摘 要

随着信息科技的发展，图像分割已经成为图像处理和计算机视觉领域的重要组成部分。无论是理论部分还是应用部分，图像分割都得到广泛的关注。运用图割理论进行图像分割是近年发展起来的新方法。图割理论的核心思想在于构造一个能量函数，然后通过组合优化技术最小化该能量函数,该理论的创新在于它的全局最优性和结合多种知识的统一性。图割理论是通过将图像分割问题转化为能量函数最小化问题，再将能量函数最小化问题转化为s-t网络的最小割问题，通过网络流理论可知，最大流等于最小割，通过求解s-t网络中的最大流，最终解决图像处理中的各种问题。通过用户提示前景和背景可能包含的颜色信息，然后进行分割，分割效果理想。

我们提出了一种新的图像分割算法——GrabCut算法。GrabCut是一种改进Graph Cuts的图像分割方法。该方法在Graph Cuts图像分割方法基础上做了三点改进：一是，更换颜色概率模型；二是，采用迭代式切割方法；三是，采用不完全标号(incomplete labeling)，提高用户交互性。该方法用户交互简单，通过多次迭代可以获得理想的分割结果，是一种很实用的图像分割方法。

本论文主要由以下几部分组成：

（1）传统分割算法的研究，主要介绍了边缘检测法和基于区域的方法；

（2）图割基本理论的研究，主要包括图、网络流理论、能量最小化理论；

（3）基于图割理论的图割算法的研究，介绍了如何运用图割相关理论实现图割算法对图像的分割；

（4）图割算法的实验结果及与传统分割方法的比较分析。

经过实验验证，两种方法都完成了对图像进行分割的性能，但与传统方法相比，图割能基本将前景完整地分割出来，边界线光滑，只对前景背景边界色彩相近区域处理不够完美。

关键词：图像分割 能量函数 GrabCut 图割

Abstract

With the development of computer vision, image segmentation has become an important part of the field of image processing and computer vision. Both the theory and the application of image segmentation have received extensive attention.Image segmentation based on graph cut is a new approach that developed in recent years. The core idea of the graph cut is to construct an energy function, then minimize the function by combinatorial optimization techniques. The novelty of the theory lies in its global optimality and unity of combining multiple knowledge.The basic idea of segmentation is that the graph cut theory transforms the problem into the minimization of the energy function, and then transforms the energy function minimization problem into the minimum cut problem of the s-t network,through the network flow theory, we can know that the maximum flow is equal to the minimum cut. By solving the maximum flow in the s-t network, we can finally solve the problems in vision.Through the user's prompt foreground and background may contain the color information, and then automatic segmentation, segmentation effect is ideal.

We propose a new image segmentation algorithm-- GrabCut algorithm.GrabCut is an improved Graph Cuts image segmentation method.The method in the graph cuts image segmentation method based on the three improvements: first, change color probability model; second, using iterative cutting method; three, using incomplete label (incomplete labeling), improve user interaction.This method is simple and easy to interact with, and it can get ideal result through many iterations. It is a very useful method of image segmentation.

This thesis mainly includes the following components:

(1)The research of the traditional segmentation algorithm mainly introduces the edge detection method and the region based method.;

(2) The research of basic theory of graph cuts, mainly including graph, network flow theory, energy minimization theory;

(3) Graph cut algorithm based on graph cut theory, this paper introduces how to use graph cut theory to realize image segmentation.;

(4)Experimental results of graph cut algorithm and comparative analysis with the traditional segmentation method;

After the experiment, two methods have completed the performance of the segmentation of the image, but compared with the traditional method, graph cut can be foreground segmentation out, smooth boundary line, only foreground and background color of the border area close to the process is not perfect.

Key words:Image Segmentation Energy Function GrabCut graph cut

目录

第1章 绪论 1

1.1目的及意义 1

1.2基于图割的图像分割的研究现状 1

1.3本文的主要工作及内容安排 2

第2章 传统分割方法 4

2.1 边缘检测法 4

2.1.1边缘检测法原理 4

2.1.2经典边缘检测算子 5

2.1.3边缘检测算子检测结果对比分析 6

2.2基于区域的分割法 7

2.2.1区域生长法 7

2.2.2区域分裂合并法 7

2.2.3区域生长法实验结果分析 7

2.3本章小结 8

第3章 图割理论研究 9

3.1图与网络流理论 9

3.2 s-t割 9

3.3最大流-最小割定理 10

3.4本章小结 11

第4章 基于图割的图像分割算法的设计与实现 12

4.1图割算法的设计思路 12

4.2图割算法的设计与实现 12

4.2.1图像分割问题的理解 12

4.2.2 图割问题转换为能量函数问题 13

4.2.3能量函数最小化转换为s-t网络 14

4.3本章小结 16

第5章 基于图割的图像分割算法的具体实现及结果分析 17

5.1图割算法实现的步骤及程序流程图 17

5.2实验结果分析 19

5.2.1前背景相差大或小的彩色图像的比较 22

5.2.2单一目标的彩色图像与灰度图像分割算法的比较 22

5.2.3从多个目标的图像中分割出单个目标的算法比较 23

5.3图割算法的改进分析 23

5.4本章小结 23

第6章 总结与展望 24

6.1全文总结 24

6.2展望 24

参考文献 25

致谢 26

第1章 绪论

1.1目的及意义

随着信息技术与通信手段的快速发展，大量的多媒体信息越来越多地出现在社会与人们的活动范围内，也改变了我们的生活方式。传播的信息多种多样，有语言文字方面，声音方面，图片信息方面以及发展越来越迅速的视频方面。在如今已知的几大范围里，人们最能直观感受和包含信息量最大的就是图像。至今为止，信息传递的方式也日新月异。从很早之前的烽火相传到今天的打电话、上网，甚至更加科技化的东西。今天，我们经常使用的相机、手机以及电脑，都离不开图像的应用。其中，图像分割作为计算机视觉问题中的一个基础的问题，得到了大家的关注。图像处理部分、图像分析部分和图像理解部分分别是计算机图像技术的三个部分。图像分割是图像处理与图像分析之间的关键，如图1.1所示。图像分割是为了分割出来你所需要的目标，为后面的图像的分析与理解奠定了基础。至今已有许多图像分割的方法，但是还没有出现过任何一种图像分割方法可以对所有的图像进行有效的分割。因此，本文关于基于图割的图像分割方法具有研究的意义和价值。正因为其在图像工程上的重要且关键的地位，要求图像分割得到的结果的准确度和精确度很高，值得我们进一步研究探讨图像分割技术。