本發(fā)明涉及圖像處理及計算機視覺技術(shù)領(lǐng)域，具體為一種基于計算機圖形圖像形態(tài)學(xué)圖像分割方法。
背景技術(shù)：
圖像分割的主要目的是將一幅圖像分解成互不交疊的若干灰度一致性區(qū)域，并將人們感興趣的部分凸顯出來，為后續(xù)的圖像分析、理解、目標(biāo)跟蹤、分類與識別等處理提供理論支撐。由于應(yīng)用場景的不同，人們所感興趣的目標(biāo)也各不相同，因此圖像分割始終是圖像處理中的一個難點。近年來，眾多成功應(yīng)用于其他領(lǐng)域的理論方法被引入到圖像分割中，其中較成功的包括主動輪廓模型、閾值分割方法和基于圖論的方法等等，但是這些算法會隨著圖中結(jié)點數(shù)的遞增，計算量呈幾何級數(shù)增長，導(dǎo)致在分割較大圖像時會非常耗時。為此，我們提出了一種基于計算機圖形圖像形態(tài)學(xué)圖像分割方法投入使用，以解決上述問題。
技術(shù)實現(xiàn)要素：
本發(fā)明的目的在于提供一種基于計算機圖形圖像形態(tài)學(xué)圖像分割方法，以解決上述背景技術(shù)中提出的現(xiàn)有的算法會隨著圖中結(jié)點數(shù)的遞增，計算量呈幾何級數(shù)增長，導(dǎo)致在分割較大圖像時會非常耗時的問題。
為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于計算機圖形圖像形態(tài)學(xué)圖像分割方法，該基于計算機圖形圖像形態(tài)學(xué)圖像分割方法的具體步驟如下：
s1：輸入采集圖像，并將采集圖像的像素值轉(zhuǎn)化為灰度級范圍；
s2：對原圖像進(jìn)行平滑處理，并使用拉普拉斯算子對圖像邊緣進(jìn)行檢測；
s3：利用多尺度算子計算形態(tài)學(xué)梯度，求出濾波后圖像的局部極大值二值圖像并得到前景標(biāo)記圖；
s4：對圖像進(jìn)行分水嶺切割，并利用評價指標(biāo)對分割結(jié)果進(jìn)行評價。
優(yōu)選的，所述步驟s1中，灰度級在0～255區(qū)間范圍內(nèi)。
優(yōu)選的，所述步驟s2中，采用高斯濾波器對圖像進(jìn)行平滑處理，在圖像邊緣檢測過程中，檢測圖像像素在原圖像邊緣的亮的一邊和暗的一邊利用零跨越，確定圖像邊緣的位置。
優(yōu)選的，所述高斯濾波器對圖像進(jìn)行平滑處理時，假設(shè)f(i，j)為為二位圖像的灰度值，其濾波窗口為a，(i，j)點的濾波輸出為yij二維濾波可以表示為
其中med(f(i+r，j+s)|(r，s)∈a)表示將圖像中落在濾波窗口a中的像素的灰度值進(jìn)行從小到大排列，輸出其中間值。
優(yōu)選的，所述步驟s3中，對局部極大值二值圖像進(jìn)行開閉運算平滑邊緣，并去掉圖像中像素個數(shù)小于20的局部極小值區(qū)域，得到前景標(biāo)記圖。
優(yōu)選的，所述步驟s4中，在使用分水嶺對圖像進(jìn)行分割時，其具體步驟如下：
s41：使用形態(tài)學(xué)分水嶺算法對輸入圖像做初步分割；
s42：提取分水嶺分割圖像各子區(qū)域的形心與區(qū)域灰度均值；
s43：利用公式
與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：本發(fā)明采用高斯濾波器對圖像邊緣進(jìn)行檢測，較好的解決了頻域最優(yōu)和空域最優(yōu)化之間的矛盾，計算方法簡單，并在過零點檢測中具有各向同性的特點，保證圖像邊緣的封閉性，在處理較大圖像的分割時，耗費時間短，計算量小。
附圖說明
圖1為本發(fā)明工作流程圖。
具體實施方式
下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
請參閱圖1，本發(fā)明提供一種技術(shù)方案：一種基于計算機圖形圖像形態(tài)學(xué)圖像分割方法，該基于計算機圖形圖像形態(tài)學(xué)圖像分割方法的具體步驟如下：
s1：輸入采集圖像，并將采集圖像的像素值轉(zhuǎn)化為灰度級范圍，灰度級在0～255區(qū)間范圍內(nèi)；
s2：對原圖像進(jìn)行平滑處理，并使用拉普拉斯算子對圖像邊緣進(jìn)行檢測，采用高斯濾波器對圖像進(jìn)行平滑處理，在圖像邊緣檢測過程中，檢測圖像像素在原圖像邊緣的亮的一邊和暗的一邊利用零跨越，確定圖像邊緣的位置，高斯濾波器對圖像進(jìn)行平滑處理時，假設(shè)f(i，j)為為二位圖像的灰度值，其濾波窗口為a，(i，j)點的濾波輸出為yij二維濾波可以表示為
其中med(f(i+r，j+s)|(r，s)∈a)表示將圖像中落在濾波窗口a中的像素的灰度值進(jìn)行從小到大排列，輸出其中間值；
s3：利用多尺度算子計算形態(tài)學(xué)梯度，求出濾波后圖像的局部極大值二值圖像并得到前景標(biāo)記圖，對局部極大值二值圖像進(jìn)行開閉運算平滑邊緣，并去掉圖像中像素個數(shù)小于20的局部極小值區(qū)域，得到前景標(biāo)記圖；
s4：對圖像進(jìn)行分水嶺切割，并利用評價指標(biāo)對分割結(jié)果進(jìn)行評價，在使用分水嶺對圖像進(jìn)行分割時，其具體步驟如下：
s41：使用形態(tài)學(xué)分水嶺算法對輸入圖像做初步分割；
s42：提取分水嶺分割圖像各子區(qū)域的形心與區(qū)域灰度均值；
s43：利用公式
盡管已經(jīng)示出和描述了本發(fā)明的實施例，對于本領(lǐng)域的普通技術(shù)人員而言，可以理解在不脫離本發(fā)明的原理和精神的情況下可以對這些實施例進(jìn)行多種變化、修改、替換和變型，本發(fā)明的范圍由所附權(quán)利要求及其等同物限定。