图像分割是图像识别和图像理解的基本前提,图像分割质量的好坏直接影响后续图像处理的效果。因此图像分割的作用是至关重要的[9]。图像分割一直是图像处理中研究的一
个热点问题,人们已提出上千种分割方法,但至今为止还没有一个通用的、理想的解决办法。彩色图像由于比灰度图像包含更多的色彩信息,所以它的分割就显得尤为重要。
现有的彩色图像分割方法基本上可归结为两种:第一种是把彩色图像转化为灰度图像,然后用灰度图像的分割算法进行分割。这种方法算法比较成熟丰富,但分割过程中丢失了彩色信息,很难分割出彩色信息的细节成分。第二种是专门针对彩色图像的分割算法。分为基于颜色信息的分割方法和基于空间信息的分割方法。基于图像颜色信息的分割方法把颜色信息作为图像分割的主要依据。一般使用K-均值聚类算法或模糊K-均值聚类算法[10]。基于像素空间关系的分割方法主要有两种。一种是基于像素区域之间的边界进行图像分割,人们一般是有Sobel、Canny等算子进行边缘检测[11],其二是基于区域的方法。利用区域(像素)之间邻接和相似性进行图像区域生长与合并来进行图像分割。尽管基于区域的图像分割既考虑到彩色空间中颜色的贡献,又考虑到与邻近像素之间的联系,是一种比较有效的图像分割方法,但分割之前必须指出种子点个数和位置,难以实现自动分割。从现有的彩色图像分割方法可以看出,不管用什么方法对彩色图像分割,都要定义两种颜色之间的距离。本文采取的是基于颜色模型的分割方法对交通标志图像进行分割,其颜色分割算法原理如下。
颜色无疑是交通标志最主要、最显著的特征[12],目前大部分交通标志识别系统都把颜色分析作为初步分割的依据。以颜色为依据进行检测的方法有许多,交通标志检测中较常用的有:彩色空间的各通道进行阈值分割或聚类色结构编码(Color Structure Code),构造模糊分类器进行推断[13],区域分裂[14]等方法。阈值分割是颜色分割中最常见的方法,该法通过一定的阈值,将图像划分为感兴趣色彩区域(如红色、蓝色等属于交通标志的颜色)和非感兴趣色彩区域,这种方法操作简单,计算量较小。但单一阈值对光照等因素的鲁棒性较低,对分割效果造成很大影响。改进的思路主要从彩色空间的选择和阈值选取两方面展开。由于图像中物体的颜色实际上是物体在光源照射下反射光的颜色,除了物体本身的颜色,还取决于光源的位置和强度,因此许多研究致力于寻找具有“色彩不变性”(即不受光源等外部因素影响)的量,即选择合适的彩色空间。
目 录HSV色彩模型从CIE三维颜色空间演变而来,它采用的是用户直观的色彩描述方法,它跟孟塞尔显色系统的 HVC 球型色立体较接近。(如图HSV 色彩六棱锥)只不过HSV色彩模型是一个倒立的六菱锥,只相当于孟塞尔球型色立体的一半(南半球),所以不含黑色的纯净颜色都处于六菱锥顶面的一个色平面上。在HSV六菱锥色彩模型中,色相(H)处于平行于六菱锥顶面的色平面上,它们围绕中心轴V旋转和变化,红、黄、绿、青、蓝、品红六个标准色分别相隔60度。色彩明度(B)沿六菱锥中心轴V从上至下变化,中心轴顶端呈白色(V = 1),底端呈黑色(V = 0),它们表示无彩色系的灰度颜色。色彩饱和度(S)沿水平方向变化,越接近六菱锥中心轴的色彩,其饱和度越低,六边形正中心的色彩饱和度为零(S = 0),与最高明度的V = 1相重合,最高饱和度的颜色则处于六边形外框的边缘线上(S = 1)。
(1) 色平面(H、S)的基础是CIE色度图的x、y色平面
(2) 明度与六棱锥中轴色(v)
成品毕业设计 可以根据自己的要求, 自行浏览选购, 可以参考是否符合自己要求,找到满意的成品毕业设计 , 直接发送成品编号联系发你网址的工作人员进行交易, 我们会从QQ或者邮箱等方式发送毕业设计程序。
我们团队 , 可以根据用户的功能要求量 身定制毕业设计程序 (同样联系发你网址的 工作人员) , 需要用户提供详细的 , 功能要 求.开发技术要求(开发语言、开发工具、框 架等 ) . 我们会根据用户毕业设计的难易程 度 , 工作量大小等, 具体的给出一个报价,价格 协商一致过后,付下40%定金.我们开始开 发毕业设计, 做好过后先发送设计桌面演示录像 , 用户看后 满意付尾款, 我们再发程序源码压缩包!