基于分水岭及形态学重构矿石图像分割方法.docVIP

基于分水岭及形态学重构矿石图像分割方法 　　摘 要：对于较为复杂的矿石图像中矿石目标的分割，直接使用已有的图像分割算法往往不能满足我们的个性化要求。为解决该问题，文中基于矿石图像特点设计了一套有效的基于分水岭的矿石图像分割方案，该方案主要包括双边滤波、分段线性灰度变换、二值化、距离变换、图像形态学重构等步骤。实验结果表明，文中提出的矿石图像分割方法可以准确完成矿石粒度图像分割 关键词：矿石图像分割；分水岭算法；距离变换；轮廓提取；图像形态学 中图分类号：TP391.41 文献标识码：A 文章编号：2095-1302（2017）03-00-03 0 引 言 目前，利用计算机图像处理技术来解决实际问题已经非常普及，人们倾向于用摄像机来构建机器视觉测量系统，实时给出矿石的粒度尺寸分布信息，这样就实现了矿石生产线的自动控制[1]。但矿石现场采集的图像质量较差，待分析矿石往往会连在一起，同时还有噪声多等特点，假如我们不对其进行分割、处理并定位到目标，将会导致矿石粒度分析较差，因此矿石图像中矿石分割是该视觉系统的关键。矿石场景分割涉及把一个矿石场景分为不相交的区域，图像中的每一个矿石都具有一个封闭的轮廓，这些轮廓应尽可能逼近矿石的边缘[2，3]。分水岭方法的优点是计算速度快，能够较好地提取出对象轮廓、边缘，定位准确，这使得其被越来越多的研究人员应用到图像分割的实践中来。但由于本文选择的测量对象是选矿现场位于传送带上破碎后的矿石颗粒，图像受光照影响较大且采集环境恶劣，粉尘较多。因而如果直接使用分水岭算法对矿石图像进行有效分割会存在以下不足： （1）由于采集、量化中所产生的图像噪声对分水岭算法将产生极大的影响。矿物加工现场由于环境的特殊性致使图像噪声较多，这类噪声通常具有离散性和随机性特点，影响图像的梯度导致分割时轮廓产生偏移 （2）由于某些图像对比度较低，将会导致其轮廓丢失[4] （3）由于矿石表面细密纹理较多导致使用传统的分水岭算法存在检测结果局部极值过多现象，使得后续分割出现大量细小分割区域从而导致图像过度分割。为克服以上缺陷，本文设计了一套算法流程，结合矿石图像的特点，对采集的图像先进行图像预处理操作，为分水岭算法进行图像分割做准备，根据实验结果的图像显示，图像分割效果较为理想 1 算法流程 如上所述，由于矿石现场传送带环境恶劣，目标与背景区分度差。通过最初的图像预处理可以增强前景和背景的对比度，为后续矿石定位以及分割做准备。图像处理过程如图1所示 1.1 双边滤波 在图像处理过程中，传统的平滑滤波方法有均值和中值滤波。滤波一般是在空间上对信号进行变换，如加权或取邻域中间值，这样虽然信噪比增强，但输出图像的边缘却变得模糊。为克服这个缺陷，应生了各种具有自适应特征的滤波算法。这些算法在基本思想上是相通的，即滤波时，尽可能根据图像边缘特点来避免模糊现象。而双边滤波是通过卷积过程中组合空域函数和值域核函数，同时考虑灰度域的相互影响，是具有保留边缘特点的算法 双边滤波器计算图像中每个像素点与模板内像素的空间相邻关系和灰度相似关系，并将两个关系进行高斯映射后作为模板内像素的权值，对模板像素进行加权平均，从而达到滤波效果。在图像灰度变化平缓的区域，双边滤波器变为标准的低通空域滤波器。而在那些图像灰度变化剧烈的区域，如二值图像的边缘，滤波将边缘点邻域内灰度近似的像素点的灰度平均值作为该点的像素值。因此双边滤波器有去除噪声和保留图像细节的功能，是一种具有实际应用价值的滤波器[3] 总体来说，双边滤波在使得矿石图像平滑去噪的同时，会尽可能保留其边缘细节的非线性滤波方法，采用该方法可以去除灰尘杂质及光照不均带来的畸变干扰[5]。图2（a）所示为一幅初始矿石粒度图像，图2（b）所示为对原始图像依次进行灰度化和双边滤波处理后的结果示意图 1.2 分段线性灰度变换 灰度变换为图像增强的一种方法，其能够加强图像前景与背景之间的对比度。因此，可以将灰度变换应用到矿石采集?D像中，突出矿石目标特征。对多峰的直方图图像进行灰度变换，则需要在各灰度范围内分段处理。对于两个峰值左右的灰度应该分别进行拉伸，而两峰之间的谷则应进行一定程度的压缩处理，使在分段处理后，图像的细节更为突出。图2（c）所示是将矿石图像进行双边滤波处理后的结果使用分段线性灰度变换进行对比度增强后的结果示意图。从图中可以看出，通过使图像的对比度增强，可以较好地把矿石的前景和背景分割出来 1.3 梯度计算 图像梯度化属于图像锐化，其目的在于突显图像的轮廓特征，以方便机器识别，梯度图像的主要目的是显示图像变化趋势。基于梯度图像使用分水岭算法比直接在原始图像上利用分水岭分割结果更加准确，梯度图像更适合作为分水岭算法的分割图像[