图像分割之水平集（1）



    图像分割是图像处理技术中的一项关键技术，被广泛应用于医学影像处理、计算机视觉等多个领域。图像分割的目的是将图像中所代表不同特征的区域划分为互不相交的区域，从而获得目标的位置及轮廓特征。因此，图像分割是特征提取的基础和前提，图像分割的效果直接影响后续操作。本文主要简洁介绍众多图割算法中的一种——基于水平集的分割算法。

1、水平集的简介

     基于几何变形模型的水平集方法最早是由Osher和Sethian于1988年提出，用于描述形如燃烧火焰的边界等具有高动态和高拓扑性的结构变化。水平集的核心思想是：通过高维函数曲面来表达低维的演化曲线或曲面，即将演化（变化）的曲线或曲面（界面）用高维水平集函数的零水平集来间接表达，将演化曲线或曲面的演化方程转化为高维水平集函数的演化偏微分方程，通过求解关于水平集函数的方程来捕捉运动边界面。该方法可方便地扩展到任意维空间。目前关于水平集的一种应用是将水平集方法与活动轮廓模型（又称“主动轮廓模型”）结合，用水平集方法来求解活动轮廓模型得到的偏微分方程。

    既然讲到水平集，那什么是水平集呢？通俗的说，水平集其实就是水平切面上的一个集合。水平集的标准定义是：与实数c对应的可微函数f:的水平集是实点集{（x1,x2,……，xn)|f(x1,x2,……,xn)=c}称可微函数f为水平集函数。为了更便于理解，举个例子，当自变量参数个数n=2时，水平集是一个水平曲线，相当于一个空心球体的切面；当自变量的个数n=3时，水平集是一个水平面，相当于一个实心球体的切面。

    为了更好地理解水平集的基本思想，下面再多用几句话介绍一下水平集的基本思想。水平集的基本思想用一句话概括就是：低维到高维的映射。具体地将就是：用n维变量的水平集函数f(n+1）维的水平集描述n维曲线或曲面，即把求解n维描述的演化过程转化为求解n维变量的水平集函数f的演化所导致的水平集的演化过程。目的是通过这种转化，引入变中的相对不变——水平集函数f的水平c不变。