形态学分水岭算法在粘连大米图像分割中的应用VIP专享VIP免费

第30卷第6期河南工业大学学报(自然科学版)Vo.l30,No.62009年12月JournalofHenanUniversityofTechnology(NaturalScienceEdition)Dec.2009收稿日期:2009�09�23作者简介:孙敬飞(1981�),男,河南南阳人,硕士研究生,主要从事图像处理的研究.文章编号:1673�2383(2009)06�0084�04形态学分水岭算法在粘连大米图像分割中的应用孙敬飞,杨红卫(河南工业大学信息科学与工程学院,河南郑州450001)摘要:在获取大米图像的过程中,经常会有大米颗粒接触粘连的情况,这给图像的后续处理带来很大困难.针对该情况,引入了一种形态学分水岭算法.首先运用顶帽变换对粘连图像进行局部阈值处理,然后用形态腐蚀运算来减弱接触大米的粘连程度,最后结合距离变换和分水岭算法对粘连大米进行分割,使相互接触的粘连大米图像得到分离.实验验证了该算法的有效性.关键词:图像分割;形态学;距离变换;分水岭算法;大米图像中图分类号:TS210����文献标识码:B0�前言图像分割是一种重要的图像处理技术,得到了广泛研究和应用.常用的图像分割算法有:阈值分割算法、区域分割算法[1-2]、边缘检测算法,以及分水岭算法等.其中分水岭算法因具有计算速度快、边界定位准确等优点而被广泛应用到粮食颗粒分割领域.由于大米自身的不规则性,造成粘连的大米图像不易分割.凌云等[3]利用流域算法对粘连谷物籽粒进行分割,取得了较好的效果.笔者在文献[3]的基础上引入了一种适合大米自身特性的形态学分水岭算法来分割粘连的大米图像,实验验证了该算法的有效性.1�大米图像的形态学预处理1.1�大米图像的局部阈值处理大米图像中经常存在光照度不均匀、各处的对比度不同、背景灰度变化等情况.如果选择不合适的阈值对图像进行分割,会由于不能兼顾图像各处的情况使分割效果受到影响.常用的阈值处理算法是自适应阈值法[4].这种方法的优点是抗噪能力强,对一些用全局阈值不易分割的图像有较好的效果,不足之处是计算复杂度较大.本文中采用与形态学相结合的局部阈值方法很好地克服了光照不均、背景灰度变化,以及一些全局阈值不宜分割图像等问题,同时降低了计算复杂度.局部阈值算法的处理过程如下:(1)将原始大米图像转换为灰度图像.(2)选取半径为循环量(范围为2到10)的圆形作为形态学的结构元素,并对大米图像进行形态学开运算,来平滑大米图像.(3)在开运算的基础上,对大米图像进行全局阈值处理.(4)选取(2)中的形态学结构元素对大米图像作顶帽变换,并对得到的结果进行全局阈值处理.图1�对图像进行全局阈值处理和局部阈值处理第6期孙敬飞等:形态学分水岭算法在粘连大米图像分割中的应用85�图1(a)、(c)是经过全局阈值处理方法处理后的大米图像,图1(b)、(d)是经过本文的局部阈值方法处理后的大米图像.从图1可以明显看出,采用本文的局部阈值处理方法对大米图像的背景灰度变化能够起到更好的处理效果.1.2�大米图像的形态学处理形态学图像处理是在二值图像中,以集合论为基础发展起来的数学方法.基本思想是选取一定形态的结构元素度量和提取图像中的对应形状达到对图像处理的目的.数学形态学的基本运算是腐蚀和膨胀运算,本文中主要运用腐蚀运算,其实际是利用结构元素进行填充,即用结构元素B填充集合A,填充后如果结构元素B包含于A中,则满足集合A被B腐蚀的结果.记为A�B.定义为:A�B={zB�A^}�(1)形态学腐蚀算法可以进一步削弱大米图像的粘连程度,去除经过局部阈值处理后的大米图像边缘的噪声,便于后期的分水岭分割.图2是在局部阈值处理后经腐蚀运算所得的图像.图2�形态学腐蚀后的大米图像2�大米图像的距离变换距离变换用于二值图像的操作运算,它是将一幅二值图像转化为灰度图像.图像中每个像素的灰度值是该像素点到其最近的背景像素点间的距离.通常,大米图像中越靠近大米边界的像素点,与距其最近的背景像素点的空间距离就越近.具体可用公式(2)表示:distD=minpb-pg(2)式中:pb表示大米图像的边界像素点,pg表示大米图像的背景像素点.距离变换的目的在于区分大米图像的边界像素点和内部像素点,其效果与将灰度图像转换成二值图像所选取的阈值有直接的依赖关系.3�分水岭分割原理分水岭分割算法的思想源于测地学中的地膜形态模型.其原理描述如下:首先将一幅...