内容发布更新时间 : 2024/11/10 11:08:58星期一 下面是文章的全部内容请认真阅读。
龙源期刊网 http://www.qikan.com.cn
基于Matlab的图像感兴趣区域提取
作者：刘丽 苏赋 田芳 卢阿娟 来源：《现代电子技术》2013年第08期
摘 要： 在图像中精确提取出用户感兴趣的区域，消去无关背景对目标区域的影响，有助于提高后续图像分析与处理的精度。在此介绍了差影法、交互提取法、自动图像分割提取法3种方法实现对图像感兴趣区域的提取，并分析了各自的实现过程和提取效果，为图像感兴趣区域提取算法的进一步研究提供参考。
关键词： 感兴趣区域； 差影法； 交互式提取； 阈值分割
中图分类号： TN919?34； TP751 文献标识码： A 文章编号： 1004?373X（2013）08?0117?04
随着信息社会的发展，大量具有摄像功能的电子产品迅速普及，图像数据呈现几何级数的增长趋势，图像因此成为科研和生活中承载信息的重要载体。一幅图像包含的数据非常丰富，但由于关注的角度不同，同一幅图像的不同部分对不同的人来说意义不同。如何在图像中提取出自己感兴趣区域的图像特征，精确描述感兴趣目标区域所蕴含的数据信息，弱化背景对目标图像的干扰，便于对这一区域做进一步的处理，成为图像处理中一个重要的研究热点。 1 感兴趣区域
感兴趣区域（Regions of Interest，ROI）这一概念，是指图像中最能引起用户兴趣、最能表现图像内容的区域。感兴趣区域（Regions of Interest，ROI）就是图像中表现图像主要内容、人们最感兴趣的那一部分区域[1]，这些关键区域称为感兴趣区域。图像感兴趣区域的提取具有以下特点[2]：
（1）感兴趣区域并没有十分严格的定义。对于同一幅图像而言，在不同的应用背景下，人们的关注角度不同，对图像的具体需求也相应会有所不同，因此会按各自的需求定义图像中的感兴趣区域。
（2）现有的感兴趣区域算法都依赖于图像的颜色、形状、纹理等底层特征。由于图像的语义特征获取并没有特别有效的算法，现阶段感兴趣区域的检测和提取大多基于感兴趣区域所具有的低层特征。
对图像ROI的提取，一般从两方面着手解决：一是利用图像分割技术提取ROI；另外一个就是从人眼的视觉特性出发，通过模拟人眼的视觉特点，寻找特定的视觉敏感区域，并将这些视觉敏感区域排序作为ROI[3]。
龙源期刊网 http://www.qikan.com.cn
下面介绍差影法、交互式提取法、自动图像分割提取法等3种方法实现对图像中感兴趣区域的提取，实验采用仿真软件Matlab R2007b，实验选择分别含有蝴蝶和花朵的两幅图片，用户对花朵和蝴蝶的部分感兴趣，文中分析了相应的程序实现过程，并对比研究了3种提取方法的提取效果，为图像感兴趣区域提取算法的进一步研究提供了参考。 2 差影法
差影法实际是对图像进行代数运算的一种不同的叫法。代数运算是指对两幅输入图像进行点对点的加、减、乘、除计算得到输出图像的运算。本文中主要用到图像减法，在进行图像处理时，对混合背景和前景的图像，人们往往对前景比较感兴趣，将前景作为主要研究对象，即所谓的感兴趣区域，为了要突出所研究的对象而需要清除掉图像的背景。假设背景图像为[bx，y]，前景背景混合图像为[fx，y]，则有： [ax，y=fx，y-bx，y] （1） 式中[ax，y]为去除了背景的图像。
通过差影法提取图像感兴趣区域的实现过程如下：
（1）使用strel函数创建指定形状对应的结构元素，形状参数选择disk，根据背景复杂程度选择合适的圆盘半径；
（2）对原始图像和由strel函数创建的结构元素进行开运算，得到背景图像；
（3）使用imsubtract函数对原始图像和背景图像做减法运算，得到消去背景后的感兴趣区域图像。
运行程序处理实验图片，由于实验图片的背景复杂度不同，圆盘半径参数选取不同，对蝴蝶图片取圆盘半径为6，对花朵图片取圆盘半径为30，提取效果如图1，图2所示。
使用差影法提取感兴趣区域对于背景简单的图像处理效果较好，处理速度快，但对于背景复杂的图像处理效果并不好，背景干扰不易去除，且需要通过不停的实验选取适合的圆盘半径，操作比较麻烦，不太适用于大量图片的感兴趣区域提取。 3 交互式提取法
图像的最终使用者是用户，在理想的情况下应以用户的评价为标准衡量提取图像感兴趣区域的效果，不同的用户有不同的要求，以用户为中心，实现用户与提取算法的交互，能得到比较好的提取效果。
使用交互法提取图像感兴趣区域的实现过程如下：
龙源期刊网 http://www.qikan.com.cn
（1）提取原图的R，G，B分量；
（2）使用ginput函数获得所选择点的坐标；
（3）使用line函数在2个相邻选择点连线，直到终点与起点重合，连成封闭区域； （4）使用roipoly函数选择封闭折线围成的灰度图的多边行区域，背景部分为黑，区域内为白；
（5）将原图像的R，G，B分量分别与roipoly所得到的多边形区域图像做点乘运算，并联结各分量归一化，得到去除背景保留感兴趣区域的图像。
运行程序后，选择要处理的图像，在图象感兴趣区域边缘任意一个地方点击鼠标左键，确定折线起点，然后继续沿着感兴趣区域边缘点击鼠标左键，两点之间自动以蓝色直线相连，随着鼠标沿着感兴趣点击，折线不断自动在2个点击点间连接，直至终点与起点重合，封闭折线将感兴趣区域选定，点击鼠标右键或点键盘Enter键，程序运行，从原图片中将感兴趣区域分割出来，以便于做后续的图片分析。
以分别含有蝴蝶和花朵的2幅图片为例，用户只对图片中的蝴蝶和花朵感兴趣，运行交互式提取感兴趣的程序，提取结果如图3，图4所示。
从显示结果可以看出，基于交互的方法通过人机界面让用户选择图像的若干区域作为感兴趣区域，以用户为中心，让用户自己定义图像的感兴趣区域，不管边界简单或复杂，都可以人为精确选择感兴趣边缘，从而很好地提取出用户感兴趣的区域图像。交互式方法提取精度高，但依赖于用户的自定义操作，处理速度不高，交互过程复杂，不易做到友好、自然，不适应于大量图片的感兴趣区域提取。 4 自动图像分割提取法 4.1 基于类间方差法分割图像
为了将灰度图像转换为二值图像，需要设定一个阈值，使用最大类间方差法获得的阈值通常比人为设定的阈值能更好地把一张灰度图像转换为二值图像。最大类间方差法[4]是由日本学者大津（Nobuyuki Otsu）于1979年提出的，是一种自适应的阈值确定的方法，是在判决分析或最小二乘法原理的基础上推导出来的，又叫大津法，简称OTSU。
采用基于最大方差自动获取阈值的方法进行ROI提取，先考虑图像只存在目标和背景2个区域的情况，设图像[f（x，y）]的像素按灰度级用阈值T分为[C0]和[C1]两部分，则： [C0=f1x，y|fmin≤fx，y≤T] （2）