论文部分内容阅读
图像分割是由图像处理到图像分析的关键步骤,也是一种基本的计算机视觉技术。这是由于通过图像分割、目标分离、特征提取、参数测量等技术可以将原始图像转化为更抽象更紧凑的形式,使得更高层的图像分析和理解成为可能。图像分割多年来一直得到人们的高度重视,至今已经提出了大量的各种类型的算法。在这些不断涌现的算法中,分水岭算法以其分割精细、便于软硬件实现的优点在近年来得到了广泛应用。分水岭算法的缺陷在于它很容易受图像中噪声和量化误差的影响而在分割过程中划分出过多细小零碎而且不具备语义学含义的分割区域,即所谓的过分割现象。为解决这个难题,通常的做法是在出现过分割现象之后再进行区域融合,减少零碎区块对分割结果的影响。本文算法的思想是在进行分水岭分割之前对待分割图像作适当的技术处理,从根本上缓解甚至避免过分割现象的出现。为实现这一目标,本文引入了数学形态学的理论工具,使用形态学滤波器对图像进行滤除噪声的预处理,其后再采用多尺度形态学梯度算子计算图像梯度。在此梯度图像的基础上,针对过分割区块和梯度图像中“谷底”的因果对应关系,本文提出了一种梯度“谷底”填充算法,通过调整填充阈值的方式实现了对分割区域数量的控制,同时利用经典的Canny边缘检测算子获取原始彩色图像的边缘信息,以此对梯度图中的边缘位置进行强化和修正,确保分割出的区域轮廓在谷底填充过程中尽可能地保持与目标边缘拟合。实验结果表明,此算法对于改善过分割现象有明显效果,并且对分割程度具备可控能力,在适应不同场景需求方面存在一定的应用价值。