基于K-Means與區(qū)域生長的ROI圖像分割算法.pdf

1、近年來，隨著現(xiàn)代化科學(xué)技術(shù)及相關(guān)理論的迅猛發(fā)展，人們對數(shù)字圖像處理的要求日益提高。在圖像的分析和應(yīng)用中，人們往往只是對其中的目標(biāo)物感興趣，而這些目標(biāo)物常常位于圖像中的不同區(qū)域，因此，需要根據(jù)目標(biāo)物的特征把圖像分成幾個感興趣區(qū)域，這就是圖像分割所要完成的工作。然而，“感興趣區(qū)域”是指該區(qū)域能與圖像中的其他的目標(biāo)或背景區(qū)域相對應(yīng)，利用特征參數(shù)將其從不同的背景與區(qū)域中分割出來。所以，圖像分割是圖像研究及分析的一個核心步驟，分割出來的效果會直接

2、影響到目標(biāo)細(xì)節(jié)或關(guān)鍵區(qū)域的描述、識別與分析。
　　本文研究的是基于K-Means與區(qū)域生長的ROI圖像分割算法，該算法利用一種較精確的基于聚集的分割算法，核心思想是首先對圖像進(jìn)行灰度處理，接著利用K-Means亮度的劃分可以比較準(zhǔn)確的提取出圖像的感興趣區(qū)（ROI)。然后，利用自適應(yīng)閾值算法，根據(jù)目標(biāo)與背景區(qū)域的特征方差取最大值時即為圖像的最優(yōu)閾值T完成對圖像ROI的閾值提取。再次，利用種子點的區(qū)域生長將具有類似特征性質(zhì)的像素拼接起