改进的分水岭分割算法在图像分割中的应用

改进的分水岭分割算法在图像分割中的应用 改进的分水岭分割算法在图像分割中的应 用 第19卷第1期中原工学院学报 2008年2月JOURNALOFZH0NGYUANUNIVERSITYOFTECHN0LoGY V0I.19NO.1 Feb.,2008 文章编号:1671—6906(2008)01—0013—03 改进的分水岭分割算法在图像分割中的应用 刘洲峰,徐庆伟,李春雷 (中原工学院,郑州450007) 摘要:针对基于区域的分水岭分割算法通常存在过分割现象,提出了一种新的分割算法,其分割 流程 快递问题件怎么处理流程河南自建厂房流程下载关于规范招聘需求审批流程制作流程表下载邮件下载流程设计 大致为:先求形 态梯度图像的浮点活动图像,然后进行分水岭变换,这样边缘定位会更准确;接着使用区域生长法对图像作进一步分割, 可以很好地抑制过分割现象,感兴趣的区域也得以保留.实验表明该算法简单有效,能够得到理想的分割结果. 关键词:分水岭分割算法;过分割;形态梯度图像;浮点活动图像;区域生长法 中图分类号:TP11文献标识码:A 图像分割是图像处理中的主要问题,图像分割的 目的是将图像划分成若干”有一定意义”的区域,把”感 兴趣的目标物”从十分复杂的景像中提取出来,以便作 进一步的分析和处理.因此,分割是图像分析,图像理 解以及视频编码中前期处理的一个重要步骤.这里,所 谓”有一定意义”是一种很笼统的说法,其含义一般取 决于具体的应用.就主观愿望来说,希望分割出的区域 对应于景物的各个物体,但这是十分困难的.由于图像 信号的复杂多样性,图像分割是个复杂的问题,分割可 以在空间域,时间域或同时在空间域和时间域中进行. 在空间域进行分割的一般方法包括区域分裂合并法, 区域生长法和形态分割法rj],其中形态分割法特别引 人注目,因为形态变换工具非常适合于描述图像的基 本几何特征或基本结构,为图像分割开辟了新的途径. 在传统的形态分割方法中,也就是基于区域的分水岭 分割算法,由于它通常存在过分割现象,所以本文提出 了一种改进的分水岭分割算法,提高了图像分割效果. 图像分割算法的研究 1.1分水岭分割算法 分水岭是地形学中的经典描述方法之一.假设一 维函数是一幅地形地貌图.首先确定这个地形的所有 局部极小点,并假设在每个局部极小点处刺穿1个小 孔,然后把它随着时间匀速地浸入1个湖中.湖水开始 从局部最小点处向对应的聚水盆地注水形成水库.为 了防止2个不同的局部最小点对应的水库汇聚到一 起,在它们的相接处建立起1个水坝,当地形被完全浸 没在湖面以下之后,所有的水坝就构成了分水岭.在图 像形态学中引入分水岭概念时,常将灰度图像看成是 假想的地形表面,每个像素的灰度值表示该点的海拔 高度,这种表示是相当有用的.首先,它使人们更好地 领会某些变换的作用,例如,形态开运算起”削峰”作 用,形态闭运算起”填谷”作用[2;其次,由于有了这种 表示,可以很好地定义灰度图像的流域及分水岭等概 念,图1示例说明了这些概念. 蓄水池区域 收稿日期:2007—11—20 基金项目:河南省教育厅自然科学研究资助项目(200410465201;200510465002) 作者简介:刘洲峰(1962--),男,河南新乡人,教授,博士. 每个标志器表示一个蓄水池 图1灰度图像的分水岭示意图 中原工学院学报2008年第l9卷 分水岭算法是 数学 数学高考答题卡模板高考数学答题卡模板三年级数学混合运算测试卷数学作业设计案例新人教版八年级上数学教学计划 形态学中的主要判决工具.为 了获得物体的轮廓,通常在待分割图像的形态梯度信 号上计算分水岭.然而,用分水岭算法对形态梯度信号 进行分割时,梯度信号中每个独立的局部底谷都划归 为不同区域,最终导致”过分割”,即产生大量虚假的轮 廓,以致无法确认哪些是真正的轮廓_3]. 为了解决上述问题,在传统的形态分割方法中,以 形态梯度图像的浮点活动图像进行分水岭变换,使过 分割现象减轻,而且边缘定位更精确.使用区域生长法 对图像作进一步分割,可以很好地抑制过分割现象. 1.2形态梯度图像 在分割之前,输入图像的噪声必须有效地滤除,以 便能够准确计算图像的梯度.基于连通算子的形态滤 波近年来得到了广泛地关注.将图像中的一个平坦 区域合并到另一个平坦区域,不会丢失形状信息,这种 形状保持特性使基于连通算子的滤波器较其它滤波器 更适用于分水岭变换. 图像经滤波后求形态梯度图像,形态梯度图像等 于膨胀变换减去腐蚀变换].依式(1)求得: g(x,)一(J)(z,)一,B(J)(,)(1) 其中,图像J的膨胀算子(J)定义为: (J)(z,Y)一rD.ax(,)?8J(k,,)(2) 类似地,图像J的腐蚀算子,(J)定义为: ,B(J)(,)一min(_f)?BJ(k.Z)(3) 1.3浮点活动图像 浮点活动图像是由形态梯度图像得到的,浮点活 动图像由下式得到: fimg(J)一g(x,)×g(x,)/b(4) 所谓”浮点”是指图像的数据类型是浮点型,它由 形态梯度的平方积除以参数b得到.其中b为变化常 数,可以取值0.0,255.0,实验中一般取值为4,30 左右. 1.4区域生长法 基于同一区域内图像灰度值相似形原则,用区域 生长法分割图像_5],首先要选定一些代表不同区域的 起始像素,即种子,然后按照一定的规则在种子周围进 行区域的生长,直到这些区域覆盖整个图像.区域生长 法的输入是待分割的含有种子的图像,种子逐渐生长. 对于每个区域的当前边界像素,检查其8域像素的 参考文献: 特性,以确定是否可以将其并入边界所属的区域.被考 查的像素必须是没有被分割过的,而且其灰度值应接 近该区域的特性.当区域生长无法继续时,算法就停 止.这种分割方法的效果优劣与初始种子的选取密切 相关. 2分割结果 经Matlab7.0图像处理软件进行仿真得到的结果 如图2所示.图2(a)是bacteria原图像;图2(b)是先 求形态梯度图像的浮点活动图,然后进行分水岭变换, 接着使用区域生长法对图像作进一步分割,可以看到 该方法很好地抑制了过分割现象,使我们感兴趣的区 域得以保留;图2(c)是对原始图像求形态梯度后,直 接进行传统分水岭分割算法的结果,出现了过分割现 象;图2(d)是没有进行区域生长法,没有对图像作进 一 步分割,可以看到,图像分割效果不是很理想,但与 图2(c)相比较,分割效果有所提高. 图2bacteria原图像及分割结果 3结语 本文提出了一种改进的分水岭图像分割算法,此 方法有效地保留了边界的信息,可以很好地抑制过分 割现象,感兴趣的区域也得以保留,达到了预期分割的 目的,为后期的试验做了很好的铺垫.实验结果表明该 算法简单有效,可以得到符合人类视觉系统特性的分 割结果,边缘定位精确度较高. [】]清源计算机工作室.MATLAB6.0高级应用一图形图像处理[M]. 北京:机械工业出版社,2001:240—266 E23黄友珍.基于修正分水岭变换算法和时域跟踪的视频自动分割 EJ].电视技术.2000(1):5—8. E33王合.医学图像边缘检测技术的研究EM].上海:上海交通大学出 版社,1996:】一4. 第1期刘洲峰等:改进的分水岭分割算法在图像分割中的应用 1-43SalembierP.SerraJ.F1atZonesFiltering,ConnectedOperator,andFiltersbyReconstruction[J].IEEETransactionsonImage Processing,1995,4(8):1153--1160. [5]卢官明.区域生长型分水岭算法及其在图像序列分割中的应用[J]. 南京邮电学院学报(自然科学版),2000,20(3):51—54 [6]夏德深,傅德胜.现代图像处理技术与应用[M].南京:东南大学出版 社,2001:80一100- ApplicationofImageSegmentationBasedonImproved WatershedSegmentationAlgorithm LIUZhou—feng,XUQing—wei,LIChun—lei (ZhongyuanUniversityofTechnology,Zhengzhou450007,China) Abstract:Thereisover—segmentationphenomenonbasedonwatershedsegmentationalgorithm,sothis Daperpresentsanewsegmentationalgorithm,whichisfollowedwithfloating—pointmovingimagebasedonmot— phologica1gradimage,thenwatershedtransformationisdone,edgeorientati onwillbemoreprecise.Theregion growthalgorithmisfollowedforfurtherimagesegmentationnext.Thisalgorithmcanwellrestrainover-seg— mentationDhenomenon,interestedregionisalsoreserved.Theexperimentalresultsindicatethatthisalgorithm issimpleandeffective,whichcanmakeusgetidealsegmentationresults. Kev word word文档格式规范word作业纸小票打印word模板word简历模板免费word简历 s:watershedsegmentationalgorithm;over_segmentation;morphologicalgradimage;floating— pointmovingimage;regiongrowthalgorithm /.,,.,%/.,,.,/,.,N (上接第12页) [8]关胜晓.机器视觉及应用发展[J].自动化博览,2005,22(3):88--92? [9]刘曙光,屈萍鸽,费佩燕.机器视觉在纺织检测中的应用[J].纺织学 报,2003,24(6):89—91? [1O]LINJeng—jong,LINChung—hua,TSAIISHOU.ApplyingExpertSys temandFuzzyLogictoanIntellectDiagnosisSystem [11] [12] forFabricInspect[J].TextileResearchJournal,1995(12):697--709? TSAIIS.ApplyinganArtificialNeuralNetworktoPatternRecognitioninFabricDefects[J].TextileResearchJournal,1995 (3):123—130. TSAIIS.AutomaticInspectionofFabricDefectsUsingandArtificialNeuralNetworkTechnique[J].TextileResearchJour— 482 na1,1996(7):474— ActualitiesandDevelopingTrendOfMachineVision ZHANGWu—yi,ZHAOQiang—song,WANGDong—yun (ZhongyuanUniversityofTechnology,Zhengzhou450007,China) Abstract:Theconceptofmachinevisionandtheconfigurationofatypicalmachinevisionsystemhave beenbrieflyintroducedinthispaper.andthedevelopingtrendofmachinevisionstechniqueshavebeenex— Dlained,suchasilluminatingresource,opticallens,camera,imageframegrabber,imagesignalprocessing,ex— ecutiveframework,andsoon.Thetechniqueofmachinevisionhasfoundanincreasinglywideutilizationin manvfields,suchasindustrialdetection,folkusing,scienceresearchandmilitaryaffairsandsoon.Inthe end,thedevelopingtrendofmachinevisioninfutureisputforward. Keywords:machinevision;CCDcamera;imagesignalprocessing;inspection