基于视觉特性的图形图像分割算法研究

马禄

摘要：图像处理技术主要是人类依据自身需要，借助现代计算机技术和图形图像分割算法对各种图形图像进行再加工，以产生能够满足人类应用需求的目标图形图像。但是现阶段很少图形图像分割方法在分割过程中充分考虑分类的视觉特性，这样就造成分割后的图形图像远远难以满足人类的视觉感知需求。为此该文概述了人类视觉系统的组成和特性，全面分析了现阶段图形图像分割中存在的问题，并提出了与人类视觉特性相适应的图形图像分割算法，以供相关人员参考。

关键词：视觉系统；特性；图形图像分割；问题；算法

中图分类号：TP3 文献标识码：A 文章编号：1009-5039（2018）17-0216-02

通常图形图像处理工作是以图形图像分割技术为基础的，正是借助图形图像分割，目标区才能被准确地从图形图像背景中分离出来。现阶段受图形图像自身质量与自身内容复杂性多样的影响，计算机很难依据人们本身的意愿分割出比较符合人类视觉感知特征的图像结果。所以相关研究人员有必要进一步深入探索基于人类视觉特性的图形图像分割算法。

1 人类视觉系统的基本组成及特征

人类视觉系统一般由人眼与视觉中枢神经系统两部分组成。其中人眼负责感知可见光信息，这些可见光信息在人类视网膜上投射出二维影像，而视觉中枢神经系统（一般由视神经、大脑皮层中的视觉信息处理区以及外侧膝状体等众多结构组成）负责对二维影像重构、定位、辨别、分析与研究。也可说人类的视觉感知过程就是一个依据表面属性认识物体到通过语义信息认识物体的过程。而人类的视觉特性主要有三点。第一，多通道机制和视觉掩盖效应。所谓多通道机制，主要指人类视觉系统中存在多个没的信息传递通道。每个通道都拥有自己比较敏感的空间频率，同时不同信息频道彼此作用，最终共同影响人类视觉系统对不同空间频率的感知。而掩盖效应则是人类视觉系统多通道机制的一种重要显现。它主要指人类视觉系统在感知某点视觉信号时，其实际的感知程度会直接受其周边视觉信号的影响而发生变化。一般当只存在一个视觉信号时，人眼能够很轻松地辨别它，而当另一个视觉信号出现时，就会直接降低人眼对于原视觉信号的辨别度，掩盖住人类视觉系统对原视觉信号的感知。通常当两个视觉信号的空间频率越接近时，人类的视觉掩盖效应越明显。第二，亮度和对比度视觉敏感特性。此特性主要是指人眼对物体亮度的感知并非单纯地由物体自身的亮度决定，而且还受物体所处周边区域环境的影响。因为人眼在感知图像时会自动增强图像的区域边缘，这就使得人的视觉系统敏感度随着空间频率的变化而变化。与平坦区域相比，人的视觉系统对边缘区域的感知敏感性更高；与绝对亮度相比，人的视觉系统对局部区域的对比度改变敏感性更高。第三，视觉集中特性。人类的视觉集中特性主要是人类视觉系统在面对大量复杂的视觉信息时，能够快速地将视觉注意力固定在几个比较明显的自己感兴趣的视觉目标身上，自动屏除其它视觉目标[1]。

2 现阶段图形图像分割中存在的问题

（1）二维图像分割中存在的问题

目前在计算机在图像处理过程中，对二维图像的分割主要存在四方面不足。第一，缺乏适用性强的图像分割方法。随着数字图像处理技术的进步，人们对于二维图像分割的要求也越来越高。现阶段计算机应用的很多二维图像分割算法都是只局限于某一类二维图像的，适用性不强，在分割二维图像时，很难将二维图像的空间信息、灰度信息、纹理特征等诸多图像信息要素综合考虑进来。第二，图像分割精确度不高。在工业检测、工业零部件制作等行业中，经常需要依据实际的应用要求，对二维图像进行较为精确的分割。此时二维图像的分割精度将直接关系着后续工作的开展。但是在实际的二维图像分割过程中经常受图像质量、图像内容对比度与图像边缘模糊等因素影响而造成分割精确度较低，根本难以满足工业图像处理要求。第三，缺乏健全完善的图像分割质量评价标准。现阶段人类在评价二维图像的分割质量时多采用定量评价方法，通过对图像分割区域的对比度、一致性、分割精确率等标准的评价而得出相应的评价结果。但是因为不同二维图像实际的应用要求不同，所以其采用的评价标准也不同，这样对于同样的分割结果，人类的评价结果自然也不同。这就需要及时创建一套健全完善的二维图像分割质量评价标准，满足所有应用要求下，人們对分割图像的质量评价。第四，图像分割结果难以满足人类的视觉感知需求。现阶段的二维图像分割方法都是建立在分割区域的特征差异度或分割区域的相似性基础上的，通过相似度与差异性从背景图像中有选择性地提出目标。在整个分割过程中，几乎不曾考虑人的感知，难以依据人类的视觉感知特性，对图像进行较为人性化的语义分割，这样就造成分割出来的图像远远维以满足人类的视觉感知要求，与人类原本的分割意图相差甚远[2]。

（2）三维网格分割中存在的问题

目前人类所遇到的三维网格分割问题主要表现在以下三点。第一，缺乏适用性强的三维模型分割方法。在三维模型的分割过程中，其基本的分割要求就是将三维模型分割成若干有内涵的部件，而内涵本身是由人类的主观思维决定的，并非是一个定性的客观标准，不同的人由于自身的主观认识不同，对内涵的界定也不同。所以利用这种分割方法，很成功进行三维模型的分割。第二，缺乏统一的三维网格分割质量评价标准。目前，有很多分割方法都能够应用于三维网络分割，但是如何通过一个统一的分割质量评价标准科学评价三维网格的分割质量，从而客观衡量出各种三维网络分割方法的优劣却成为一个难题。第三，难以科学进行复杂网格模型与含噪网格模型的分割。近些年来，随着3D打印技术突飞猛进的发展，相关人员在设计一些复杂网格模型时，经常可以通过3D打印机来完成。然而因为3D打印机自身容量普遍偏小，所以很难科学地完成复杂网格模型的分割。而在一些虚拟现实与现代逆向工程中，受人为因素与外部随机因素等的影响，获取的三维图形经常伴有一定量的高频率噪音信号，使得计算机难以正确判断三维网络的几何属性。目前对于这种含噪网格模型普遍的分割方法是先处理掉相关噪声，再开始分割。但是这种分割方法并不科学，不但应用条件较为苛刻，且在分割过程中还会丢失部分模型信息[3]。

3 基于视觉特性在图形图像分割算法

（1）基于人类视觉特性的自适应二维图像阈值分割算法

图像阈值分割算法主要是通过计算与选择图像阈值将目标区域从图像背景区域中提取出来。通过阈值分割算法分离出来的图像虽然数据量小，占用的存储空间少，显著简化了后续的图像分析与图像处理环节，加快了图像处理的效率。但是它在分割图像的过程中过于关注图像的空间信息与图像的灰度特征，疏忽了人类视觉对于图像分割的影响及在图像分割中的作用。而基于人类视觉特性的自适应二维图像阈值分割算法则以人类的视觉特性为分割图像的基本出发点，通过先进方法从人性化视角优化图像的分割阈值，最终使分割出来的目标二维图像能够更好地满足人类的视觉感知需求[4]。

关于基于人类视觉特性的自适应二维图像阈值分割算法的具体实施过程则主要分为三步，第一，划分图像像素。所谓划分图像像素就是以二维图像部分区域的梯度信息为参照标准，科学地将原始二维灰度图像的全部像素分成两大类。第二，创建新二维图像。在完成像素划分后，就需要参照这两种不同类型像素的具体灰度信息创建两幅新二维图像，并将原二维灰度图像中的不同信息分别复制在新图像中。第三，计算相应图像分割阈值。此环节，需要依据人类的视觉特性，确定相应的目标函数，并优求解相应的目标函数，最后与图像局部像素有效结合，科学计算出符合人类视觉特性的图像分割阈值，然后分割图像[5]。

（2）基于种子点的三维网格分割算法

三维网格分割算法一般是指将特定的三维网格模型划分成多个独立的子网格。对于三维网格分割的图形结果因为实际的应用要求与评价标准的差异，其分割质量评价也差别较大。的不同而差异较大。基于种子点（模型点）的三维网格分割算法主要通过选择相应的三维网格种子点（模型点）确建一个三维网络预选种子点集合，之后再通过多次筛选，确定最终的三维网络模型点集合，每一个独立模型点都表示一个即将被分割的三维网格部件。在实践操作中，其具体的实施方法大致分为两步。第一，科学确定三维网格中最明显的网格顶点创建一个有意义的种子点集合。第二，在参照人类视觉知识中相關“最小值规划”理论的基础上，定义好相应的距离函数，同时通过确定好的有意义的种子点集合，科学分割相关的三维网格模型[6]。

4 结语

综上所述，近些年来随着计算机的普及和数字媒体技术的进步，图形图像处理技术在工业检测、虚拟现实、计算机动画制作等行业中社会各行业所起的作用越来越重要。而作为图形图像处理基础的图形图像分割算法却没有得到同步发展。人类在图形图像分割方面仍然存在着诸多的问题，其中最突出的问题就是难以将图形图像分割与人类的视觉特性科学融合，分割出符合人类视觉认识特性的图形图像。这就要求相关研究人员继续探索，早日研究出更加科学的基于人类视觉特性的图形图像分割算法，满足多样化的图形图像分割要求。

参考文献：

[1] 卢凯，熊振海，李崇飞，等.基于全局结构相似度度量方法的显著性检测[J].计算机工程与科学，2013，35（6）：113-117.

[2] 姚军财，刘贵忠.一种基于人眼对比度敏感视觉特性的图像自适应量化方法[J].电子与信息学报，2016，38（5）：1202-1210.

[3] 车景青，陈京华，胡苗峰，等.大菱鲆（Scophthalmus maximus）鱼苗视网膜组织结构与视觉特性[J].渔业科学进展，2016，37（2）：25-32.

[4] 李大.高速公路连续下坡路段线形指标与视觉特性关系研究[J].公路工程，2017，42（3）：90-94.

[5] 张永德，彭景春，刘罡，等.基于水平集的前列腺磁共振图像分割方法研究[J].仪器仪表学报，2017，38（2）：416-424.

[6] 刘金平，陈青，张进，等.基于集成学习的交互式图像分割[J].电子学报，2016，44（7）：1649-1655.