基于數(shù)學(xué)形態(tài)學(xué)分水嶺變換的圖像分割方法研究.pdf

1、在對圖像的研究和應(yīng)用中，人們往往僅對圖像中的某些部分感興趣，這些部分常被稱為目標(biāo)或?qū)ο螅鼈円话銓?yīng)圖像中特定的、具有獨(dú)特性質(zhì)的區(qū)域。為了辨識(shí)和分析圖像中的目標(biāo)，需要將它們從圖像中分離出來，在此基礎(chǔ)上人們才能進(jìn)一步對目標(biāo)進(jìn)行測量和對圖像進(jìn)行利用。圖像分割就是這樣一種重要的圖像分析技術(shù)。 采用數(shù)學(xué)形態(tài)學(xué)的思想對圖像進(jìn)行分割是近年來圖像處理中的研究熱點(diǎn)之一，分水嶺變換是基于數(shù)學(xué)形態(tài)學(xué)的一種強(qiáng)大的分割工具，因而倍受人們關(guān)注。本文圍繞分

2、水嶺算法開展研究工作，首先研究了圖像分割的基本原理，接著闡述了數(shù)學(xué)形態(tài)學(xué)的基本理論，有了這些理論作基礎(chǔ)，從以下兩個(gè)方面開展研究： 一方面，按照基于區(qū)域和基于邊緣的準(zhǔn)則對現(xiàn)有的圖像分割方法進(jìn)行分類，討論了各類分割算法的適用范圍及其優(yōu)缺點(diǎn)；結(jié)合數(shù)學(xué)形態(tài)學(xué)將分水嶺變換引入圖像分割領(lǐng)域，并研究了分水嶺變換在圖像分割中的優(yōu)勢和劣勢，針對分水嶺變換容易產(chǎn)生“過分割”這一問題，分析了過分割現(xiàn)象產(chǎn)生的原因。 另一方面，在明確過分割產(chǎn)生原

3、因的基礎(chǔ)上，對傳統(tǒng)分水嶺算法進(jìn)行改進(jìn)。定義了多形狀、多尺度的形態(tài)學(xué)結(jié)構(gòu)元素，通過形態(tài)學(xué)開閉濾波器的組合，構(gòu)造出多形狀、多尺度的復(fù)合濾波器對待分割圖像平滑去噪處理，減少噪聲和細(xì)節(jié)對分割結(jié)果的影響。用加噪聲的灰度圖像進(jìn)行實(shí)驗(yàn)，與形態(tài)開閉濾波器處理的結(jié)果相比較，復(fù)合濾波器的處理效果好。直接對濾波后求得的梯度圖像進(jìn)行分水嶺變換，仍會(huì)存在嚴(yán)重的“過分割”現(xiàn)象，為此需要對梯度圖像中感興趣目標(biāo)進(jìn)行標(biāo)記。研究了梯度圖像的特點(diǎn)以及形態(tài)學(xué)開閉重建運(yùn)算在圖像