一种采用模板预分割的分水岭分割算法.pdfVIP

一种采用模板预分割的分水岭分割算法 1 1 2 姜雪峰 ，王毅 ，侯建勋 1 哈尔滨工业大学深圳研究生院机械工程与自动化学科部，广东省深圳市(518055) 2 东北电力大学电气工程及其自动化系，吉林省吉林市( 132000) E-mail ：jxfhit @126.com 摘 要： 本文提出了一种改进的分水岭分割方法。先利用灰度直方图的阈值自动提取方法， 通过用模板对图像进行预分割，得到具有一定意义的边界特征。然后，在得到的边界内寻找 区域极小值，运用分水岭变换实现图像最终的分割。最后，获得有效的水盆中水的连通域后， 再通计算每个连通域的平均坐标，便可获得每个区域的中心坐标。实验表明,该方法不仅能 有效地消除过分割,而且具有较强的区域轮廓定位能力。 关键词：分水岭分割, 灰度直方图, 图像分割 中图分类号：TP391.4 1. 引 言 图象的分割方法有多种，其中基本算法三种：间断的检测，门限处理和区域处理，而形 态学分水岭算法将前三种算法具体化，包括连续的边界分割在内，它生成的分割结果通常更 为稳定。基于分水岭的分割算法的主要目标是找出分水线。它的基本思想是：假设在全图中 每个区域的最小极值位置上打一个洞并且让水以均匀的上升速率从洞中涌出，从低到高淹没 整个地形。当处在不同的汇聚盆地中的水将要聚合到一起时，修建的大坝将阻止聚合。这些 [1] 大坝的边界对应于分水岭的分割线，分水岭算法的实质是寻找这条水坝，即分水线 。 用基本算法分割时，只能限定有效的边界，无法确定连通域。用分水岭方法进行图像分 割时，可以确定连通域，但递归调耗时很多，没有预处理的图象时，经常出现过分分割的现 [2] 象 ,但分割的本身意义在于，从图象中识别出有意义的部分。基于分水岭的分割原理，提出 一种新的分水岭分割算法，该算法在分水岭算法运算前，先对全图作边缘分割预处理，将图 象中的有意义的边界标识出来，随后在分水岭算法处理过程中，若在寻找到的极值点附近存 在闭合环路，则可以从此处进行注水膨胀，一但膨胀到标识处，此处的扩张就可以停止。最 终，既属于分水岭分割开的，又经过标识的连通域，就是分割出来的有意义的部分，通过计 算此联通区域的平均坐标，便可得到标识图形的几何中心位置。它是基于分水岭变换原理的 一种快速、有效的分割方法，对于圆点的定位识别有良好的效果。 2. 算法的具体实现 2.1 预分割限定边界 以图 1 为例，首先预处理图象。 线性变换增强图象可读性的同时又不丢失原有图象数据，对图像内的每一个像素做线性 扩展，不仅有效地改善图像视觉效果，而且加大图象边缘梯度变化程度，有利于点的识别。 再通过 1×3 的扫描窗口，对新图进行中值滤波，中值滤波器利用局部中值替代了局部平均， - 1 - 在一定条件下可以克服线性滤波器（如部分平均） 所带来的图像细节模糊，而且对滤波脉冲干扰及图 [3] 像扫描噪声最为有效 。 然后，对全图进行边缘分割预处理。 设全图象素的集合为 W，在 5 ×5 个象素方框内 (如图 2 所示) ，计算外边框象素的灰度均值 AR ，并 与中心象素 g( i, j )灰度ACR 相比较，从而得到跳 跃平均算子： ▽f = AR – ACR （2 ） 图 1 例图 Fig.1 The sam