基于分水嶺算法和形態(tài)學(xué)標(biāo)記的圖像分割方法
【專利摘要】本發(fā)明提供一種基于分水嶺算法和形態(tài)學(xué)標(biāo)記的圖像分割方法，對(duì)灰度圖像進(jìn)行中值濾波得到濾波后的圖像；對(duì)濾波后的圖像使用OTSU大津法得到二值化圖像；利用基于重建的形態(tài)學(xué)運(yùn)算處理二值化圖像得到特征標(biāo)記圖像；采用分水嶺算法對(duì)特征標(biāo)記圖像進(jìn)行變換得到分割后的圖像。本發(fā)明提供的圖像分割方法，利用OTSU大津法和中值濾波，對(duì)圖像的雜質(zhì)和噪點(diǎn)進(jìn)行過濾，并作為分水嶺算法的初步標(biāo)記來源，有效的消除了噪聲的干擾；采用形態(tài)學(xué)運(yùn)算方法，在保證不喪失有效區(qū)域的信息的同時(shí)，能夠?qū)⒛承┠：齾^(qū)域或相連區(qū)域分離開，保證圖像分割的完整性和一致性；結(jié)合連通域的計(jì)算，可以排除非噪點(diǎn)的無效目標(biāo)和信息，精確定位的分水嶺算法的標(biāo)記，消除了過分割現(xiàn)象。
【專利說明】基于分水嶺算法和形態(tài)學(xué)標(biāo)記的圖像分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種圖像分割處理方法，具體涉及一種基于分水嶺算法和形態(tài)學(xué)標(biāo)記的圖像分割處理方法，可用于包括微納米顆粒分布，細(xì)胞或缺陷檢測在內(nèi)的多種圖像分割。
【背景技術(shù)】
[0002]圖像分割是圖像處理和檢測分析中的一個(gè)非常重要的步驟，它可將目標(biāo)圖像劃分為若干具有某種相似性和一致性特性的區(qū)域，精確定位這些區(qū)域并對(duì)它們的一些特性做進(jìn)一步的分析和處理。
[0003]圖像分割通常用于對(duì)圖像進(jìn)行進(jìn)一步的分析，檢測，評(píng)估等，分割的準(zhǔn)確性以及區(qū)域的一致性會(huì)直接影響到后續(xù)工作的價(jià)值。主流的圖像分割方法，一般分為兩類，一類是基于閾值的分割，一類是基于區(qū)域的分割?；陂撝档姆指睿惴ê唵?，速度快，但在目標(biāo)與背景差距較小的情況下，很難得到精確的區(qū)域劃分；基于區(qū)域的劃分，是將區(qū)域的某些相似特性作為判斷標(biāo)準(zhǔn)，在此基礎(chǔ)上，將這些相似的區(qū)域連接起來，從而形成有效的區(qū)域劃分。圖像分割的分水嶺算法，最早由Digabel和Lantujoul引入,Meyer提出了最初的形態(tài)學(xué)分割方法(Meyer F，Beucher S.Morphological segmentation [J].Journal of visualcommunication and image representation, 1990，I (I):21-46.),但存在計(jì)算量大的缺點(diǎn)，Vincent和Soille于1991年提出的快速形態(tài)學(xué)分水嶺方法，奠定了現(xiàn)代分水嶺方法的基礎(chǔ)。
[0004]分水嶺方法對(duì)邊緣的定位準(zhǔn)確，運(yùn)算簡單，且易于并行處理，但存在一個(gè)重要的問題，分水嶺方法對(duì)噪聲和雜質(zhì)點(diǎn)特別敏感，一旦圖像中噪聲和雜質(zhì)點(diǎn)較多時(shí)，算法會(huì)檢測到過多的局部極限值，進(jìn)而造成過分割現(xiàn)象。過分割會(huì)導(dǎo)致無法正確劃分目標(biāo)區(qū)域，無法進(jìn)一步對(duì)目標(biāo)區(qū)域的特性進(jìn)行分析和評(píng)估等結(jié)果。為提高圖像分割的準(zhǔn)確性，須在進(jìn)行分水嶺處理之前，對(duì)目標(biāo)特征區(qū)域進(jìn)行標(biāo)記。
[0005]一般的標(biāo)記方法，多適用于處理圖像中冗余的紋理信息，如基于灰度級(jí)共生矩陣的方法，基于紋理譜的方法等，對(duì)于處理非紋理信息的顆粒分布顯微圖像，缺陷檢測圖像或金相圖像等有效組織或區(qū)域在圖像中易粘合在一起的圖像來說，并不適用。如何在保證圖像中的有效信息不丟失的情況下，將特征區(qū)域分割開，并且不會(huì)造成過分割，成為一個(gè)亟待解決的問題。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的在于針對(duì)以上所述的技術(shù)的不足以及需要解決的問題，提出一種基于分水嶺算法和形態(tài)學(xué)標(biāo)記的圖像分割方法，將形態(tài)學(xué)運(yùn)算和處理和分水嶺算法結(jié)合，用形態(tài)學(xué)運(yùn)算處理過之后的圖像作為分水嶺標(biāo)記的來源，對(duì)圖像進(jìn)行分割。
[0007]分水嶺算法的標(biāo)記，是建立在OTSU大津法對(duì)原始圖像的處理，以及形態(tài)學(xué)運(yùn)算對(duì)目標(biāo)區(qū)域的提取和對(duì)無效信息的過濾的基礎(chǔ)上。
[0008]本發(fā)明提供的圖像分割方法既能保證標(biāo)記的準(zhǔn)確性，消除雜質(zhì)噪點(diǎn)等無效信息，又能有效解決分水嶺算法分割圖像時(shí)的過分割問題。
[0009]本發(fā)明提供的基于分水嶺算法和形態(tài)學(xué)標(biāo)記的圖像分割方法，包括以下步驟:
[0010](I)對(duì)灰度圖像進(jìn)行中值濾波，得到濾波后的圖像；
[0011](2)對(duì)濾波后的圖像使用OTSU大津法，得到二值化圖像；
[0012](3)利用基于重建的形態(tài)學(xué)運(yùn)算處理二值化圖像，得到特征標(biāo)記圖像；
[0013](4)采用分水嶺算法對(duì)特征標(biāo)記圖像進(jìn)行變換，得到分割后的圖像。
[0014]本發(fā)明提供的基于分水嶺算法和形態(tài)學(xué)標(biāo)記的圖像分割方法，使用OTSU大津法作對(duì)圖像進(jìn)行初步分割，利用圖像中目標(biāo)區(qū)域與背景之間的灰度值的不同，通過選取合適的閾值區(qū)分背景和目標(biāo)，不但可以大量壓縮數(shù)據(jù)，節(jié)省時(shí)間，還未后面下一步的目標(biāo)區(qū)域的過濾和標(biāo)記提供了較好的基礎(chǔ)。
[0015]本發(fā)明提供的基于分水嶺算法和形態(tài)學(xué)標(biāo)記的圖像分割方法，采用形態(tài)學(xué)運(yùn)算方法，通過腐蝕、膨脹及重建等運(yùn)算，將某些原本粘結(jié)在一起的區(qū)域分離開，能夠更加精確的對(duì)應(yīng)目標(biāo)區(qū)域，準(zhǔn)確找出目標(biāo)的有效區(qū)域，并去除某些非噪點(diǎn)的無效目標(biāo)，為采用分水嶺算法進(jìn)行圖像分割提供標(biāo)記。
[0016]進(jìn)一步地，步驟(1)中的中值濾波包括以下步驟:
[0017](11)選擇sobel邊緣算子對(duì)灰度圖像進(jìn)行水平和垂直方向的濾波；
[0018](12)計(jì)算模值。
[0019]進(jìn)一步地，步驟(11)中sobel邊緣算子包括兩組3x3矩陣，其中一組為橫向矩陣:
【權(quán)利要求】
1.一種基于分水嶺算法和形態(tài)學(xué)標(biāo)記的圖像分割方法，其特征在于，包括以下步驟: (1)對(duì)灰度圖像進(jìn)行中值濾波，得到濾波后的圖像； (2)對(duì)所述濾波后的圖像使用OTSU大津法，得到二值化圖像； (3)利用基于重建的形態(tài)學(xué)運(yùn)算處理所述二值化圖像，得到特征標(biāo)記圖像； (4)采用分水嶺算法對(duì)所述特征標(biāo)記圖像進(jìn)行變換，得到分割后的圖像。
2.根據(jù)權(quán)利要求1所述的基于分水嶺算法和形態(tài)學(xué)標(biāo)記的圖像分割方法，其特征在于，步驟(1)中的中值濾波包括以下步驟: (11)選擇sobel邊緣算子對(duì)所述灰度圖像進(jìn)行水平和垂直方向的濾波； (12)計(jì)算模值。
3.根據(jù)權(quán)利要求2所述的基于分水嶺算法和形態(tài)學(xué)標(biāo)記的圖像分割方法，其特征在于，步驟(11)中所述sobel邊緣算子包括兩組3x3矩陣，其中一組為橫向矩陣:

4.根據(jù)權(quán)利要求1所述的基于分水嶺算法和形態(tài)學(xué)標(biāo)記的圖像分割方法，其特征在于，步驟(3)包括以下步驟: (31)對(duì)所述二值化圖像進(jìn)行形態(tài)學(xué)中的腐蝕操作； (32)統(tǒng)計(jì)腐蝕后的圖像中所有連通域的像素面積，計(jì)算所述連通域的像素面積的均值和偏差； (33)根據(jù)所述連通域的像素面積與所述連通域的像素面積的所述偏差，刪除所述腐蝕后的圖像邊緣與內(nèi)部的雜質(zhì)點(diǎn)以及過小的所述連通域； (34)利用步驟(33)中得到的圖像與步驟(2)中的所述二值化圖像，進(jìn)行重建，獲得重建圖像； (35)對(duì)所述重建圖像，進(jìn)行膨脹及重建操作，得到膨脹后重建圖像； (36)對(duì)步驟(34)中獲得的重建圖像與步驟(35)中得到的膨脹后重建圖像，求補(bǔ)，并進(jìn)行重建，然后再求補(bǔ)，獲得用于分水嶺算法的特征標(biāo)記圖像。
5.根據(jù)權(quán)利要求4所述的基于分水嶺算法和形態(tài)學(xué)標(biāo)記的圖像分割方法，其特征在于，步驟(31)中腐蝕操作的結(jié)構(gòu)元素為圓形算子或者方形算子。
6.根據(jù)權(quán)利要求5所述的基于分水嶺算法和形態(tài)學(xué)標(biāo)記的圖像分割方法，其特征在于，所述結(jié)構(gòu)元素的像素值為2~20。
7.根據(jù)權(quán)利要求5所述的基于分水嶺算法和形態(tài)學(xué)標(biāo)記的圖像分割方法，其特征在于，步驟(35)中的膨脹操作，使用的結(jié)構(gòu)元素與步驟(35)中腐蝕操作的結(jié)構(gòu)元素相同。
8.根據(jù)權(quán)利要求1所述的基于分水嶺算法和形態(tài)學(xué)標(biāo)記的圖像分割方法，其特征在于，步驟(4)中所述分水嶺算法采用象素點(diǎn)的歐拉距離作為分割標(biāo)準(zhǔn)。
【文檔編號(hào)】G06T7/00GK103914843SQ201410136163
【公開日】2014年7月9日 申請(qǐng)日期:2014年4月4日 優(yōu)先權(quán)日:2014年4月4日
【發(fā)明者】袁鑫, 熊振華, 盛鑫軍, 賈磊, 朱向陽 申請(qǐng)人:上海交通大學(xué)