一．选题依据

数字图像处理技术是一个跨学科的领域。随着计算机科学技术的不断发展，图像处理和分析逐渐形成了自己的科学体系，新的处理方法层出不穷，尽管其发展历史不长，但却引起各方面人士的广泛关注。

图像分割是图像处理中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提.图像分割的目的在于根据某些特征将一幅图像分成若干有意义的区域，使得这些特征在某一区域内表现一致或相似，而在不同区域间表现出明显的不同.多年来，已经提出了许多不同类型的图像分割方法.经典的方法有阈值法、区域生长法、松弛法、边缘检测法，以及分裂合并法等，现代的方法则有神经网络法和模糊聚类法等.有些分割运算可直接应用于任何图像，而另一些只能适用于特殊类别的图像。有些算法需要先对图像进行粗分割，因为他们需要从图像中提取出来的信息。例如，可以对图像的灰度级设置门限的方法分割。值得提出的是，还没有唯一的标准的分割方法。许多不同种类的图像或景物都可作为待分割的图像数据，不同类型的图像，已经有相对应的分割方法对其分割，同时，某些分割方法也只是适合于某些特殊类型的图像分割。分割结果的好坏需要根据具体的场合及要求衡量。

然而，对图像分割的效果好坏或正确与否，还没有一个统一的评价判断准则。不同的分割方法对同一幅图像的分割效果是不同的，而且同一种分割方法对一幅图像在不同空间下的分割效果也是不同的。

本课题就是从这一起点出发，研究同一种分割方法对一幅图像在RGB和HSI色彩空间下的分割效果，对其进行定量比较。

二．文献综述内容

数字图像处理技术是一个跨学科的领域，就是指利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为。随着计算机科学技术的不断发展，图像处理和分析逐渐形成了自己的科学体系，新的处理方法层出不穷，尽管其发展历史不长，但却引起各方面人士的广泛关注。21世纪是一个充满信息的时代，图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。首先，视觉是人类最重要的感知手段，图像又是视觉的基础，因此，数字图像成为心理学、生理学、计算机科学等诸多领域内的学者们研究视觉感知的有效工具。其次，图像处理在军事、遥感、气象等大型应用中有不断增长的需求[1]。

图像分割是图像处理中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提。数字图像目标分割与提取是数字图像处理和计算机视觉领域中一个备受关注的研究分支。因为在目标分割与提取过程中可以利用大量的数字图像处理的方法，加上其在计算机视觉、模式识别等领域中的广泛应用，都吸引了众多研究者的注意。相信对这一问题的深入研究不仅会不断完善对这一问题的解决，而且必将推动模式识别、计算机视觉、人工智能等计算机科学分支的发展。图像分割和边缘检测的问题在近二十年中得到了广泛的关注和长足的发展，国内外很多研究人士提出了很多方法，在不同的领域取得了一定的成果。但是对于寻找一种能够普遍适用于各种复杂情况的准确率很高的分割和检测算法，还有很大的探索空间。

由于图像的多义性和复杂性，许多分割的工作无法依靠计算机自动完成，而手工分割又存在工作量大，定位不准确的难题，因此，人们提出了一些人工交互和计算机自动定位相结合的方法，利用各自的优势，实现目标轮廓的快速定位。相信这些交互式方法的应用，必将推动图像目标分割与提取这一既具有广阔的应用前景又具有重要的学术价值的课题的进一步研究，也必将成为一个更为独立和活跃的研究领域[2]。

分割问题的困难在于图像数据的模糊和噪声的干扰。到目前为止，还没有一种或者几种完善的分割方法，可以按照人们的意愿准确的分割任何一种图像。实际图像中景物情况各异，具体问题具体分析，需要根据实际情况选择适合的方法。分割结果的好坏或者正确与否，目前还没有一个统一的评价判断准则，分割的好坏必须从分割的效果和实际应用场景来判断。不过在人类研究图像的历史中，还是积累了许多经典的图像分割方法。虽然这些分割方法不适合所有类型的图像分割，但是这些方法却是图像分割方法进一步发展的基础。事实上，现代一些分割算法恰恰是从经典的分割方法衍生出来的。

分水岭分割方法[3]，它是利用数学形态学的、基于区域的一种经典的分割技术，它将其他分割方法中的许多概念进行了具体化，对微弱边缘具有良好的响应，生成的分割结果更为稳定。具体实现时，不直接使用图像中每个点的像素值，而是先求整幅图像的梯度值，以梯度值的大小作为各个点高度的度量，这样可以更好的体现出分属不同区域的像素点之间的差异；然后对梯度值排序，使用先进先出(FIFO)队列保存当前执行到阶梯层级，按照梯度级别由低到高顺序宽度优先遍历图像，直至处理完毕，完成分割。

我们这里用的是彩色分水岭分割方法，其基本思路为：在彩色特征空间表示数据，如在RGB 3维直方图，把数据考虑为多维图像，进行数据变换，再应用分水岭算法。具体的计算步骤如下：

(1)计算彩色图像I在RG上的广义2维直方图(H)。

(2)对直方图(H)进行高斯滤波，平滑彩色空间直方图，同时可去除噪声及某些局部最小值。

(3)经高斯预处理后，在彩色空间仍有些分散点或小类，即使在同一类内也不能保持其空间的连接性。因此，有必要去掉那些颜色较暗的小类，或将这些小类合并为较大的类。这里采用形态学中的算子闭运算(closing)。闭运算中的结构元素的半径越大,则相邻的小类就合并的越多。因此，结构元素的选择也是很重要的。

(4)将分水岭变换用于经闭运算处理的彩色空间。经分水岭算法，RG彩色空间的分类就产生了，每一颜色点有一个标记或标号，表示把原图像的该颜色点分为第几类颜色。

(5)根据彩色空间RG的分类结果，可得到原图像I的分割，同样，将上述过程再分别应用到RB和GB2个2维空间，即每次仅用两个彩色分量，就得到了基于RG,RB和GB 3个直方图的分割结果。

(6)将3个2维空间的不同分割结果实施融合，得到最终的分割结果。

这里用到的彩色空间为RGB和HSI[1]。

RGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。

HSI色彩空间是从人的视觉系统出发，用色调(Hue)、色饱和度(Saturation或Chroma)和亮度 (Intensity或Brightness)来描述色彩。通常把色调和饱和度通称为色度，用来表示颜色的类别与深浅程度。由于人的视觉对亮度的敏感 程度远强于对颜色浓淡的敏感程度，为了便于色彩处理和识别，人的视觉系统经常采用HSI色彩空间， 它比RGB色彩空间更符合人的视觉特性。在图像处理和计算机视觉中大量算法都可在HSI色彩空间中方便地使用，它们可以分开处理而且是相互独立的。因此，在HSI色彩空间可以大大简化图像分析和处理的工作量。HSI色彩空间和RGB色彩空间只是同一物理量的不同表示法，因而它们之间存在着转换关系。

研究项目的切入点就是运用某一种图象分割方法，对彩色空间RGB与HSI分别进行图象分割。

参考文献：

1阮秋琦.数字图像处理学[M].北京：电子工业出版社，2001

2Pitas I. Digital image processing algorithms and applications[M]. New York:

Prentice Hall, 1993

3林小竹，王彦敏．基于分水岭变换的目标图像的分割与计数方法[J]．计算机工程，2006，Vol.32（5）:181～185

三、研究方案

1．主要研究内容：

研究分水岭分割方法在RGB与HSI空间下的分割效果。

2．研究目标：

（1）利用分水岭分割方法在彩色空间RGB进行分割。

（2）利用分水岭分割方法在彩色空间HSI进行分割。

（3）对两个空间得到的图像进行比较。

3．研究方法：

  首先编写程序用分水岭分割方法分割两个空间下的图像，使得两个空间下的图像被分割的颜色类数相同，然后编写程序分别计算两个空间下的类内离差平方和与类间离差平方和的比值，最后对其进行比较。

四、进程计划

1-2周：安装并熟悉所需软件系统，准备所需资料。

2-5周：提出实施方案及初步实验结果，完成开题报告。

6-9周：按计划进行各自承担的任务，并进行中期检查。

10-14周：基本完成算法及编程，并基本达到预期结果。

14-15周：改进完善，提交毕业论文，准备答辩。

16周：答辩。

五、导师对文献综述的评语

王悦东同学的开题报告经过认真的修改审核，我认为符合了学校对于开题报告的基本要求。文章中对所研究的课题的目的、意义、研究现状及存在的问题都做了详尽的概述，还列出了相关的参考文献，使得文章有理有据，达到了开题的要求，是一个良好的开端，望以后继续努力，认真完成毕业设计及论文。

签字：        

手签：2010年3月20日

六、 教研室意见

教研室主任签字：        

手签：2010年3月22日

七、学院意见

                                  负责人签字：        

 手签：2010年3月26日