一種改進(jìn)的基于分水嶺變換的泡沫圖像分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種改進(jìn)的基于分水嶺變換的泡沫圖像 分割方法。
【背景技術(shù)】
[0002] 泡沫圖像分割可用于判斷礦物浮選工況。常用的圖像分割算法有基于閾值的分割 方法、基于區(qū)域的分割方法、基于邊緣的分割方法等。浮選泡沫圖像特點(diǎn)之一是無(wú)背景，存 在變形、疊加、粘連等現(xiàn)象，適用于基于區(qū)域生長(zhǎng)的分割方法。分水嶺變換是一種典型的基 于區(qū)域生長(zhǎng)的分割方法，在智能交通系統(tǒng)、醫(yī)學(xué)圖像分析、遙感探測(cè)多個(gè)領(lǐng)域應(yīng)用廣泛。許 多專(zhuān)家學(xué)者在應(yīng)用并改進(jìn)分水嶺變換進(jìn)行泡沫圖像分割方面進(jìn)行了諸多有益的嘗試，取得 了一些成果。Sadr-Kazemi等人應(yīng)用分水嶺變換進(jìn)行泡沫圖像分割，指出關(guān)鍵步驟在于預(yù)先 進(jìn)行泡沫種子區(qū)域的標(biāo)記。邵建斌等人指出選擇合理的閾值進(jìn)行泡沫標(biāo)記的重要性，閾值 選取過(guò)高將產(chǎn)生欠分割現(xiàn)象，閾值選擇過(guò)低將產(chǎn)生過(guò)分割現(xiàn)象。余旺盛等人對(duì)標(biāo)記進(jìn)行形 態(tài)學(xué)整形處理，以提高標(biāo)記的正確性。劉玉芹等人應(yīng)用高低帽變換對(duì)泡沫圖像進(jìn)行預(yù)處理， 增強(qiáng)了泡沫圖像的對(duì)比度值，提高了泡沫分割準(zhǔn)確性。上述這些方法嚴(yán)重依賴(lài)于泡沫的大 小和形狀分布，對(duì)大小泡沫混雜圖像進(jìn)行分割時(shí)效果不佳，郝穎明等人就此提出了自適應(yīng) 閾值方法分割，但是仍然沒(méi)有徹底解決問(wèn)題。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于提供一種改進(jìn)的基于分水嶺變換的泡沫圖像分割方法，具有較 強(qiáng)的魯棒性，能夠很好的適用于大小泡沫混雜的圖像。
[0004] 為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下。
[0005] -種改進(jìn)的基于分水嶺變換的泡沫圖像分割方法，其步驟如下：
[0006] 步驟1 :針對(duì)泡沫圖像增強(qiáng)：
[0007] 對(duì)泡沫圖像進(jìn)行高低帽濾波形態(tài)變換，將泡沫圖像中的亮度值線性映射到[0， 255]區(qū)間，并使1 %的數(shù)據(jù)分布在灰度值255,及1 %的數(shù)據(jù)分布在灰度值0 ;并對(duì)泡沫圖像 進(jìn)行高低帽變換。
[0008] 步驟2 :進(jìn)行H-極小區(qū)域變換：
[0009] 對(duì)于大、中、小三種不同面積的集水盆，分別在灰度值空間[71，255]、[31，255]、 [11，255]，以200、50、12為閾值搜索集水盆，得到相應(yīng)的大型集水盆、中型集水盆、小型集 水盆。
[0010] 步驟3 :集水盆標(biāo)記檢驗(yàn)：
[0011] 對(duì)集水盆面積進(jìn)行有效性檢驗(yàn)，大、中、小型集水盆面積的有效值限制范圍分別 為：（800,10000]、（100,800]、（3,100]，刪除不合格的集水盆標(biāo)記。
[0012] 步驟4 :集水盆標(biāo)記形態(tài)學(xué)整形：
[0013] 依次進(jìn)行以下操作：對(duì)大、中型集水盆分別執(zhí)行次數(shù)為1、3的形態(tài)腐蝕操作；對(duì) 大、中型集水盆分別執(zhí)行次數(shù)為3、6的形態(tài)膨脹操作；將三個(gè)集水盆圖合并；在合并后的集 水盆圖上標(biāo)記集水盆。
[0014] 步驟5 :泡沫圖像重構(gòu)：
[0015] 利用步驟4所得集水盆標(biāo)記，對(duì)泡沫圖像進(jìn)行形態(tài)重構(gòu)。
[0016] 步驟6 :泡沫邊緣分割：
[0017] 將泡沫圖像取反，然后應(yīng)用使用分水嶺變換進(jìn)行泡沫邊緣分割。
[0018] 該發(fā)明的有益效果在于：
[0019] (1)直接使用分水嶺算法進(jìn)行泡沫圖像分割可能產(chǎn)生大量過(guò)分割現(xiàn)象，標(biāo)準(zhǔn)分水 嶺方法通過(guò)對(duì)泡沫圖像進(jìn)行H-極小區(qū)域變換和形態(tài)重構(gòu)有效的減少了過(guò)分割現(xiàn)象。
[0020] ⑵泡沫大小與分割閾值關(guān)系密切，大泡沫在閾值較高時(shí)分割更準(zhǔn)確，小泡沫在閾 值較低時(shí)更準(zhǔn)確。因此面對(duì)泡沫大小差異較大的復(fù)雜泡沫圖像，無(wú)法使用單一閾值實(shí)現(xiàn)對(duì) 所有尺寸泡沫均進(jìn)行準(zhǔn)確分割。在對(duì)泡沫圖像進(jìn)行H-極小區(qū)域變換處理時(shí)，選取閾值過(guò)高 可能會(huì)消去微弱邊緣，從而導(dǎo)致欠分割現(xiàn)象。
[0021] (3)相比標(biāo)準(zhǔn)分水嶺變換方法，綜合分水嶺變換方法進(jìn)一步改進(jìn)了分割效果。綜合 分水嶺變換通過(guò)使用高低帽變換技術(shù)增強(qiáng)了泡沫的辨識(shí)度，因此減少了欠分割現(xiàn)象，特別 是改善了小泡沫的分割效果。同時(shí)通過(guò)標(biāo)記整形技術(shù)減少了泡沫集水盆的劃分錯(cuò)誤，因此 減少了欠分割現(xiàn)象，特別是改善了大泡沫邊緣分割效果。
[0022] (4)本發(fā)明方法使用不同閾值在不同灰度空間搜索不同的集水盆標(biāo)記，解決了單 一閾值無(wú)法匹配不同大小泡沫的問(wèn)題，從而可以取得滿意的分割效果。本發(fā)明方法的泡沫 圖像分割準(zhǔn)確率穩(wěn)定在80%以上，具有較高的魯棒性；在對(duì)泡沫大小混雜的泡沫圖像進(jìn)行 邊緣分割時(shí)，本發(fā)明方法明顯優(yōu)于傳統(tǒng)方法。
[0023] 本發(fā)明提出的改進(jìn)的基于分水嶺變換的泡沫圖像分割方法，在使用梯度變換、高 低帽變換、標(biāo)記整形等技術(shù)的基礎(chǔ)上，利用高閾值確定大泡沫集水盆標(biāo)記、低閾值確定小泡 沫集水盆標(biāo)記，提高了集水盆標(biāo)記的準(zhǔn)確度。實(shí)驗(yàn)結(jié)果表明，本發(fā)明方法具有更高的分割精 度和良好的魯棒性。
【附圖說(shuō)明】
[0024] 圖1是本發(fā)明實(shí)施例中所使用泡沫圖像。
[0025]圖2是本發(fā)明實(shí)施例中所使用直接分水嶺變換分割結(jié)果圖。
[0026] 圖3是本發(fā)明實(shí)施例中所使用原始泡沫圖像三維視圖。
[0027] 圖4是本發(fā)明實(shí)施例中所使用高低帽變換后的泡沫圖像三維視圖。
[0028]圖5是本發(fā)明實(shí)施例中所使用大型集水盆標(biāo)記示意圖。
[0029]圖6是本發(fā)明實(shí)施例中所使用中型集水盆標(biāo)記示意圖。
[0030] 圖7是本發(fā)明實(shí)施例中所使用小型集水盆標(biāo)記示意圖。
[0031] 圖8是本發(fā)明實(shí)施例中所使用集水盆標(biāo)記整形合并示意圖。
[0032] 圖9是本發(fā)明實(shí)施例中所使用泡沫圖像形態(tài)重構(gòu)示意圖。
[0033] 圖10是本發(fā)明實(shí)施例中所使用改進(jìn)的基于分水嶺變換的泡沫圖像分割示意圖
[0034] 圖11是本發(fā)明實(shí)施例中所使用標(biāo)準(zhǔn)分水嶺變換過(guò)分割圖（閾值20)。
[0035] 圖12是本發(fā)明實(shí)施例中所使用標(biāo)準(zhǔn)分水嶺變換欠分割圖（閾值100)。
[0036]圖13是本發(fā)明實(shí)施例中所使用標(biāo)準(zhǔn)分水嶺變換最佳分割圖（閾值59)。
[0037] 圖14是本發(fā)明實(shí)施例中所使用綜合分水嶺變換最佳分割圖（閾值61)。
[0038] 圖15是本發(fā)明實(shí)施例中所使用基于分水嶺變換的泡沫圖像分割方法準(zhǔn)確率比較 示意圖。
【具體實(shí)施方式】
[0039] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明的【具體實(shí)施方式】進(jìn)行描述，以便更好的理解本發(fā) 明。
[0040] 實(shí)施例
[0041] 分水嶺變換基本思想：分水嶺變換是一種基于拓?fù)淅碚摰臄?shù)學(xué)形態(tài)學(xué)的分割方 法，其基本思想是把圖像看作是倒立的測(cè)地學(xué)上的拓?fù)涞孛玻磳D像中各像素的灰度值 視為海拔高度，利用梯度信息查找圖像的連通區(qū)域。該法假設(shè)每一個(gè)局部極小值及其周?chē)?區(qū)域形成集水盆，隨著水勢(shì)上漲，集水盆逐步擴(kuò)大，集水盆匯合處即為分水嶺。
[0042] 分水嶺表示的是輸入圖像極大值點(diǎn)，通常把梯度圖像作為輸入圖像，即
【主權(quán)項(xiàng)】
1. 一種改進(jìn)的基于分水嶺變換的泡沫圖像分割方法，其特征在于：其步驟如下： 步驟1:針對(duì)泡沫圖像增強(qiáng)：對(duì)泡沫圖像進(jìn)行高低帽濾波形態(tài)變換，將泡沫圖像中的亮 度值線性映射到[〇, 255]區(qū)間，并使1 %的數(shù)據(jù)分布在灰度值255,及1 %的數(shù)據(jù)分布在灰度 值0 ;并對(duì)泡沫圖像進(jìn)行高低帽變換； 步驟2 :進(jìn)行H-極小區(qū)域變換：對(duì)于大、中、小三種不同面積的集水盆，分別在灰度值空 間[71，255]、[31，255]、[11，255]，以200、50、12為閾值搜索集水盆，得到相應(yīng)的大型集水 盆、中型集水盆、小型集水盆； 步驟3 :集水盆標(biāo)記檢驗(yàn)：對(duì)集水盆面積進(jìn)行有效性檢驗(yàn)，大、中、小型集水盆面積的有 效值限制范圍分別為：(800,10000]、（100,800]、（3,100]，刪除不合格的集水盆標(biāo)記； 步驟4 :集水盆標(biāo)記形態(tài)學(xué)整形：依次進(jìn)行以下操作：對(duì)大、中型集水盆分別執(zhí)行次數(shù) 為1、3的形態(tài)腐蝕操作；對(duì)大、中型集水盆分別執(zhí)行次數(shù)為3、6的形態(tài)膨脹操作；將三個(gè)集 水盆圖合并；在合并后的集水盆圖上標(biāo)記集水盆； 步驟5 :泡沫圖像重構(gòu)：利用步驟4所得集水盆標(biāo)記，對(duì)泡沫圖像進(jìn)行形態(tài)重構(gòu)； 步驟6 :泡沫邊緣分割：將泡沫圖像取反，然后應(yīng)用使用分水嶺變換進(jìn)行泡沫邊緣分 割。
【專(zhuān)利摘要】本發(fā)明涉及一種改進(jìn)的基于分水嶺變換的泡沫圖像分割方法，其步驟如下：步驟1：針對(duì)泡沫圖像增強(qiáng)；步驟2：進(jìn)行H-極小區(qū)域變換；步驟3：集水盆標(biāo)記檢驗(yàn)；步驟4：集水盆標(biāo)記形態(tài)學(xué)整形；步驟5：泡沫圖像重構(gòu)；步驟6：泡沫邊緣分割。本發(fā)明提出的改進(jìn)的基于分水嶺變換的泡沫圖像分割方法，在使用梯度變換、高低帽變換、標(biāo)記整形等技術(shù)的基礎(chǔ)上，利用高閾值確定大泡沫集水盆標(biāo)記、低閾值確定小泡沫集水盆標(biāo)記，提高了集水盆標(biāo)記的準(zhǔn)確度。實(shí)驗(yàn)結(jié)果表明，本發(fā)明方法具有更高的分割精度和良好的魯棒性。
【IPC分類(lèi)】G06T7-00
【公開(kāi)號(hào)】CN104851105
【申請(qǐng)?zhí)枴緾N201510290834
【發(fā)明人】伍雁鵬, 彭小齊, 阮凱
【申請(qǐng)人】邵陽(yáng)學(xué)院
【公開(kāi)日】2015年8月19日
【申請(qǐng)日】2015年5月25日