本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其是涉及一種圖像分割方法及裝置。

背景技術(shù)：

目前，基于農(nóng)作物冠層圖像信息可以進(jìn)行作物生長(zhǎng)動(dòng)態(tài)追蹤、養(yǎng)分精準(zhǔn)管理、病蟲害防治以及產(chǎn)量預(yù)測(cè)，為規(guī)?；C(jī)械化和智能化農(nóng)場(chǎng)提供技術(shù)支撐，已成為我國(guó)農(nóng)業(yè)研究的熱點(diǎn)和前沿。但是，農(nóng)作物冠層圖像信息分析必需建立精確的圖像分割技術(shù)之上。所謂圖像分割，就是將農(nóng)作物冠層圖像中的農(nóng)作物作為目標(biāo)像元、土壤、水、雜草等其他物體作為背景像元，通過一定算法將目標(biāo)像元和背景像元分割出來的過程。

然而，在田間自然條件下隨著天氣變化光照強(qiáng)度不同，獲取的水稻冠層圖像的光照強(qiáng)度顯著影響目標(biāo)像元和背景像元的灰度值的對(duì)比度，難以通過機(jī)器自動(dòng)識(shí)別的方法來確定分割閾值，進(jìn)而導(dǎo)致水稻冠層圖像分割準(zhǔn)確度低、分割效果不統(tǒng)一。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種圖像分割方法及裝置，以破解現(xiàn)有技術(shù)中圖像分割的準(zhǔn)確度受光照影響較大的技術(shù)問題。

第一方面，本發(fā)明實(shí)施例提供了一種圖像分割方法，包括：

獲取彩色的待處理圖像，所述待處理圖像中包含多個(gè)像元，所述多個(gè)像元分為目標(biāo)像元和背景像元；

根據(jù)所述像元的rgb顏色通道值，確定每個(gè)所述像元的增強(qiáng)綠葉指數(shù)；

分別將多個(gè)所述像元的rgb顏色通道值轉(zhuǎn)換為cie顏色空間的lab色彩指數(shù)；

根據(jù)多個(gè)所述像元的所述cie顏色空間的lab色彩指數(shù)和所述增強(qiáng)綠葉指數(shù)，確定分割閾值；

根據(jù)所述分割閾值分割所述待處理圖像中的目標(biāo)像元和背景像元，得到包含目標(biāo)像元的分割圖像。

結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第一種可能的實(shí)施方式，其中，所述根據(jù)所述像元的rgb顏色通道值，確定每個(gè)所述像元的增強(qiáng)綠葉指數(shù)，包括：

獲取多個(gè)所述像元的rgb顏色通道值；

分別計(jì)算多個(gè)所述像元的綠葉指數(shù)；

將每個(gè)所述像元的綠葉指數(shù)分別進(jìn)行對(duì)比度線性拉伸，得到各個(gè)所述像元的增強(qiáng)綠葉指數(shù)。

結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第二種可能的實(shí)施方式，其中，所述cie顏色空間至少包括紅綠色彩濃度值；

根據(jù)多個(gè)所述像元的所述cie顏色空間的lab色彩指數(shù)和所述增強(qiáng)綠葉指數(shù)，確定分割閾值，包括：

針對(duì)每個(gè)所述像元，將所述像元的所述紅綠色彩濃度值和所述增強(qiáng)綠葉指數(shù)分別進(jìn)行歸一化處理；

將每個(gè)像元的、經(jīng)過歸一化處理后的所述紅綠色彩濃度值和所述增強(qiáng)綠葉指數(shù)之間的平均值，確定為該像元的分割候選值；

確定符合預(yù)設(shè)條件的分割候選值為分割閾值。

結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第三種可能的實(shí)施方式，其中，所述確定符合預(yù)設(shè)條件的分割候選值為分割閾值，包括：

獲取所述目標(biāo)像元占所述待處理圖像的目標(biāo)像元比例、目標(biāo)像元的平均灰度、所述背景像元占所述待處理圖像的背景像元比例和背景像元的平均灰度；

根據(jù)所述目標(biāo)像元占所述待處理圖像的目標(biāo)像元比例、目標(biāo)像元的平均灰度、所述背景像元占所述待處理圖像的背景像元比例和背景像元的平均灰度，計(jì)算所述目標(biāo)像元和所述背景像元之間的類間方差；

確定在所述方差為最大值時(shí)對(duì)應(yīng)的分割候選值為所述分割閾值。

結(jié)合第一方面，本發(fā)明實(shí)施例提供了第一方面的第四種可能的實(shí)施方式，其中，所述方法還包括：

在根據(jù)所述分割閾值分割所述待處理圖像中的目標(biāo)像元和背景像元之后，利用空洞填充算法填充所述待處理圖像中的空洞，得到分割圖像。

第二方面，本發(fā)明實(shí)施例還提供一種圖像分割裝置，包括：

獲取模塊，用于獲取彩色的待處理圖像，所述待處理圖像中包含多個(gè)像元，所述多個(gè)像元分為目標(biāo)像元和背景像元；

第一確定模塊，用于根據(jù)所述像元的rgb顏色通道值，確定每個(gè)所述像元的增強(qiáng)綠葉指數(shù)；

轉(zhuǎn)換模塊，用于分別將多個(gè)所述像元的rgb顏色通道值轉(zhuǎn)換為cie顏色空間的lab色彩指數(shù)；

第二確定模塊，用于根據(jù)多個(gè)所述像元的所述cie顏色空間的lab色彩指數(shù)和所述增強(qiáng)綠葉指數(shù)，確定分割閾值；

分割模塊，用于根據(jù)所述分割閾值分割所述待處理圖像中的目標(biāo)像元和背景像元，得到包含目標(biāo)像元的分割圖像。

結(jié)合第二方面，本發(fā)明實(shí)施例提供了第二方面的第一種可能的實(shí)施方式，其中，所述第一確定模塊包括：

獲取單元，用于獲取多個(gè)所述像元的rgb顏色通道值；

計(jì)算單元，用于分別計(jì)算多個(gè)所述像元的綠葉指數(shù)；

對(duì)比度拉伸單元，用于將每個(gè)所述像元的綠葉指數(shù)分別進(jìn)行對(duì)比度線性拉伸，得到各個(gè)所述像元的增強(qiáng)綠葉指數(shù)。

結(jié)合第二方面，本發(fā)明實(shí)施例提供了第二方面的第二種可能的實(shí)施方式，其中，所述cie顏色空間至少包括紅綠色彩濃度值；所述第二確定模塊包括：

歸一化處理單元，用于針對(duì)每個(gè)所述像元，將所述像元的所述紅綠色彩濃度值和所述增強(qiáng)綠葉指數(shù)分別進(jìn)行歸一化處理；

第一確定單元，用于將每個(gè)像元的、經(jīng)過歸一化處理后的所述紅綠色彩濃度值和所述增強(qiáng)綠葉指數(shù)之間的平均值，確定為該像元的分割候選值；

第二確定單元，用于確定符合預(yù)設(shè)條件的分割候選值為分割閾值。

結(jié)合第二方面，本發(fā)明實(shí)施例提供了第二方面的第三種可能的實(shí)施方式，其中，所述第二確定單元用于：

獲取所述目標(biāo)像元占所述待處理圖像的目標(biāo)像元比例、目標(biāo)像元的平均灰度、所述背景像元占所述待處理圖像的背景像元比例和背景像元的平均灰度；

根據(jù)所述目標(biāo)像元占所述待處理圖像的目標(biāo)像元比例、目標(biāo)像元的平均灰度、所述背景像元占所述待處理圖像的背景像元比例和背景像元的平均灰度，計(jì)算所述目標(biāo)像元和所述背景像元之間的類間方差；

確定在所述方差為最大值時(shí)對(duì)應(yīng)的分割候選值為所述分割閾值。

結(jié)合第二方面，本發(fā)明實(shí)施例提供了第二方面的第四種可能的實(shí)施方式，其中，所述裝置還包括：

填充模塊，用于在根據(jù)所述分割閾值分割所述待處理圖像中的目標(biāo)像元和背景像元之后，利用空洞填充算法填充所述待處理圖像中的空洞，得到分割圖像。

本發(fā)明實(shí)施例帶來了以下有益效果：本發(fā)明實(shí)施例能夠通過首先獲取彩色的待處理圖像，根據(jù)所述像元的rgb顏色通道值，確定每個(gè)所述像元的增強(qiáng)綠葉指數(shù)；然后分別將多個(gè)所述像元的rgb顏色通道值轉(zhuǎn)換為cie顏色空間的lab色彩指數(shù)，再根據(jù)多個(gè)所述像元的所述cie顏色空間的lab色彩指數(shù)和所述增強(qiáng)綠葉指數(shù)，確定分割閾值，最后根據(jù)所述分割閾值分割所述待處理圖像中的目標(biāo)像元和背景像元，可以得到包含目標(biāo)像元的分割圖像。

本發(fā)明實(shí)施例提供的該方法，能夠通過將rgb顏色通道值轉(zhuǎn)換為cie顏色空間，再根據(jù)多個(gè)所述像元的所述cie顏色空間的lab色彩指數(shù)和所述增強(qiáng)綠葉指數(shù)，確定分割閾值，避免光照強(qiáng)度不同對(duì)圖像分割的影響，提高圖像分割準(zhǔn)確度，實(shí)現(xiàn)在不同光照強(qiáng)度下對(duì)待處理圖像中的目標(biāo)像元圖像分割效果統(tǒng)一。

本發(fā)明的其他特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)在說明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。

為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉較佳實(shí)施例，并配合所附附圖，作詳細(xì)說明如下。

附圖說明

為了更清楚地說明本發(fā)明具體實(shí)施方式或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)具體實(shí)施方式或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施方式，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例提供的圖像分割方法的流程圖；

圖2為圖1中步驟s102的流程圖；

圖3a為gli灰度圖；

圖3b為gli灰度值分布范圍；

圖3c為gli’灰度圖；

圖3d為gli’灰度值分布范圍；

圖4為圖1中步驟s104的流程圖；

圖5a為采用gli’參數(shù)進(jìn)行otsu法分割得到的效果圖；

圖5b為采用ngli參數(shù)進(jìn)行otsu法分割得到的效果圖；

圖6為本發(fā)明實(shí)施例提供的圖像分割裝置的結(jié)構(gòu)圖。

圖標(biāo)：11-獲取模塊；12-第一確定模塊；13-轉(zhuǎn)換模塊；14-第二確定模塊；15-分割模塊。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

目前在田間自然條件下隨著天氣變化光照強(qiáng)度不同，獲取的水稻冠層圖像的光照強(qiáng)度顯著影響目標(biāo)像元和背景像元的灰度值的對(duì)比度，難以通過機(jī)器自動(dòng)識(shí)別的方法來確定分割閾值，進(jìn)而導(dǎo)致水稻冠層圖像分割準(zhǔn)確度低、分割效果不統(tǒng)一，基于此，本發(fā)明實(shí)施例提供的一種圖像分割方法及裝置，可以降低光照對(duì)圖像分割的影響，提高圖像分割的準(zhǔn)確度。

為便于對(duì)本實(shí)施例進(jìn)行理解，首先對(duì)本發(fā)明實(shí)施例所公開的一種圖像分割方法進(jìn)行詳細(xì)介紹，本發(fā)明實(shí)施例中的圖像分割方法，如圖1所示，包括以下步驟。

在步驟s101中，獲取彩色的待處理圖像。

在本發(fā)明實(shí)施例中，所述待處理圖像中由r、g、b三個(gè)顏色通道組成，待處理圖像包含多個(gè)像元，所述多個(gè)像元分為目標(biāo)像元和背景像元，在實(shí)際應(yīng)用中，目標(biāo)像元可以指組成待處理圖像中目標(biāo)對(duì)象對(duì)應(yīng)圖像區(qū)域的最小影像單元，目標(biāo)對(duì)象可以指水稻等農(nóng)作物，背景像元可以指組成待處理圖像中除目標(biāo)對(duì)象之外圖像區(qū)域的最小影像單元。

待處理圖像可以通過在水稻生長(zhǎng)季節(jié)，采用相機(jī)或無人機(jī)等設(shè)備距冠層1.0-1.5m高度、垂直向下俯視角度拍攝得到。

在步驟s102中，根據(jù)所述像元的rgb顏色通道值，確定每個(gè)所述像元的增強(qiáng)綠葉指數(shù)。

如圖2所示，在步驟s102中包括以下步驟。

在步驟s1021中，獲取多個(gè)所述像元的rgb顏色通道值。

在本發(fā)明實(shí)施例中，rgb顏色通道值包括紅色(red，r)通道值、綠色(green，g)通道值和藍(lán)色(blue，b)通道值。

在步驟s1022中，分別計(jì)算多個(gè)所述像元的綠葉指數(shù)。

計(jì)算綠葉指數(shù)(greenleafindex,gli)的計(jì)算公式為：

gli＝(2g-r-b)/(2g+r+b)

其中，gli為任一像元的綠度特征指數(shù)，r為任一像元中紅色通道值，g為任一像元中綠色通道值，b為任一像元中藍(lán)色通道值。

在步驟s1023中，將每個(gè)所述像元的綠葉指數(shù)分別進(jìn)行對(duì)比度線性拉伸，得到各個(gè)所述像元的增強(qiáng)綠葉指數(shù)。

在本發(fā)明實(shí)施例中，采用對(duì)比度線性拉伸方法，它擴(kuò)展了gli圖像的頻度分布曲線圖，使其充滿整個(gè)灰度級(jí)范圍內(nèi)，其計(jì)算過程為，首先利用以下公式計(jì)算出圖像的最大gli灰度級(jí)a和最小gli灰度級(jí)b：

a＝max(gli)

b＝min(gli)

然后，將a和b分別線性映射到0和255，最終得到的增強(qiáng)綠葉指數(shù)gli’，其轉(zhuǎn)化公式為：

如圖3a、3b、3c和3d所示，通過線性拉伸后得到的增強(qiáng)型gli’提高了gli灰度級(jí)的變化范圍，提高了圖像的對(duì)比度。圖3a為gli灰度圖，圖3b為gli灰度值分布范圍，由圖3b可知，灰度值分布范圍大部分在0到0.5數(shù)值范圍內(nèi)，gli灰度級(jí)非常狹窄；而如圖3c通過線性拉升后得到的gli’灰度圖，將其gli灰度值分布范圍擴(kuò)大到0-255(圖3d)，增強(qiáng)了gli’灰度圖中不同像元的對(duì)比度。

在步驟s103中，分別將多個(gè)所述像元的rgb顏色通道值轉(zhuǎn)換為cie顏色空間的lab色彩指數(shù)。cie不是顏色通道了，是一種顏色系統(tǒng)，包括兩種顏色空間，其中本文所采用的是cielab色彩空間。

在本發(fā)明實(shí)施例中，cie顏色空間包括l*顏色通道值、a*顏色通道值、b*顏色通道值，其中，l*表示顏色的明度，a*表示紅光-綠光的色彩濃度，b*表示黃光-藍(lán)光的色彩濃度。

在實(shí)際應(yīng)用中，首先將每個(gè)像元的rgb顏色通道值進(jìn)行g(shù)amma校正，其取值范圍為[0,255]：

其中，r為紅色通道值，g為綠色通道值，b為藍(lán)色通道值，rr為gamma校正后的紅色r值，gr為gamma校正后的紅色g值，br為gamma校正后的紅色b值。

其中g(shù)amma校正函數(shù)為：

其中，x代表r/255、g/255或者b/255。

然后，將校正后的rgb轉(zhuǎn)化為xyz，其轉(zhuǎn)化函數(shù)為：

其中，m是一個(gè)3*3矩陣：

然后，xyz再轉(zhuǎn)化為ciel*a*b*色彩空間的l*、a*、b*數(shù)值，其轉(zhuǎn)化函數(shù)為：

l^*＝116f(y/yn)-16

a^*＝500[f(x/xn)-f(y/yn)]

b^*＝200[f(y/yn)-f(z/zn)

其中，x，y，z是rgb轉(zhuǎn)xyz后計(jì)算出來的值，xn，yn，zn為默認(rèn)值：95.047，100.0，108.883。m是一個(gè)3*3矩陣：

其中，x，y，z是rgb轉(zhuǎn)xyz后計(jì)算出來的值，xn，yn，zn為默認(rèn)值：95.047，100.0，108.883。m是一個(gè)3*3矩陣：

這里的f(t)可以為上面公式中的f(y/yn)、f(x/xn)或者f(z/zn))。

在本發(fā)明實(shí)施例中，步驟s102和步驟s103可以不分先后。

在步驟s104中，根據(jù)多個(gè)所述像元的所述cie顏色空間的lab色彩指數(shù)和所述增強(qiáng)綠葉指數(shù)，確定分割閾值。

如圖4所示，在步驟s104中包括以下步驟。

在步驟s1041中，針對(duì)每個(gè)所述像元，將所述像元的所述紅綠色彩濃度值和所述增強(qiáng)綠葉指數(shù)分別進(jìn)行歸一化處理。

所采用數(shù)據(jù)歸一化方法為離差標(biāo)準(zhǔn)化法，對(duì)數(shù)據(jù)進(jìn)行線性變換，例如，可以使每個(gè)像元的紅綠色彩濃度值和增強(qiáng)綠葉指數(shù)統(tǒng)一映射到[0-255]之間

在步驟s1042中，將每個(gè)像元的、經(jīng)過歸一化處理后的所述紅綠色彩濃度值和所述增強(qiáng)綠葉指數(shù)之間的平均值，確定為該像元的分割候選值。

將映射后的紅綠色彩濃度值和增強(qiáng)綠葉指數(shù)，進(jìn)行加和平均，例如，假設(shè)像元a的紅綠色彩濃度值為p，增強(qiáng)綠葉指數(shù)為q，映射后，紅綠色彩濃度值為50，增強(qiáng)綠葉指數(shù)為120，則二者加和后求平均數(shù)，可以得到平均值85。

在步驟s1043中，確定符合預(yù)設(shè)條件的分割候選值為分割閾值。

在本發(fā)明實(shí)施例中，所述步驟s1043可以包括以下步驟。

獲取所述目標(biāo)像元占所述待處理圖像的目標(biāo)像元比例、目標(biāo)像元的平均灰度、所述背景像元占所述待處理圖像的背景像元比例和背景像元的平均灰度。

根據(jù)所述目標(biāo)像元占所述待處理圖像的目標(biāo)像元比例、目標(biāo)像元的平均灰度、所述背景像元占所述待處理圖像的背景像元比例和背景像元的平均灰度，計(jì)算所述目標(biāo)像元和所述背景像元之間的類間方差。

在本發(fā)明實(shí)施例中，確定分割閾值時(shí)，使用的otsu算法是基于目標(biāo)和背景的類間方差最大或類內(nèi)方差最小為閾值選取準(zhǔn)則進(jìn)行圖像分割的方法，具備分割質(zhì)量穩(wěn)定、自適應(yīng)強(qiáng)特性以及分割效果較好等特點(diǎn)。otsu算法按圖像的灰度特性，將圖像分成背景和目標(biāo)兩部分。背景和目標(biāo)之間的類間方差越大，分割效果越好。

對(duì)于水稻冠層圖像i(x,y)，目標(biāo)像元和背景像元的分割閾值記作t，目標(biāo)像元占整幅圖像的比例記為ω0，其平均灰度μ0；背景像元占整幅圖像的比例為ω1，其平均灰度為μ1。圖像的總平均灰度記為μ的計(jì)算公式為：

μ＝ω0*μ0+ω1*μ1

然后，計(jì)算目標(biāo)像元和背景像元的類間方差g，其計(jì)算公式為：

9＝ω0*(μ0-μ)*(μ0-μ)+ω1*(μ1-μ)*(μ1-μ)

＝ω0*ω1*(μ0-μ1)*(μ0-μ1)

確定在所述方差為最大值時(shí)對(duì)應(yīng)的分割候選值為所述分割閾值。

在本發(fā)明實(shí)施例中，假設(shè)，水稻冠層圖像有l(wèi)個(gè)ngli灰度級(jí)(0,1…，l-1)，灰度值為i的象素點(diǎn)的數(shù)量為ni，圖象總的象素點(diǎn)的數(shù)量為n＝n0+n1+...+n(l-1)?；叶戎禐閕的點(diǎn)的概率為：p(i)＝n(i)/n。

假設(shè)存在一個(gè)門限t將整幅圖象分為暗區(qū)c1和亮區(qū)c2兩類，則類間方差σ是關(guān)于門限t的函數(shù)：

σ＝a1*a2(u1-u2)^2；

由σ＝a1*a2(u1-u2)^2可知，aj為類cj的面積與圖象總面積之比，aj表示a1和a2，cj可以表示c1和c2，a1＝sum(p(i))，i->t,a2＝1-a1；uj為類cj的均值，u1＝sum(i*p(i))/a1，0->t；

u2＝sum(i*p(i))/a2,t+1->l-1。

該法選擇最佳門限t＝t^使類間方差最大，即：令δu＝u1-u2，σb＝max{a1(t)*a2(t)δu^2}；

這個(gè)t值就是我們所求的分割閾值ngli，此時(shí)水稻目標(biāo)像元和背景像元的方差最大。

如圖5a和5b,采用增強(qiáng)型綠度特征指數(shù)進(jìn)行水稻冠層圖像分割,反光強(qiáng)烈的綠色葉片無法分割識(shí)別出來；而通過引入ciel*a*b*色彩空間的a*參數(shù),可以有效減少光強(qiáng)的干擾,提高水稻冠層圖像的分割精度。

在步驟s105中，根據(jù)所述分割閾值分割所述待處理圖像中的目標(biāo)像元和背景像元，得到包含目標(biāo)像元的分割圖像。

在本發(fā)明實(shí)施例中，采用形態(tài)學(xué)算法和圖像處理中的空洞填補(bǔ)技術(shù)對(duì)圖像做進(jìn)一步的處理，填補(bǔ)圖像中的空洞，消除圖像中的噪聲。

在根據(jù)所述分割閾值分割所述待處理圖像中的目標(biāo)像元和背景像元之后，所述圖像分割方法還包括步驟s106。

在步驟s106中，利用空洞填補(bǔ)所述待處理圖像中的空洞，得到分割圖像。

本發(fā)明實(shí)施例能夠通過首先獲取彩色的待處理圖像，根據(jù)所述像元的rgb顏色通道值，確定每個(gè)所述像元的增強(qiáng)綠葉指數(shù)；然后分別將多個(gè)所述像元的rgb顏色通道值轉(zhuǎn)換為cie顏色空間的lab色彩指數(shù)，再根據(jù)多個(gè)所述像元的所述cie顏色空間的lab色彩指數(shù)和所述增強(qiáng)綠葉指數(shù)，確定分割閾值，最后根據(jù)所述分割閾值分割所述待處理圖像中的目標(biāo)像元和背景像元，可以得到包含目標(biāo)像元的分割圖像。

本發(fā)明實(shí)施例提供的該方法，能夠通過將rgb顏色通道值轉(zhuǎn)換為cie顏色空間，再根據(jù)多個(gè)所述像元的所述cie顏色空間的lab色彩指數(shù)和所述增強(qiáng)綠葉指數(shù)，確定分割閾值，避免光照強(qiáng)度不同對(duì)圖像分割的影響，提高圖像分割準(zhǔn)確度，實(shí)現(xiàn)在不同光照強(qiáng)度下對(duì)待處理圖像中的目標(biāo)像元圖像分割效果統(tǒng)一。

如圖6所示，在本發(fā)明的又一實(shí)施例中，提供一種圖像分割裝置，包括：獲取模塊11、第一確定模塊12、轉(zhuǎn)換模塊13、第二確定模塊14和分割模塊15。

獲取模塊11，用于獲取彩色的待處理圖像，所述待處理圖像中包含多個(gè)像元，所述多個(gè)像元分為目標(biāo)像元和背景像元。

第一確定模塊12，用于根據(jù)所述像元的rgb顏色通道值，確定每個(gè)所述像元的增強(qiáng)綠葉指數(shù)。

轉(zhuǎn)換模塊13，用于分別將多個(gè)所述像元的rgb顏色通道值轉(zhuǎn)換為cie顏色空間的lab色彩指數(shù)。

第二確定模塊14，用于根據(jù)多個(gè)所述像元的所述cie顏色空間的lab色彩指數(shù)和所述增強(qiáng)綠葉指數(shù)，確定分割閾值。

分割模塊15，用于根據(jù)所述分割閾值分割所述待處理圖像中的目標(biāo)像元和背景像元，得到包含目標(biāo)像元的分割圖像。

在本發(fā)明的又一實(shí)施例中，所述第一確定模塊12包括：獲取單元、計(jì)算單元和對(duì)比度拉伸單元。

獲取單元，用于獲取多個(gè)所述像元的rgb顏色通道值。

計(jì)算單元，用于分別計(jì)算多個(gè)所述像元的綠葉指數(shù)。

對(duì)比度拉伸單元，用于將每個(gè)所述像元的綠葉指數(shù)分別進(jìn)行對(duì)比度線性拉伸，得到各個(gè)所述像元的增強(qiáng)綠葉指數(shù)。

在本發(fā)明的又一實(shí)施例中，所述cie顏色空間至少包括紅綠色彩濃度值；所述第二確定模塊包括：歸一化處理單元、第一確定單元和第二確定單元。

歸一化處理單元，用于針對(duì)每個(gè)所述像元，將所述像元的所述紅綠色彩濃度值和所述增強(qiáng)綠葉指數(shù)分別進(jìn)行歸一化處理。

第一確定單元，用于將每個(gè)像元的、經(jīng)過歸一化處理后的所述紅綠色彩濃度值和所述增強(qiáng)綠葉指數(shù)之間的平均值，確定為該像元的分割候選值。

第二確定單元，用于確定符合預(yù)設(shè)條件的分割候選值為分割閾值。

在本發(fā)明的又一實(shí)施例中，所述第二確定單元用于：

獲取所述目標(biāo)像元占所述待處理圖像的目標(biāo)像元比例、目標(biāo)像元的平均灰度、所述背景像元占所述待處理圖像的背景像元比例和背景像元的平均灰度；

根據(jù)所述目標(biāo)像元占所述待處理圖像的目標(biāo)像元比例、目標(biāo)像元的平均灰度、所述背景像元占所述待處理圖像的背景像元比例和背景像元的平均灰度，計(jì)算所述目標(biāo)像元和所述背景像元之間的類間方差；

確定在所述方差為最大值時(shí)對(duì)應(yīng)的分割候選值為所述分割閾值。

在本發(fā)明的又一實(shí)施例中，所述裝置還包括：

填充模塊，用于在根據(jù)所述分割閾值分割所述待處理圖像中的目標(biāo)像元和背景像元之后，利用空洞填充算法填充所述待處理圖像中的空洞，得到分割圖像。

本發(fā)明實(shí)施例所提供的圖像分割方法及裝置的計(jì)算機(jī)程序產(chǎn)品，包括存儲(chǔ)了程序代碼的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述程序代碼包括的指令可用于執(zhí)行前面方法實(shí)施例中所述的方法，具體實(shí)現(xiàn)可參見方法實(shí)施例，在此不再贅述。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)和裝置的具體工作過程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過程，在此不再贅述。

另外，在本發(fā)明實(shí)施例的描述中，除非另有明確的規(guī)定和限定，術(shù)語“安裝”、“相連”、“連接”應(yīng)做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機(jī)械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連，可以是兩個(gè)元件內(nèi)部的連通。對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可以具體情況理解上述術(shù)語在本發(fā)明中的具體含義。

所述功能如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括：u盤、移動(dòng)硬盤、只讀存儲(chǔ)器(rom，read-onlymemory)、隨機(jī)存取存儲(chǔ)器(ram，randomaccessmemory)、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。

在本發(fā)明的描述中，需要說明的是，術(shù)語“中心”、“上”、“下”、“左”、“右”、“豎直”、“水平”、“內(nèi)”、“外”等指示的方位或位置關(guān)系為基于附圖所示的方位或位置關(guān)系，僅是為了便于描述本發(fā)明和簡(jiǎn)化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構(gòu)造和操作，因此不能理解為對(duì)本發(fā)明的限制。此外，術(shù)語“第一”、“第二”、“第三”僅用于描述目的，而不能理解為指示或暗示相對(duì)重要性。

最后應(yīng)說明的是：以上所述實(shí)施例，僅為本發(fā)明的具體實(shí)施方式，用以說明本發(fā)明的技術(shù)方案，而非對(duì)其限制，本發(fā)明的保護(hù)范圍并不局限于此，盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，其依然可以對(duì)前述實(shí)施例所記載的技術(shù)方案進(jìn)行修改或可輕易想到變化，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改、變化或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明實(shí)施例技術(shù)方案的精神和范圍，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)所述以權(quán)利要求的保護(hù)范圍為準(zhǔn)。