党李成

（河南省疾病预防控制中心，河南 郑州 450016）

实现虚拟实验构件的快速提取方法研究

党李成

（河南省疾病预防控制中心，河南 郑州 450016）

在虚拟实验教学系统可视化设计中，实验构件轮廓的提取尤为重要，本文采用分水岭预分割算法，通过对图像的预处理，减少了最大流分割时的计算量，实现了对构件轮廓的快速提取。

分水岭预分割；虚拟实验；构件轮廓

开展虚拟实验教学可视化设计中，为实现构件轮廓快速提取，先对图像进行分水岭预处理以减少最大流分割时的计算量，提高虚拟实验构件轮廓提取的运行效率，缩短分割提取的时间，将提取结果即时地反馈给用户［1］。

1　分水岭预分割算法

图1　水岭分割将图像分为小块区域

图2　分水岭预分割算法的流程图

分水岭预处理是将图像中相邻区域内色彩相近像素点划分为同一区域，可以将图像划分为若干小区域。在后续的各种操作，如最大流分割算法中，均以分水岭预分割得到的小区域为最小处理单元，从而降低算法的复杂度。利用分水岭算法处理的图像被划分后的效果如图1。分水岭算法对微弱边界具有良好的响应，能够得到封闭连续边界，这保证了分水岭预处理后，利用最大流算法分割提取的对象边界是封闭连续的。

2　图像前景和背景划分

按照图切分算法，将图像转换为无向图，经过分水岭分割后，无向图的顶点为分水岭区域，无向边邻接的分水岭区域之间的边如图3所示。

图3　图切分时的顶点集与边集

划分前景与背景就是标记无向图中的每个顶点，将前景标记为1，背景标记为0。最终的标记结果通过最小化吉布斯能量函数获得，即求解整个使整个无向图顶点能量的最小代价。最后的求解结果就是对无向图的分割，进而就完成了对图像的分割。

似然能量是无向图中每个顶点被标记为1或0的概率，概率的估计通过比较每个顶点与前景种子点和背景种子点的相似度获得，所以首先应该找到前景种子点与背景种子点。计算机目前很难自动查找图中的前景区域和背景区域，这就需要用户“告诉”计算机图像中的前景和背景。用户“告诉”计算机的方式是在图像中进行标记，根据标记区域的不同分为前景标记和背景标记。前景标记区域中的像素点为“前景种子点”，背景标记区域中的像素点为“背景种子点”。然后利用这些标记的“种子点”计算图中各个顶点的似然能量。在图像中前景标记和背景标记如图4所示。

3　K-means聚类流程

采集前景种子点与背景种子点后，还需要从这些离散的种子点集合中找出它们的共有特点，即寻找前景区域和背景区域颜色分布中最有代表性的色彩值集合。为了取得这个特征集合，采用K-means聚类方法得到前景种子点与背景种子点聚类，过程如图5所示。聚类产生的

其中U=V｛F∪B｝代表图中未标记的区域。上式中前两个公式保证了前景种子点和背景种子点在划分后仍是背景和前景，第三个公式是顶点被划分为前景和背景的概率。然后利用图像中对象边界梯度获得先验能量，再利用最大流算法最小化吉布斯能量函数，即可获得对象的初步提取结果。

图4　标记图像中的前景与背景

图5　K-means聚类流程图

［1］席英.遥感图像的K-均值聚类和分水岭分割算法的研究与实现［J］.南京：南京理工大学，2011（1）：21-22.

Research on theFast Extraction Method of Virtual Experiment Component

Dang Licheng
（Disease Control and Prevention Center of Henan Province，Zhengzhou Henan 450016）

In the visualization design of virtual experiment teaching system，the extraction of experimental component contour is very important.This paper adopted watershed pre-segmentation algorithm，through the image pretreatment，reduced the calculation amount of maximum flow segmentation，and achieved the fast extraction of the component contour.

watershed pre-segmentation；virtual experiment；component contour

TG95；TP391.9

A

1003-5168（2015）12-0010-2

2015-12-15

党李成（1986.8-），硕士，助理工程师，研究方向：计算机应用技术。