性對應像素的特征信息，邊的屬性對應像素之間的差別或相似性。

（2）彩色圖像分割 人眼由于對亮度具有適應性，在一幅復雜圖像的任一點上人眼只能識別幾十種。由于彩色圖像提供了比灰度圖像更多的信息，因此隨著計算機處理能力的快速提高，彩色圖像處理正受到人們越來越多的關注。

（3）紋理分割方法 紋理分割就是把具有相同或一致紋理特性的區域聚類為一個大的區域。因此，紋理是一種區域特性，要在一定范圍的區域上才能反映或測量出來。研究紋理分割主要涉及三個問題：如何從圖像中提取紋理特征；如何有效地從測量出的眾多紋理特征中提取用于分割的特征；如何有效地分割圖像[1,2].

3、圖像紋理分割的研究應用

3.1圖像紋理定義

紋理一般指人們所觀察到的圖像中象元（或子區域）的灰度變化規律，習慣上把圖像中這種局部不規則的而宏觀有規律的特性稱之為紋理。

3.2圖像分割研究的實際應用

圖像分割在實際中已經得到廣泛的應用，例如在工業自動化，在線產品檢驗，生產過程控制，文檔圖像處理，遙感和生物醫學圖像分析，保安監視，以及軍事，體育，農業工程等方面[3].概括來說，在各種圖像應用中，只要需對圖像目標進行提取、測量等都離不開圖像分割。

（1）自動目標識別和分類。紋理分割是自動目標檢測、識別和分類的重要處理步驟。比如綜合孔徑雷達圖像中的植被區域邊緣檢測、紅外雷達的敏感目標定位、激光雷達的前景背景分離等等。

（2）醫學圖像處理。影像診斷己經成為現代臨床醫學的重要診斷工韓曉晨東北電力大學自動化工程學院 吉林長春 132012具，各種醫學影像技術比如超聲波成像、X線斷層攝影術、核磁共振成像的結果分析往往都需要提取特定感興趣的目標。有些醫學圖像通常存在較大的模糊和斑點，要求圖像分割對于這些模糊和不規則的斑點具有一定的魯棒性。

（3）計算機視覺。計算機視覺中的“分割”概念通常就指要定位出現實生活中自然圖像里的目標物的輪廓。分割自然場景圖像的困難通常不再是模糊和噪聲的問題，主要的困難在于自然場景圖像中目標物體、區域形狀和區域紋理結構的多樣性。

（4）基于內容的圖像檢索和分割。隨著因特網和數字技術的日新月異，人們幾乎每天都要接觸各種數字圖像，但長期以來，圖像僅可用名字來檢索，圖像分類也依賴于人工處理，為了有效瀏覽和應用這些圖像，迫切需要功能強大的檢索工具，因此人們提出是否可用圖像的內容進行查詢分類。

4、圖像紋理分割方法分類介紹

4.1基于統計紋理特征的方法

紋理特征的統計描述方法是基于像素及其鄰域的灰度屬性，研究紋理區域中的統計特性，或像素及其鄰域內的灰度的一階、二階或高階統計特性。紋理的統計描述由來己久，描述方法種類眾多。在這些方法中，灰度直方圖統計法、灰度共生矩陣法、自相關法、局部二值模式等方法都被用于紋理分割。

4.2基于結構紋理特征的檢測方法

結構法的基本思想是認為復雜的紋理可由一些簡單的紋理基元以一定的有規律的形式重復排列組合而成。因此，為了刻畫紋理，就需要刻畫灰度紋理基元的性質以及它們之間的空間聯系。一般認為一個紋理基元是由一組屬性所刻畫的相連通的像素集合。

4.3基于模型紋理特征的檢測方法

基于模型的紋理特征描述方法假設紋理按某種統計模型分布，采用模型的參數作為紋理特征。模型參數的估計是模型法的核心問題。常見的用于描述紋理特征的模型有：馬爾柯夫隨機場、高斯馬爾柯夫隨機場、自回歸模型、Wold模型、分形模型等。

4.4基于頻譜紋理特征的檢測方法

基于頻譜紋理特征的檢測方法是建立在時頻分析與多尺度分析基礎之上，對紋理圖像中子區域內實行某種變換后，再提取保持相對平穩的特征值，以此表示區域內的一致性以及區域間的相異性。紋理表面具有規律的重復性，當局部出現缺陷時，該區域對應的頻譜發生變化。根據這一特點，常通過頻域上分析圖像的頻譜特征進行缺損檢測。常用的頻譜紋理特征包括Fourier變換法、Gabor變換法、小波變換法等。

5、結論

從圖像分割研究的歷史來看，可以看到對圖像分割的研究有幾個明顯的趨勢：一是對原有算法的不斷改進。二是新方法、新概念的引入和多種方法的有效綜合運用。在新出現的分割方法中，基于小波變換的圖像分割方法就是一種很好的方法。三是交互式分割研究的深入。由于很多場合需要對目標圖像進行邊緣分割分析，例如對醫學圖像的分析，因此需要進行交互式分割研究。四是對特殊圖像分割的研究越來越得到重視。相信隨著研究的不斷深入，存在的問題會很快得到圓滿的解決。

參考文獻

[1]章毓晉。圖像分割[M].北京：科學出版社，2001.
[2]李新征，易建強，趙冬斌。一種改進的自然圖像分割方法。計算機應用研究，2006,5（6）：251-254.
[3]楊帆，廖慶敏?；趫D論的圖像分割算法的分析與研究[J].電視技術，2006.