【摘要】 目的 本文针对黑素细胞肿瘤（Melanocytic Tumor MT）图像情况复杂，较难分割的问题，提出了一种综合数字图像分割算法，探讨MT的早期诊断。方法 首先应用统计区域融合方法（SRM）实现图像分割成多块纹理一致的区域。然后对图像以HSV彩色空间的H和S 分量为特征，使用K均值聚类算法将图像聚为9类。最后，将聚类结果在HSV彩色空间的H和S分量值分别映射到［0，1］区间，再分别对H分量和S分量取阈值，得到最终的边界分割结果。结果 对MT图像能够按照其纹理差异将其有效划分为多个区域，较为准确标识出皮损区域。结论 综合对多种方法结果的对比，本方法优于传统的大津阈值法、K均值法和活动轮廓法。同时对过去基于SRM的MT图像分割方法进行了改进，在处理复杂MT图像时效果明显好于传统方法。
【关键词】 统计区域融合； K均值； HSV彩色空间； 黑素细胞肿瘤； 图像分割
Abstract: Object This paper proposes a synthetic algorithm for the segmentation of Melanocytic Tumor (MT), and discusses about early diagnosis of MT. Method Firstly, the algorithm of this paper uses statistical region merging (SRM) to divide MT image into several areas by texture. Then, based on the features of H and S subchannels of HSV color space, this paper uses Kmeans algorithm to classify those areas into nine parts. After that, it normalizes the subchannels and splits the image into two parts separately by the given threshold value 0.6 in H and S subchannels. In the end, the algorithm comb……
<<<<<全文未完，本文约2759个中文字，未计算英文字母、数字>>>>>
