文/聂迎　刘成基

摘要：文中基于彩色图像处理，首

先对彩色图像滤波技术进行了脉

冲噪音滤波和非线性矢量滤波法

的分析，接着就彩色图像分割技

术完成了阐述。

【关键词】彩色图像处理 脉冲噪音滤波 矢量

滤波法

当前彩色图像受到了越来越多的重视。

然而, 图像处理研究仍然集中在灰度图像上。

对灰度图像的技术通常不能用到彩色图像，基

于这一背景，文中对这一技术进行了分析。

1 彩色图像滤波技术分析

图1 为常见的彩色图像处理过程，下面

将就滤波等技术进行分析。

1.1 彩色图像脉冲噪音滤波技术

彩色图像滤波要求将噪音完全过滤掉，且

完成滤波后其边缘细节不能有所降低，滤波时

不会出现新的颜色以致与真实颜色有偏差。过

滤掉彩色图像脉冲噪音可采取的方法有两种，

即标量滤波法与矢量滤波法。彩色图像有3 个

颜色分量，标量滤波法就是对它们逐一进行滤

波，再对滤波后的彩色图像进行合成。但该方

法很多时候忽略了这3 个颜色分量之间是存在

着一定联系的，有产生新的颜色的可能而致使

与真实颜色有偏差。矢量滤波法对彩色像素的

处理方式与三维矢量是一样的，处理过程中考

虑到了不同颜色分量之间的联系，这样就不会

产生新的颜色。所以，一般会认为，与标量滤

波法相比，矢量滤波法更加合理，且效果更好。

矢量滤波法分为两类，即线性滤波与非线性滤

波。以排序为基础的非线性滤波技术多用于脉

冲噪音的过滤，因为它能使图像细节保持很好。

彩色像素集合中可将颜色特征反映出来的是矢

量中值，而矢量中值滤波方法就是基于矢量中

值的非线性滤波方法，在该方法的基础上，矢

量方向滤波法、方向一距离滤波法、方向一幅

度矢量滤波法、多通道距离滤波方法以及准均

值滤波法等许多新的滤波方法也随之被提出。

它们在一定程度上可过滤掉彩色脉冲噪音。

1.2 非线性矢量滤波法

采用非线性矢量滤波法对彩色像素进行

处理过程中，对于有无噪音对滤波像素和周边

像素造成干扰并没有进行区分。一般情况下，

噪音并不会对整幅噪声图像的像素都造成干

扰，盲目的对所有像素进行滤波处理反而会

导致其中并未受到污染的像素的信息失真。所以，需要对像素进行选择性的滤波处理：首先

检测脉冲噪音，检测结果出来后，只对脉冲噪

音像素进行滤波，保持其他像素的本色，这样

彩色图像在细节保持方面的能力也就有很大的

提升。在这个基础上，以脉冲噪声检测为基础

的彩色图像滤波方法也出现了，再次提高了经

过滤波处理的图像在细节保持方面的能力。经

过对比与分析发现，以上方法在脉冲噪声判断

与过滤是还是有一些不足，在检测噪声的过程

中很难对噪声做到完全正确的判断，漏判与误

判的现象时有发生。

2 彩色图像分割技术分析

2.1 图像分割

图像分割即是将一幅图像分割为多个具

有相同或相似边缘、颜色以及纹理等图像特征

的区域。在数字图像处理过程中，图像分割是

前期一个比较关键的环节，图像分割的好与坏

在很大程度上决定着特征提取以及目标识别，

因此，图像分析成功与否就取决于图像分割。

以内容为基础的图像检索和对象分析等均可通

过高质量的图像分割提取较为重要的信息，从

而有可能实现层次更高的图像理解。因为图像

自身就并不普通和简单，评价标准也并不统一。

虽然已有许多关于图像分割的算法被提出，但

由于不同算法具有不同的特点，存在一定的局

限性，目前还没有可用于各种图像分割的通用

方法。

2.2 图像分割技术分析

目前，大部分的算法都是用于灰度图像

的分割。主要包括以下两种分割算法：区域增

长和区域分裂、聚合分割算法，对于较为复杂

的场景和景物等相关先验知识缺乏的图像分

割，这两种算法具有不错的效果。与边缘分割、

直方图分割相比，以区域生长为基础的分割方

法在抗噪性方面的能力更强；与其他分割算法

相比，它需要较高的计算成本，另外，如果计

算时引入了不恰当的预定误差e 值，会导致误

判，分析目标内部组织容易对其造成干扰。近年来，彩色图像得

到了广泛的应用，彩色图像分割的关注度也随之提高。

彩色图像分割与灰度图像分割大多数算法的分割思想是

相同的，然而，彩色图像所蕴含的信息相对要多一些，

且表达颜色空间的方式也很多，所以，分割算法是有区别

的，之前针对灰度图像分割的方法，对于彩色图像的直接分割并

不适用，目前主要有用于彩色图像分割的方法

主要有以下几种：聚类法、墒闭值与博弈论标

记结合法、区域分裂合并、区域生长、松弛以

及边缘检测等。此外，还有采用神经元网络法。

虽然很早就开始了对图像分割的研究，

也根据相应的要求提出了很多算法，但是直

到现在，理论还没有得到统一。与正确分割

方法相比，由算法所得的分割结果可能存在

误差，误差分为三类：（1）经过分割的图像

多了新的区域；（2）没有将应该有的区域分

割出来；（3）采取的算法未对边界进行正确

的定位。目前，彩色图像分割技术分为以下

六类：基于像素的技术、基于边缘的技术、

基于区域的技术、基于模型的技术、基于物

理的技术、基于混合的技术。分割方法的选

择依据都离不开颜色特征和颜色坐标，实验

结果显示，所有分类方法至少对一种颜色特

征是无效的，同理，单一的颜色坐标至少对

一类分割方法是无效的。

参考文献

[1] 尹星云. 彩色图像形态学关键技术分析

[J]. 科技创新导报,2013,26:214-215.

[2] 郁道银, 张宏, 李云青, 王文隽. 一种新

的适用于彩色图像处理的彩色空间变换方

法[J]. 光学学报,1995,05:576-579.

[3] 王玉英, 张西忠, 杨森. 基于新型矢量排序

的soft 多结构形态学彩色图像处理[J]. 山

东大学学报( 工学版),2011,02:18-22.

作者简介

聂迎（1993-），男，江苏省徐州市人。大学

本科学历。研究方向为数学与应用数学。

刘成基（1993-），男，河南省漯河市人。大

学本科学历。研究方向为信息与计算科学。

作者单位

西安电子科技大