服装图像分割和提取方法
服装图像分割和提取方法的研究报告
201378
研究报告的主要内容
本文首先对当前常见的图像分割和提取方法进行概要的介绍和分析，然后研究利用服装图像独有的特征进行图像分割和提取的方法，此外还对服装图像分割和提取的技术可行性进行了一定的分析。报告的主要内容有以下几个方面：1常用图像分割的方法和性能；2基于服装图像特征的服装提取方法；3实现服装图像提取的可行性分析；4常用的图像处理应用开发环境简介；
1常用图像分割的方法和性能
图像分割是把图像空间划分成若干个具有某些一致性属性的不重叠区域，并提取出感兴趣目标的技术。它是根据图像的某些特征或特征集合的相似性准则，对图像像素进行分组聚类，把图像平面划分为一系列“有意义”的区域的过程。对图像空间的划分通常建立在区域的相似性和非连续性这两个概念上。相似性就是同一区域中的类似像素特征；非连续性则表明不同区域间像素特征存在突变。图像分割可选择的性质有很多，如亮度、色彩、反射率、纹理等。传统的分割方法根据图像的主要特征可以划分为三大类：1、基于阈值的分割；2、基于边缘的分割；3、基于区域的分割。随着现代算法和智能技术的不断提高，新的图像分割方法层出不穷，如基于聚类的分割；基于进化算法的分割；基于神经网络的分割；基于模糊理论的分割等等。现具体介绍如下：
11阈值分割技术
基于阈值的分割方法是利用图像的灰度直方图信息得到用于分割的阈值，把图像分为具有不同灰度级的目标区域和背景区域的组合。该方法计算简单，对物体和背景对比强烈的图像效果较好。是图像分割中最有效和实用的技术之一。其缺点在于很难找到适合所有图像进行有效分割的阈值，一种阈值方法通常只适用于某一类或几类图像。
1
f服装图像分割和提取方法
对于图像中目标和背景区域差异明显的情况，可以直接利用灰度门限法进行图像的分割。而某些图像经过预处理后会明显提高图像的质量和灰度直方图信息，这类图像可以在预处理之后再运用门限法进行分割，能够获得较好的分割效果。此外，对于一副图像上含有多个不同类型区域和分割目标的图像，可以使用多个门限将这些区域分开。阈值分割技术的灰度门限选择，直接影响了分割的精度和图像分析的正确性，门限选择的太高，容易把大量目标归为背景，门限太低，则很难分离准确的目标。因此，基于阈值选择的图像分割方法实际就是按照某个准则函数求最优阈值的过程。通常对有一定先验信息的图r