陈梦涛，余 粟

（1.上海工程技术大学 机械与汽车工程学院；2.上海工程技术大学 工程实训中心，上海 201620）

0 引言

近年来，随着计算机技术的不断发展，用户获取的彩色图像越来越丰富，大量的图像处理任务需要更高效和准确的彩色图像分割方法［1］。经典图像分割算法一般基于灰度图像特征进行分割，主要包括阈值法、边界检测法、区域法等［2］。但在很多情况下，灰度图像包含的信息有限，单纯利用灰度图像分割方法进行彩色图像分割，无法处理色调与饱和度等彩色信息，分割效果往往难以满足用户需求，需借助彩色图像分割方法［3］。

国内外学者对此进行了大量研究。如文献［4］和文献［5］将改进的阈值法与区域法引入彩色图像分割中，使图像目标准确地从背景中分离，但受默认的RGB 空间中3 颜色分量高度相关限制，分割图色彩表现较差；文献［6］尝试将颜色空间由RGB 空间转换到Lab 空间，并与k 均值算法相结合，使分割图色彩更符合人类视觉，但算法初始聚类数目依赖经验确定，不具备普适性；文献［7-8］使用神经网络方法进行分割实验，分割图色彩度和准确度较为理想，但需大批量图像进行标注和训练，成本高且计算过程复杂，不适合大规模的彩色图像分割任务。以上研究均未设计出一种在分割效率、分割准确度以及色彩饱和度方面均表现良好的彩色图像分割算法。

基于现有研究可发现选用合适的颜色空间和分割方法是提高算法质量的两个关键因素。……