粘连颗粒二值图像的分割方法.docx

粘连颗粒二值图像的分割方法专利名称：粘连颗粒二值图像的分割方法技术领域：本发明涉及复杂颗粒图像分割技术领域，特别是一种粘连颗粒ニ值图像的分割方法背景技术：图像分割算法是图像处理的ー种基本方法，是图像分析与模式识别首先要解决的问题，其根本的目的是把有价值的区域从背景中分离出来利用图像“质”的特征，人们提出了各种算法，大致分为以下几种灰度阀值法、区域生长法、边缘检测法、松施法等这些方法都依赖于图像中的灰度或顔色相似性或不连续性受噪声或者区域对象本身相互连接的影响，在上述算法的图像分割结果中，总会有ー些区域聚集在一起，即多个对象之间相互粘贴、重叠，影响了对图像的进ー步分析与识别，也就是当在ニ值图像中有许多粘连目标物体时，这些算法很难被使用在这种情况下，一般采用人工交互的方式进行处理，但这种方法速度慢，易受人为因素的影响，其处理结果并不令人满意为了提高处理性能，增强自动化处理能力，有必要设计粘连区域(颗粒)对象自动分割算法完成相粘区域的分离目前多数算法是基于颗粒边界的凹点，按照凹点的性质分割粘连区域这些算法要求凹点性质明显，并需适当地人工干预，因而需反复试算才能得到较为可靠的結果，这样大大地降低了算法或程序的自动化程度。

一般在复杂多颗粒图像中，区域对象的粘连处都呈现凹状，基于此，人们提出了许多自动分割算法此类分割算法的基本思想是首先进行区域对象的多边形近似，查找到区域边界的凹点，然后对凹点进行配对连接，实现对象分割这种方法直观、简单，但实际处理中区域对象粘连各异，凹点的配对复杂，因而算法均不同程度的存在如下问题 (O凹点求取不准确，造成分割失败凹点的求取通常是先多边形近似，然后求出多边形顶点中满足凹点条件的点集多边形近似算法在一定程度上模糊了区域对象的凹凸特征，易受噪声的影响，因而影响了对凹点的正确求取以错误的凹点分割区域对象，必然造成分割失败2)凹点配对困难由于对象粘连不同，多边形近似后，可能在粘连处求得了ー个凹点，也可能求出3个或3个以上的凹点当求得对象的凹点为ー个时，算法难于决定分割对象；当凹点为3个或3个以上时，算法难于决定各凹点之间的配对选择3)分离点集或分离曲线难于查找分离曲线分割对象，其基本原则是最大程度接近对象形状但只有两个凹点是不够的，因而有些算法要求两凹点处存在局部最小灰度区域，但受光照或者对象粘连因素的影响，局部最小灰度区域很难保证，因而分离曲线很难查找各算法在实际处理中除了使用凹点分割之外，还采用了别的信息，如对凹点算法进行了改进，在一定程度上改善了分割結果。

也有算法基本过程如下首先在边界上找到凹点，以凹点为顶点，以相邻多边形的边为边构成ー个角，然后以局部灰度最小值为分离原贝1J，沿角平分线向另一边查找分离曲线，直到所有凹点都完成上述查找算法在局部灰度变化较为明显的前提下能较好地分割对象，但是当光照引起灰度变化不均匀时算法无能为力，也导致分割失败发明内容本发明的目的在于克服现有技术的不足，提供一种粘连颗粒ニ值图像的分割方法，该方法有利于分割ニ值图像中粘连的目标区域对象，具有良好的抗干扰能力为实现上述目的，本发明的技术方案是本发明的粘连颗粒ニ值图像的分割方法，包括以下步骤 步骤I:对ニ值区域对象进行目标物体的骨架提取； 步骤2 :在欧氏空间中定义骨架的边界距离函数； 步骤3 :求出所述骨架的边界距离函数的极小值点，即谷点； 步骤4 :以所述谷点为中心按区域边界距离函数最小差商分割目标对象本发明的有益效果是有效地克服了现有技术对凹点要求严格的缺点，提高了粘连区域的分割精度该方法能实现对ニ值图像中粘连目标区域对象的合理有效分割，受边界局部毛刺影响小，具有速度快和抗干扰性强等特点，具有非常广泛的应用前景图I是本发明实施例的工作流程图具体实施例方式本发明的粘连颗粒ニ值图像的分割方法，如图I所示，包括以下步骤 步骤I:对ニ值区域对象进行目标物体的骨架提取； 步骤2 :在欧氏空间中定义骨架的边界距离函数； 步骤3 :求出所述骨架的边界距离函数的极小值点，即谷点； 步骤4:以所述谷点为中心按区域边界距离函数最小差商分割目标对象。

在步骤I中，目标物体的骨架提取算法包括以下步骤 步骤I. I :细化后得到单像素宽度的ニ值图像I(Xj) = I :羞;如果ニ值图像中的像素点i，满足バろ.，Λ.) =255，则在像素点 I V 目i的8邻域模板内统计/(ろ.+Dろi.+Dァ)=255的像素点的个数并计入Countt中，其中Ox, Df= {-I, O, 1};重复此操作,直至所有像素点操作完毕； 步骤I. 2 :对于ニ值图像中的像素点，如果Cbffi7ら>3，则记该像素点为线条分支点Λ.;如果Counti=I,则记该像素点为顶点Di ； 步骤1.3 :在原图像/Cr，ァ)中去除记录的线条分支点Λ.，从而产生多个不连通区域，然后进行连通区域标记，得到标记图Cr，_F); 步骤I. 4 :在所述标记图4 Cr，ァ)中，从所有顶点像素开始计算所在的各个连通区域的长度信息，记作Ni ； 步骤I. 5 :设定长度阈值Tl,取最小长度min (N1)，如果min (馬)权利要求1.一种粘连颗粒二值图像的分割方法，其特征在于包括以下步骤 步骤I:对二值区域对象进行目标物体的骨架提取； 步骤2 :在欧氏空间中定义骨架的边界距离函数； 步骤3 :求出所述骨架的边界距离函数的极小值点，即谷点； 步骤4:以所述谷点为中心按区域边界距离函数最小差商分割目标对象。

2.根据权利要求I所述的粘连颗粒二值图像的分割方法，其特征在于在步骤I中，目标物体的骨架提取算法包括以下步骤 步骤I. I :细化后得到单像素宽度的二值图像3.根据权利要求2所述的粘连颗粒二值图像的分割方法，其特征在于在步骤3中，按如下步骤求出所述骨架的边界距离函数的谷点 步骤3. I :对骨架曲线进行遍历，建立一个以遍历次序为自变量，以骨架值为因变量的函数，其中《表示当前检测的骨架点dfc)表示《点对应的数学形态学的距离函数值；步骤3. 2:按中心插值法求出J (/7)的导数^ {n)； 步骤3. 3 :扫描W (/ )，得到一个或多个波峰或波谷； 步骤3. 4 :排除波峰得到波谷；设一个梯度阀值，控制对谷点的提取，得到可靠的谷点； 步骤3. 5 :重复步骤3. r步骤3. 4，直到所有骨架点均遍历完成4.根据权利要求3所述的粘连颗粒二值图像的分割方法，其特征在于在步骤4中，按如下方法确定分割路径 以谷点为中心，以骨架为中轴，查找中轴两边两邻域内与谷点差最大的点，即差商最大的点，则在这个邻域内此点达到边界的距离最短；以该点为中心，以谷点到这点为矢量方向，继续查找矢量两边新邻域中与该点差商最大的点，如此反复直到边界点。

5.根据权利要求4所述的粘连颗粒二值图像的分割方法，其特征在于在步骤4中，按如下方法进行图像分割 步骤4. I :将原始图转化为二值图，背景为O，前景为I ;步骤4.2 :对图像各目标区域进行细线化(即骨架)，同时完成距离函数的计算，求得区域每一个像素的距离函数与区域骨架的距离函数； 步骤4. 3 :求出骨架距离函数的极小值点，多于一条分支的骨架距离函数按遍历的先后进行分枝，求出每一分支的谷点； 步骤4. 4:以谷点为中心点，分别从骨架曲线的两边查找到最优路径，分割粘 连区域全文摘要本发明涉及复杂颗粒图像分割技术领域，特别是一种粘连颗粒二值图像的分割方法，包括以下步骤步骤1对二值区域对象进行目标物体的骨架提取；步骤2在欧氏空间中定义骨架的边界距离函数；步骤3求出所述骨架的边界距离函数的极小值点，即谷点；步骤4以所述谷点为中心按区域边界距离函数最小差商分割目标对象该方法有利于分割二值图像中粘连的目标区域对象，具有良好的抗干扰能力。