策略模式在圖像分割中的應(yīng)用
圖像分割是一種重要的圖像技術(shù)，它不僅得到人們廣泛重視和研究，也在實(shí)際中得到大量的應(yīng)用。圖像分割在不同領(lǐng)域中有時也用其他名稱，如目標(biāo)輪廓技術(shù)閾值化技術(shù)，圖像區(qū)分或求差技術(shù)，目標(biāo)檢測技術(shù)，目標(biāo)識別技術(shù)，目標(biāo)跟蹤技術(shù)等，這些技術(shù)本身或核心實(shí)際上也是圖像分割技術(shù)。圖像分割的算法有很多，但是，在目前還沒有一個算法是適合于所有的圖像分割。針對不同的領(lǐng)域、不同的條件，應(yīng)該選用不同的分割算法。
1 基本概念
1．1 圖像分割定義
借助集合概念對圖像分割可給出如下的定義：令集合R代表整個圖像區(qū)域，對R的分割可看作將R分成N個子區(qū)域Rl，R2，…RN的過程：
(a)URi=R；
(b)讀所有的i和j，i≠j，有Ri∩Rj=φ；
(c)對i=l，2，…，N，有P(Ri)=TRUE；
(d)對i≠j，有P(Ri∪Rj)=FALSE；
(e)對i=1，2，…，N，Ri是連通的區(qū)域。
其中P(Ri)是對所有在集合Ri元素的邏輯謂詞，φ代表空集。
對圖像的分割總是根據(jù)一些分割準(zhǔn)則進(jìn)行的。條件(a)說明分割必須是完全的；即，每個象素必須屬于一個區(qū)域。條件(b)要求區(qū)域中的點(diǎn)必須與某個預(yù)定義的準(zhǔn)則相聯(lián)系。條件(c)說明不同區(qū)域必須是不相交的。條件(d)涉及在分割區(qū)域內(nèi)必須滿足的性質(zhì)——例如如果所有Ri內(nèi)的像素有相同的灰度級，則P(Ri)=TRUE。條件(e)說明區(qū)域Ri和Rj對于謂詞P是不同的。
1．2 Strategy模式
按照四人團(tuán)的說法，Strategy模式的意圖是：定義一系列的算法，把它們一個個封裝起來，并且使它們可相互替換，本模式使算法可獨(dú)立于使用它們的客戶而變化。將算法的選擇和算法的實(shí)現(xiàn)相分離，讓客戶可以基于場景作出選擇。
2 典型算法
2．1 邊緣檢測邊界閉合法
為將圖像中不同的區(qū)域分開，需要將邊緣象素連接起來組成區(qū)域的封閉邊界。邊緣檢測算子都是并行工作的，如果邊界閉合也能并行完成，則分割基本上可以并行實(shí)現(xiàn)。邊緣象素連接的基礎(chǔ)是它們的梯度之間有一定的相似性。用梯度算子對圖象處理可得到象素兩方面的信息：1)梯度的幅度；2)梯度的方向。結(jié)合邊緣象素梯度在這兩方面的相似性可把邊緣象素如下連接起來。具體說來如果象素(s，t)在象素(x，y)的領(lǐng)域且它們的梯度幅度和梯度方向分別滿足以下兩個條件(其中T是幅度閾值，A是角度閾值)：
那么就可將(s，t)的象素與在(x，y)的象素連接起來。如對所有邊緣象素都進(jìn)行這樣的判斷和連接就有希望得到閉合的邊界。
2．2 動態(tài)規(guī)劃輪廓搜索法
動態(tài)規(guī)劃是一個多步?jīng)Q策過程，它通過把一個N步過程化為N個單步過程的方法使算法的復(fù)雜性按對數(shù)律降低。根據(jù)動態(tài)規(guī)劃的原理，可將全局最優(yōu)化成局部最優(yōu)之和。動態(tài)規(guī)劃輪廓搜索法是：
令r(n)為從起始結(jié)點(diǎn)s出發(fā)經(jīng)過當(dāng)前結(jié)點(diǎn)n到達(dá)目標(biāo)結(jié)點(diǎn)g的最小代價通路的估計代價。這個估計代價可以表示成兩個代價之和，即從起始結(jié)點(diǎn)s到當(dāng)前結(jié)點(diǎn)n的最小代價通路的估計代價t(n)以及從當(dāng)前結(jié)點(diǎn)n到目標(biāo)結(jié)點(diǎn)g的通路的估計代價h(n)之和：
r(n)=t(n)+h(n)
這里t(n)可取為目前從結(jié)點(diǎn)s到結(jié)點(diǎn)n的最小代價通路，h(n)可借助某些啟發(fā)性知識得到。常用的啟發(fā)性知識包括通路的方向性(是否指向搜索的終點(diǎn))，光滑性(可通過曲率計算來估計)以及代價估計。代價的計算可參照前面的方法。根據(jù)r(n)=t(n)+h(n)進(jìn)行圖搜索的搜索算法(稱為A*算法)由以下幾個步驟構(gòu)成：
1)將起始結(jié)點(diǎn)標(biāo)記為OPEN并置t(s)=0；
2)如果沒有結(jié)點(diǎn)為OPEN，失敗退出，否則繼續(xù)；
3)將r(n)=t(n)+h(n)算得的估計代價r(n)為最小的OPEN結(jié)點(diǎn)標(biāo)記為CLOSE；
4)如果n是目標(biāo)結(jié)點(diǎn)，找到通路退出，否則繼續(xù)；
5)展開結(jié)點(diǎn)n，得到它的所有子結(jié)點(diǎn)(如果沒有子結(jié)點(diǎn)，返回步驟2))；
6)如果某個子結(jié)點(diǎn)ni還沒有標(biāo)記，置r(ni)=t(n)十c(n，ni)，標(biāo)記它為OPEN并將指向它的指針返回到結(jié)點(diǎn)n；
7)如果子結(jié)點(diǎn)ni以標(biāo)記為OPEN或CL0SE，根據(jù)t’(ni)=min[t(ni)，t(n)+c(n，ni)]更新它的值。將其t’值減少的CLOSE子結(jié)點(diǎn)記為OPEN，并將原指向所有其t’值減少的子結(jié)點(diǎn)的指針重指向n。返回步驟2)。
2．3 改進(jìn)的直方圖凹面分析法
圖像的灰度直方圖是圖像各象素灰度值的一種統(tǒng)計度量。許多的閾值選取方法就是根據(jù)直方圖來進(jìn)行的。對含有目標(biāo)和背景兩類區(qū)域的圖像，其直方圖并不一定總是呈現(xiàn)雙峰形式。例如當(dāng)目標(biāo)和背景區(qū)域的主要灰度比較接近而部分重疊時，其間的谷可能不存在。又如當(dāng)圖像中目標(biāo)和背景面積相差較大時，直方圖的一個峰會淹沒在另一個峰旁邊的緩坡里，直方圖具體就是把直方圖看作平面上的區(qū)域，計算其凸包并求取其最大的凸殘差，以對應(yīng)最大凸殘差的灰度值作為閾值來分割圖像。這里最大的凸殘差是用一種稱為凹性測度的指標(biāo)來衡量的。與一般方法不同，這里要求凸殘差的計算是沿與灰度垂直的直線進(jìn)行的。
改進(jìn)的直方圖凹面分析法就是先將直方圖函數(shù)取對數(shù)，計算指數(shù)凸包，然后借助凹凸性分析確定閾值。
2．4 分裂，合并和聚集法
區(qū)域生長方法將圖像以象素為基本單位來進(jìn)行操作，基于區(qū)域灰度差的方法主要有如下步驟：
1)對圖像進(jìn)行逐行掃描，找出尚沒有歸屬的象素；
2)以該象素為中心檢查它的鄰域象素，即將鄰域中的象素逐個與它比較，如果灰度差小于預(yù)先確定的閾值，將它們合并；
3)以新合并的象素為中心，返回到步驟2)，檢查新象素的鄰域，直到區(qū)域不能進(jìn)一步擴(kuò)張；
4)返回到步驟1)，繼續(xù)掃描直到不能發(fā)現(xiàn)沒有歸屬的象素，則結(jié)束整個生長過程。
3 Strategy模式的應(yīng)用
圖像分割的主要控制對象為閾值，為使閾值選取算法的選擇具有更大的靈活性，引入Strategy模式，把不同的閾值選取算法分別封裝起來，并使它們可以相互替換，這樣不但可以在不同的環(huán)境條件下靈活地采用相應(yīng)的閾值選取算法，而且在將來有更好的閾值算法出現(xiàn)時能夠方便地對系統(tǒng)進(jìn)行改進(jìn)和擴(kuò)展。實(shí)現(xiàn)Strategy模式的類圖如圖l所示。
圖1中的TaskControl類包含一個ControlStrategy接口成員controlStrategy，因此Controller類的對象可以依靠其實(shí)現(xiàn)ControlStrategy接口的成員controlStrategy的多態(tài)性來實(shí)現(xiàn)不同的閾值選取算法。當(dāng)有更好的閾值選取算法出現(xiàn)時，只需添加一個實(shí)現(xiàn)ControlStrategy接口的類就可以方便地更新圖像分割系統(tǒng)。并且TaskControl類擁有設(shè)置其成員controlStrategy的功能，使得系統(tǒng)可以在運(yùn)行時更換不同的算法，提高了系統(tǒng)的靈活性。
4 結(jié)論
通過Strategy模式，可以將不同的閾值選取方法封裝起來，使圖像分割系統(tǒng)不再局限于特定場景、一個閾值選取算法，對于不同的場景，可以選取不同的算法，實(shí)用的范圍更加的廣泛。
下載文檔
