形态学分水岭算法在粘连图像分割中的应用

摘 要： 针对分水岭算法对噪声敏感和易于产生过分割的问题，提出运用顶帽变换对图像进行Ostu局部阈值处理，改善光照不均和噪声对图像分割的影响；采用多尺度形态学梯度，解决结构元素的形状和尺寸对梯度图像产生的影响。实验结果表明，该算法既能有效地分割粘连颗粒，又能有效抑制过分割现象。
关键词： 图像分割；数学形态学；分水岭算法；顶帽变换；多尺度形态学梯度

广州电感器　图像分割是将图像中有意义的特征或者需要应用的特征提取出来，这些特征可以是图像的原始特征（如物体占有区的像素灰度值、物体轮廓曲线和纹理特征等），也可以是空间频谱或直方图特征等。图像分割是图像处理进入到图像分析的关键步骤，也是图像理解的基础，一方面，它是目标表达的基础，对特征测量有重要的影响；另一方面，由于图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象、更紧凑的形式，使更高层的图像分析和理解成为可能。
　常用的图像分割算法有阈值分割算法[1]、区域分割算法[2]、边缘检测算法[3-4]以及分水岭算法等[5-6]。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，但它本身存在严重的过分割问题，因此，有效降低过分割问题是目前人们研究的焦点之一。
目前主要有两类方法解决分水岭算法的过分割问题：一类是对原图像进行预处理，它是基于标记提取的分水岭分割算法[7]，每一个标记对应着图像中的一个物体；另一类是对图像分割后再进行处理[8]，根据某种准则进行区域合并。本文重点研究第一类解决方法。

2 分水岭变换算法及其改进
2.1 算法原理
　分水岭分割算法的思想源于测地学中的地膜形态模型。VINCENT L[10]于1991年提出了著名的基于浸沉的分水岭算法。其原理描述如下：首先将一幅图像视为跌宕起伏的地貌模型，图像中每个像素的灰度值对应地形中的高度（即海拔），将均匀灰度值的局部极小区域视为盆地，并在最低处穿孔，使水慢慢地均匀浸入各个孔，当水将填满盆地时，在某两个或多个盆地之间修建大坝。随着水位的不断上升，各个盆地完全被水淹没，只剩没被淹没的各个大坝，并且各个盆地也完全被大坝所包围，从而可以得到各个大坝（即分水岭）和各个被大坝分开的盆地（即目标物），最终达到分割粘连物体的目的。
2.2 顶帽变换
　顶帽（top-hat）变换即从原图像中减去开运算的图像，这样，原图像中与结构元素相匹配的区域就得到增强，从而达到从图像中提取给定目标体的目的。
　本文对顶帽变换后的图像进行处理，首先用尺度为1~n的结构元素对图像进行腐蚀，当腐蚀到所有的目标都分离时停止腐蚀。然后用尺度为2~n的结构元素进行膨胀。图2（a）为顶帽变换的图像，图2（b）为对顶帽变换进行改进的图像。从图2可以看出，经过对顶帽变换图像的处理，物体之间的粘连明显减少。

2.3 形态学多尺度梯度
　考虑式（6）的形态学梯度，结构元素的尺寸和形状会对梯度图像产生一定影响[11]。
不同尺度结构元素的形态学梯度如图3所示。图3（a）为原始图像，图3（b）~图3（h）为用尺度为1~7的圆形结构元素得到的梯度图像，图3（i）~图3（l）与图3（m）~图3（p）分别是用尺度为1~4的菱形和方形结构元素得到的梯度图像。从图3可以看出，随着结构元素尺度的增大，得到的梯度图像的边界厚度也在增大；此外，不同结构元素产生的梯度图像也有所不同。这充分说明在形态学运算中结构元素选择的重要性。结构元素形状的选择由原始图像中包含的形状特征而定，如对于大米图像，结合其椭圆形的形状特性，一般用圆形结构元素来处理。

总结分析电源端口防护电路通用元器件电源端口的防护电路设计通常用到三大类保护元件：压敏电阻器、气体放电管、瞬态抑制二极管。 就这三类保护元件进行简单小结，如下：压敏电阻(MOV)压敏电阻是以氧化锌(ZnO) 为主要成分的非线性电阻元件，该元件浪涌电流耐量及非线性系数非常大，在阀值电压以下时，电阻非常高，几乎没有电流流过，如果超过该阀值电压，电阻急剧降低，可以泄放大电流。 压敏电阻的优点是启动电压范围宽，反应快，通流容量大，无续流，寿命长。 缺点为存在老化和性能不够稳定的问题

高档测试仪表研发的经验之谈这一年，总的来说，收获比较大，在做一款光纤测试方面的高档仪表。刚开始着手，还是感觉经验不足，在电源这块考虑的比较少，后来才发现，电源这块，其实非常重要，它可以说是你开发产品的心脏

凌力尔特公司推出DC/DC 转换器LTC3125        凌力尔特公司 (Linear Technology Corporation) 推出一个 1.6MHz、电流模式、同步升压型 DC/DC 转换器 LTC3125，该器件具有一个准确和可编程的平均输入电流限

 1/2    1 2 下一页 尾页