·520 智能系统学报 第8卷 图像，并结合颜色空间做图像分割.如图1所示[]」 即为物体反射光的明暗程度，是人类视觉获得的最 直接的感受.HSV颜色空间模型对应于三维空间中 单色图像分制方法 的一个圆锥形)，如图2所示.圆锥的顶面对应 1、基于区域的分割技术直方图 阈值法、颜色聚类方法区域增长 颜色空间 V=1,它与RGB模型中的R=1,G=1,B=1时所 彩 区域合并和区域分裂及其组合) 1、RGB 代表的颜色系相同.色彩H由绕V轴的旋转角给 2、基于边缘的分割技术（基于边 2、YUV 缘检测的方法，分水岭分割算法) 3、Y1Q 定，红、黄、绿、青、蓝、品红分别对应于角度0°、60°、 3,基于特定理论工具的分割技术 4、I5 分 基于小波分析的彩色图像分割技+5、HIS 120°、180°、240°、300°.圆锥的顶面中心处代表白 术，基于Markov随机场的方法斟 6、HSV 于神经网络的方法、基于模糊集合 7、Nrgb 色，圆锥的顶点（即原点）代表黑色，从顶面中心点 法 理论的彩色图像分割技术基于物 8、CIE(L*a*b 理模型的分割技术基于粗糙集的 到原点，代表亮度渐暗的灰色，其中，S=0,H无 9、CIE(L*u*v) 彩色图像分割方法、基于云模型 10、以上空间 意义.在圆锥顶面的圆周上的颜色具有最高亮度、 的彩色图像分割方法等) 的组合 4、分形技术 最大饱和度，V=1,S=1. 5、混合技术 绿(120°) 黄60°) 青款180° 红(0°) 图1常用彩色图像分割方法 蓝(240°品红(300% Fig.I Common color image segmentation methods 颜色空间的选择需要符合人类眼晴的视觉感知 特性，也要应适合于图像处理.HSV颜色空间是一 H 种均匀的颜色空间，一种面向视觉感知的颜色模 图2HSV颜色空间 型，通常用于计算机图形应用中.其具有2个特点： Fig.2 HSV color space 1)色调和饱和度分量包含了颜色信息，与人感受颜 颜色量化技术分为均匀量化和非均匀量化2 色的方式紧密相连：2)亮度分量与图像的彩色信息 类：均匀量化方法是把颜色变量均匀地量化到相等 无关.这些特点使HSV颜色空间非常适合于借助人 的空间，它的优点是计算速度快，但量化后的颜色 的视觉系统来感知彩色特性的图像处理算法[.所 空间中会多出许多原始图像中不包含的颜色，因此 以本文采用云模型理论在HSV颜色空间上进行图 冗余度较大：非均匀量化方法更适合于机器视觉的 像分割 研究，因为该方法是根据人眼的视觉特性把颜色变 2 基于云模型的图像分割方法 量非均匀地量化到一系列区间，并能保证量化后颜 色空间中的每个区间都非空，从而不会丢失图像信 本文采用的基于云模型的图像分割算法，首 息，使得图像处理获得更好的效果 先，将彩色图像转换到HSV颜色空间，并进行非均 根据光学理论，物体的颜色与光的波长和频率 匀量化：其次，根据非均匀量化的结果，得到彩色 有关，在文献[10]中，对H$V颜色空间进行非均 图像的频率分布图，利用逆向云变换算法将频率分 匀量化.按照人的视觉分辨能力，将HSV颜色空间 布函数分割成若干个云概念的叠加，得到图像的初 非均匀量化成256维，即色调(H)16维，饱和度 步分割：再次，根据合并准则，利用本文提出的云 (S)和亮度(V)各4维，构造一维特征矢量G: 综合方法实现云概念的合并，得到更高层次的云概 G=HQsQv+SQv+V, (1) 念：最后，根据云概念的“3E”规则，最终实现图 式中：Q和Q,分别是分量S和V的量化级数，这 像的分割 里Qs=4,Q,=4,因此，式(1)中 2.1HSV颜色空间描述及非均匀量化 HSV颜色空间通过3个属性一色调(Hue)、 G=16H+4S+V, (2) 这样，H、S、V3个分量在一维矢量上分布开来，可 饱和度(Saturation)和亮度(Value)来表示色彩信息. 以很好地利用一维云模型进行处理 色调表示光的颜色，与混合光谱中光的波长相关， 本文采取与文献[18]相同的量化方式，具体的 不同波长的光呈现不同的颜色.饱和度是指颜色的 非均匀量化公式如式(3)所示： 深浅程度，与色调的纯度及白光的多少相关.亮度图像， 并结合颜色空间做图像分割． 如图 １ 所示［１６］ ． 图 １ 常用彩色图像分割方法 Ｆｉｇ．１ Ｃｏｍｍｏｎ ｃｏｌｏｒ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｍｅｔｈｏｄｓ 颜色空间的选择需要符合人类眼睛的视觉感知 特性， 也要应适合于图像处理． ＨＳＶ 颜色空间是一 种均匀的颜色空间， 一种面向视觉感知的颜色模 型， 通常用于计算机图形应用中． 其具有 ２ 个特点： １）色调和饱和度分量包含了颜色信息， 与人感受颜 色的方式紧密相连； ２）亮度分量与图像的彩色信息 无关． 这些特点使 ＨＳＶ 颜色空间非常适合于借助人 的视觉系统来感知彩色特性的图像处理算法［６］ ． 所 以本文采用云模型理论在 ＨＳＶ 颜色空间上进行图 像分割． ２ 基于云模型的图像分割方法 本文采用的基于云模型的图像分割算法， 首 先， 将彩色图像转换到 ＨＳＶ 颜色空间， 并进行非均 匀量化； 其次， 根据非均匀量化的结果， 得到彩色 图像的频率分布图， 利用逆向云变换算法将频率分 布函数分割成若干个云概念的叠加， 得到图像的初 步分割； 再次， 根据合并准则， 利用本文提出的云 综合方法实现云概念的合并， 得到更高层次的云概 念； 最后， 根据云概念的“３Ｅｎ” 规则， 最终实现图 像的分割． ２．１ ＨＳＶ 颜色空间描述及非均匀量化 ＨＳＶ 颜色空间通过 ３ 个属性———色调（Ｈｕｅ）、 饱和度（Ｓａｔｕｒａｔｉｏｎ）和亮度（Ｖａｌｕｅ）来表示色彩信息． 色调表示光的颜色， 与混合光谱中光的波长相关， 不同波长的光呈现不同的颜色． 饱和度是指颜色的 深浅程度， 与色调的纯度及白光的多少相关． 亮度 即为物体反射光的明暗程度， 是人类视觉获得的最 直接的感受． ＨＳＶ 颜色空间模型对应于三维空间中 的一个圆锥形［１７］ ， 如图 ２ 所示． 圆锥的顶面对应 Ｖ＝ １， 它与 ＲＧＢ 模型中的 Ｒ ＝ １， Ｇ ＝ １， Ｂ ＝ １ 时所 代表的颜色系相同． 色彩 Ｈ 由绕 Ｖ 轴的旋转角给 定， 红、黄、绿、青、蓝、品红分别对应于角度 ０°、６０°、 １２０°、１８０°、２４０°、３００°． 圆锥的顶面中心处代表白 色， 圆锥的顶点（即原点）代表黑色， 从顶面中心点 到原点， 代表亮度渐暗的灰色， 其中， Ｓ ＝ ０， Ｈ 无 意义． 在圆锥顶面的圆周上的颜色具有最高亮度、 最大饱和度， Ｖ＝ １， Ｓ ＝ １． 图 ２ ＨＳＶ 颜色空间 Ｆｉｇ．２ ＨＳＶ ｃｏｌｏｒ ｓｐａｃｅ 颜色量化技术分为均匀量化和非均匀量化 ２ 类：均匀量化方法是把颜色变量均匀地量化到相等 的空间， 它的优点是计算速度快， 但量化后的颜色 空间中会多出许多原始图像中不包含的颜色， 因此 冗余度较大； 非均匀量化方法更适合于机器视觉的 研究， 因为该方法是根据人眼的视觉特性把颜色变 量非均匀地量化到一系列区间， 并能保证量化后颜 色空间中的每个区间都非空， 从而不会丢失图像信 息， 使得图像处理获得更好的效果． 根据光学理论， 物体的颜色与光的波长和频率 有关， 在文献［１０］ 中， 对 ＨＳＶ 颜色空间进行非均 匀量化． 按照人的视觉分辨能力， 将 ＨＳＶ 颜色空间 非均匀量化成 ２５６ 维， 即色调（Ｈ） １６ 维， 饱和度 （Ｓ）和亮度（Ｖ）各 ４ 维， 构造一维特征矢量 Ｇ ： Ｇ ＝ ＨＱＳＱＶ ＋ ＳＱＶ ＋ Ｖ， （１） 式中： ＱＳ 和 ＱＶ 分别是分量 Ｓ 和 Ｖ 的量化级数， 这 里 ＱＳ ＝ ４， ＱＶ ＝ ４， 因此， 式（１）中 Ｇ ＝ １６Ｈ ＋ ４Ｓ ＋ Ｖ， （２） 这样，Ｈ、Ｓ、Ｖ ３ 个分量在一维矢量上分布开来， 可 以很好地利用一维云模型进行处理． 本文采取与文献［１８］相同的量化方式， 具体的 非均匀量化公式如式（３）所示： ·５２０· 智 能 系 统 学 报 第 ８ 卷