王平根　劉清

【摘 要】本文提出一種新的形態(tài)學分水嶺圖像分割算法，通過形態(tài)學開閉運算，得到圖像的內(nèi)部和外部標記符集合，然后依據(jù)此標記對梯度圖像進行分水嶺分割實驗，以減少過分割現(xiàn)象，分割實驗結(jié)果表明算法有效。

【關(guān)鍵詞】分水嶺；形態(tài)學；圖像分割

【Abstract】Based on an improved algorithm of watershed，an image segmentation technique which combined with mathematical morphology theory is proposed in this paper.The internal and external union sets of marker images are obtained by morphology opening and closing operator.Finally，the watershed transformation of modified gradient image is performed.The experimental results show that this method can effectively solve the problem of over-segmentation and can define the boundary precisely.

【Key words】Watershed；Mathematical morphology；Image segmentation

0 引言

圖像分割將圖像按照某一種算法劃分成各具特征的區(qū)域，可以為后續(xù)圖像特征提取和圖像識別的提供前提條件，所以是機器視覺與模式識別領(lǐng)域的重要研究內(nèi)容[1]。目前，許多學者在圖像分割領(lǐng)域己經(jīng)進行了大量的研究，并取得了較大的成績，但仍未研究出一種能夠普遍適用于各類圖像分割的通用方法。在眾多的圖像分割技術(shù)中，被廣泛研究利用的是基于分水嶺分割算法的圖像分割技術(shù)。分水嶺分割算法能得到單像素寬、封閉的、準確的輪廓線。但是，由于梯度圖像中細節(jié)紋理和噪聲的影響，分水嶺算法會出現(xiàn)過分割現(xiàn)象，影響分割效果。因此，很多學者提出了許多改進方法[2-5]。而基于數(shù)學形態(tài)學的分水嶺算法可以產(chǎn)生單像素寬度的閉合分割線，所以，本文采用一種改進的形態(tài)學分水嶺算法分割圖像，并通過仿真實驗來驗證提出的算法具備可行性和有效性。

1 改進算法

1.1 圖像的梯度計算

在為圖像分割使用分水嶺變換之前，通常需要使用梯度幅度來預處理圖像。梯度幅度圖像在沿目標對象的邊緣處有較高的像素值，而在其他地方則有較低的像素值。理想情況下，分水嶺變換會在沿目標邊緣處產(chǎn)生分水嶺脊線。

如圖1所示，先將彩色圖像轉(zhuǎn)換為灰度圖像，然后根據(jù)Sobel 微分算子來計算灰度圖像的梯度，如圖2所示。然后利用分水嶺算法得到的分水嶺，對應(yīng)于圖像中目標的邊緣，由圖可知，出現(xiàn)嚴重的過分割現(xiàn)象。原因是分水嶺算法是以梯度圖的局部極小點作為吸水盆地的標記點，從圖中可以看到過多的局部極小值點。下一節(jié)我們提出改進的分水嶺分割算法。

1.2 形態(tài)學的標記

為了克服分水嶺算法的過分割缺陷，可以分別對圖像前景和背景進行標記。本文采用形態(tài)學重建技術(shù)對前景對象進行標記，首先使用形態(tài)開運算，開運算可以去掉一些很小的目標， 然后采用閉運算， 得到開閉運算之后的閾值圖像。如圖3所示，然后利用分水嶺算法得到相應(yīng)的分割線。

1.3 分割算法實驗

標記符是一個屬于一幅圖像的連接分量，用于控制過分割的方法就是基于標記符的概念。并且，我們提出一個內(nèi)部標記符集合和一個外部標記符集合，即處于每一個感興趣的對象的內(nèi)部和包含于背景中像素集合。標記符的選擇范圍可以涉及到圖像的尺寸、形狀、位置、相對距離、紋理內(nèi)容等信息，而形態(tài)學在描述圖像的結(jié)構(gòu)信息上具備不可比擬的優(yōu)勢[6-7]，所以本文采用形態(tài)濾波來進行梯度圖像的標記，從而減少過分割現(xiàn)象。如圖4所示為我們提出的分割算法實驗結(jié)果，相對于圖2的分割實驗，顯然我們的分割算法實驗結(jié)果比較理想。

2 結(jié)論與分析

本文提出的形態(tài)學分水嶺圖像分割算法有利于減少過分割現(xiàn)象，使用標記符會為分割問題帶來先驗知識，從而為分水嶺分割提供一個知識框架，達到有效分割目標結(jié)果。后續(xù)我們將考慮在形態(tài)濾波器的結(jié)構(gòu)元素上進行研究，往多尺度的方向研究新的圖像分割算法。

【參考文獻】

[1]張海濤，李雅男.閡值標記的分水嶺彩色圖像分割[J].中國圖象圖形學報，2015，20（12）：1602-1611.

[2]徐天芝，張貴倉，賈園.基于形態(tài)學梯度的分水嶺彩色圖像分割[J].計算機工程與應(yīng)用，2016，52（11）：200-203.

[3]吳軍，馮云.基于多尺度形態(tài)學標記的分水嶺算法[J].科技論壇，2015，3（2）：13-18.

[4]畢浩宇，李燕.一種基于形態(tài)學分水嶺算法的圖像分割改進算法[J].長治學院學報，2016，33（2）：69-71.

[5]凌財進，曾婷，張超，黑霞麗.一種改進的基于分水嶺的圖像分割算法[J].計算機測量與控制，2016，24（6）：214-217.

[6]劉清，林土勝.基于數(shù)學形態(tài)學的圖像邊緣提取算法[J].華南理工大學學報，2008，36（9）：113-116.

[7]劉清，林土勝.數(shù)學形態(tài)學的圖像邊緣檢測算法研究[J].計算機工程與應(yīng)用，2008，44（35）：188-189.

[責任編輯：田吉捷]