CN105374045B - 一种基于形态学的图像特定形状尺寸目标快速分割方法 - Google Patents

一种基于形态学的图像特定形状尺寸目标快速分割方法 Download PDF

Info

Publication number
CN105374045B
CN105374045B CN201510887804.2A CN201510887804A CN105374045B CN 105374045 B CN105374045 B CN 105374045B CN 201510887804 A CN201510887804 A CN 201510887804A CN 105374045 B CN105374045 B CN 105374045B
Authority
CN
China
Prior art keywords
image
target
shape size
given shape
iteration
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510887804.2A
Other languages
English (en)
Other versions
CN105374045A (zh
Inventor
王宪
赵前程
凌启辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan University of Science and Technology
Original Assignee
Hunan University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan University of Science and Technology filed Critical Hunan University of Science and Technology
Priority to CN201510887804.2A priority Critical patent/CN105374045B/zh
Publication of CN105374045A publication Critical patent/CN105374045A/zh
Application granted granted Critical
Publication of CN105374045B publication Critical patent/CN105374045B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于形态学的图像特定形状尺寸目标快速分割方法，对需检测的特定形状尺寸目标标准模版进行形态学迭代腐蚀运算，记下迭代步数；确定待测图像中目标不完全消失和完全消失的腐蚀迭代次数；对待测图像进行大律法阈值分割，得到待测二值图，若目标在待测二值图为黑色，则对待测二值图进行求反运算；对待测二值图进行形态学迭代腐蚀运算，当迭代次数达到上述目标不完全消失次数时，将图像保存为标记图像1，继续迭代腐蚀当迭代次数达到上述目标完全消失次数时，将图像保存为标记图像2；对标记图像1和标记图像2分别进行形态学重构运算，实现特定形状尺寸目标分割。本发明可在背景复杂的检测图像中准确的分割出特定形状尺寸目标。

Description

一种基于形态学的图像特定形状尺寸目标快速分割方法
技术领域
本发明涉及计算机视觉检测技术领域,特别是一种基于形态学的图像特定形状尺寸目标快速分割方法。
背景技术
计算机视觉技术具有非接触性、经济性、灵活性和集成性等优点，在工业测试与在线检测领域具有广泛的应用前景。
为了有效的进行图像的描述和分析，需要先将图像划分为若干有意义的区域。只有某些部分是系统感兴趣的，这些部分称为检测图像的前景(其他部分称为背景)，需将这些部分分离提取出来，才有可能对前景进行进一步的利用，如进行特征提取和测量。这一为后续工作有效进行而将检测图像划分为若干有意义的区域的过程称为图像分割。图像分割是计算机视觉检测的必须步骤，有着至关重要的作用。
现有的图像分割方法可分为阈值分割、基于边缘检测的分割和基于区域的分割三大类。其中，阈值分割的基本思想为：图像中的目标区域与背景区域的灰度是不同的，这时可将灰度作为依据进行分割，将高于某一灰度的像素划分到一个区域中去，低于某灰度的像素划到另一个区域；基于边缘的图像分割依赖边缘检测算子找到的图像边缘，这些边缘标识出了图像在灰度、彩色、纹理等方面的不连续位置；基于区域的分割方法可看作阈值分割法的改进，其特点在于，分割图像时不但考虑像素的灰度值，还参考像素的空间位置关系，从而得到更好的分割效果。
计算机视觉检测最终往往都只对检测图像的极少部分信息感兴趣，上述三类图像分割方法分割出来的前景可能仍然包含大量无效信息，在此情况下检测系统典型的后续处理如特征提取、图像分析等步骤难以同时保证实时性、精度及鲁棒性。这一问题限制了计算机视觉技术进一步在检测领域的推广。
近年，有学者将形态学带通滤波算法运用于特定形状尺寸红外小目标分割，该方法采用两种与目标尺寸接近的结构元素分别对图像进行形态学开运算，然后将开运算后的两幅图像相减实现目标分割。但该方法只适用于面积仅几个像素的小目标分割，对于大目标，采用大结构元素对图像进行开运算非常耗时，且会造成图像严重失真，该方法并不适用。
发明内容
本发明所要解决的技术问题是，针对现有技术不足，提供一种基于形态学的图像特定形状尺寸目标快速分割方法。
为解决上述技术问题，本发明所采用的技术方案是：一种基于形态学的图像特定形状尺寸目标快速分割方法，包括以下步骤：
1)对特定形状尺寸的目标标准二值模版进行形态学迭代腐蚀运算，直到该目标完全消失，记下迭代步数；依据标准二值模版迭代腐蚀至完全消失步数，确定待测图像中目标不完全消失的腐蚀迭代次数和目标完全消失的腐蚀迭代次数；
2)应用大津法对待测图像进行阈值分割，得到待测二值图，若目标在待测二值图中为黑色，则对待测二值图进行求反运算；
3)对所述待测二值图进行形态学迭代腐蚀运算，当迭代次数达到上述目标不完全消失次数时，将图像保存为标记图像1，继续迭代腐蚀，当迭代次数达到上述目标完全消失次数时，将图像保存为标记图像2；
4)以待测二值图为掩膜图，对标记图像1和标记图像2分别进行形态学条件膨胀运算，得到重构图像1及重构图像2；
5)对重构图像1和重构图像2进行差分运算，实现特定形状尺寸目标分割。
步骤1)中，形态学迭代腐蚀运算的公式为：
Ln+1＝LnΘa；
其中，“Θ”为形态学腐蚀运算符，L0为标准二值模版图像，Ln为标准二值模版第n次形态学腐蚀运算后得到的二值图像，a为形态学结构元素；
形态学迭代腐蚀运算的终止条件为目标完全消失，终止条件判断标准为：
Ln＝0。
目标不完全消失的腐蚀迭代次数和目标完全消失的腐蚀迭代次数的确定方法为：若目标标准模版形态学迭代腐蚀消失时，记下的迭代步数为k,则目标不完全消失腐蚀迭代次数k1计算公式为：k1＝k-r1；目标完全消失腐蚀迭代次数k2计算公式为：k2＝k+r2；其中，r1为目标偏小余量常数；r2为目标偏大余量常数。
r1取值范围为[2～5]；r2取值范围为[1～4]。
步骤2)中，阈值Ts计算公式为：TS＝argmax[σ2(T)]；其中，σ2(T)＝wA(T)(uA(T)-u)2+wB(T)(uB(T)-u)2，u＝wA(T)uA(T)+wB(T)uB(T)，N为待测图像中的像素总数；L为待测图像中的灰度级总数；k＝i或r；nk为灰度值是k的像素个数:T为将图像像素分为A、B两类的判别值，按上式计算时取值范围为(0，L)。
对标记图像1或标记图像2进行形态学条件膨胀运算的迭代公式为：其中，为形态学膨胀运算符，I0为标记图像1或标记图像2，In为第n次运算后得到的约束膨胀图；fmask为步骤2)得到的待测二值图，此处作为掩膜图像；“Λ”运算符表示两幅图像逐点取最小值；上述迭代终止条件为：In+1＝In。
对重构图像1和重构图像2进行差分运算的公式为：S＝Ia-Ib；其中，S为特定形状尺寸分割图像，Ia、Ib分别为步骤4)得到的重构图像1和重构图像2。
与现有技术相比，本发明所具有的有益效果为：本发明引入形态学重构运算，对形态学带通滤波算法进行改进，可在复杂背景图像中准确的分割出特定形状尺寸目标，大大减少了后续处理的计算量和干扰信息，使得视觉测量系统的实时性、精度及鲁棒性容易同时得到保证；采用小结构元素形态学迭代算法替代大结构元素形态学运算，提高了算法的实时性；对于视觉测量系统中广泛使用的简单形状目标(如椭圆、三角形、矩形等)，本发明方法具有普适性。
附图说明
图1为本发明一实施例方法流程图；
其中，1、目标特性测定，2、大津法分割及求反运算，3、形态学迭代腐蚀，4、形态学重构，5、差分运算；
图2(a)是本发明实施例待测图像；图2(b)是本发明实施例大津法阈值分割并求反后的待测二值图像；图2(c)是本发明实施例标记图像1；图2(d)是本发明实施例标记图像2；图2(e)是本发明实施例重构图像1；图2(f)是本发明实施例重构图像2；图2(g)是本发明实施例分割结果图像。
具体实施方式
如图1所示，本发明一目标为圆的实施例分割方法过程如下：
方法实施前，先测定目标特性，具体过程为：对实例中使用的圆目标标准模版进行形态学迭代腐蚀运算，直到该目标完全消失，记下迭代步数k；依据该迭代步数，取目标偏小余量常数r1＝3，目标偏大余量常数r2＝2，确定本发明实施过程的目标不完全消失(腐蚀至仅剩少量像素)腐蚀迭代次数k1和完全消失腐蚀迭代次数k2。
测定目标特性后，开始分割目标。
首先，读取待测图像并实现待测图像二值化，二值化的具体过程为：采用大津法计算待测图像的分割阈值；把待测图像中灰度值大于等于分割阈值的像素值标为1(白色)，灰度值小于分割阈值的像素值标为0(黑色)；本实施例由于直接二值化的待测图像目标为黑色，为便于形态学运算，直接二值化后还需进行求反运算。完成二值化步骤的待测图像参见附图2(b)。
接着，执行形态学迭代腐蚀，具体过程为：对待测二值图进行形态学迭代腐蚀运算，当迭代次数达到上述目标不完全消失次数时，将图像保存为标记图像1，继续迭代腐蚀当迭代次数达到上述目标完全消失次数时，将图像保存为标记图像2。得到的标记图像1和标记图像2参见附图2(c)、附图2(d)。
然后，执行形态学重构，具体过程为：以待测二值图为掩膜图，对标记图像1和标记图像2分别进行形态学条件膨胀(重构)运算，得到重构图像1及重构图像2。重构图像1中，小于目标和部分形状与目标差别明显的前景联通区域已被形态学运算去除；重构图像2中，除了上述前景以外，目标也已被形态学运算去除。重构图像1和重构图像2参见附图2(e)、附图2(f)。
最后，执行图像差分，具体过程为：对重构图像1和重构图像2进行差分运算，得到仅含目标的分割图像，实现特定形状尺寸目标分割。分割结果参见附图2(g)。
本发明引入形态学重构运算，对形态学带通滤波算法进行改进，可在复杂背景图像中准确的分割出特定形状尺寸目标，大大减少了后续处理的计算量和干扰信息，使得视觉测量系统的实时性、精度及鲁棒性容易同时保证；采用小结构元素形态学迭代算法替代大结构元素形态学运算，提高了算法的实时性；对于视觉测量系统中广泛使用的简单形状目标(如椭圆、三角形、矩形等)，本发明方法具有普适性。

Claims (7)

1.一种基于形态学的图像特定形状尺寸目标快速分割方法，其特征在于，包括以下步骤：
1)对特定形状尺寸的目标标准二值模版进行形态学迭代腐蚀运算，直到该目标完全消失，记下迭代步数；依据标准二值模版迭代腐蚀至完全消失步数，确定待测图像中目标不完全消失的腐蚀迭代次数和目标完全消失的腐蚀迭代次数；
2)应用大津法对待测图像进行阈值分割，得到待测二值图，若目标在待测二值图中为黑色，则对待测二值图进行求反运算；
3)对所述进行求反运算的待测二值图进行形态学迭代腐蚀运算，当迭代次数达到上述目标不完全消失次数时，将图像保存为标记图像1，继续迭代腐蚀，当迭代次数达到上述目标完全消失次数时，将图像保存为标记图像2；
4)以待测二值图为掩膜图，对标记图像1和标记图像2分别进行形态学条件膨胀运算，得到重构图像1及重构图像2；
5)对重构图像1和重构图像2进行差分运算，实现特定形状尺寸目标分割。
2.根据权利要求1所述的基于形态学的图像特定形状尺寸目标快速分割方法，其特征在于，步骤1)中，形态学迭代腐蚀运算的公式为：
Ln+1＝LnΘa；
其中，“Θ”为形态学腐蚀运算符，Ln的初始值为L0，L0为标准二值模版图像，Ln为标准二值模版第n次形态学腐蚀运算后得到的二值图像，a为形态学结构元素；Ln+1为标准二值模版第n+1次形态学腐蚀运算后得到的二值图像。
3.根据权利要求2所述的基于形态学的图像特定形状尺寸目标快速分割方法，其特征在于，形态学迭代腐蚀运算的终止条件为目标完全消失，终止条件判断标准为：
Ln＝0。
4.根据权利要求3所述的基于形态学的图像特定形状尺寸目标快速分割方法，其特征在于，目标不完全消失的腐蚀迭代次数和目标完全消失的腐蚀迭代次数的确定方法为：若目标标准模版形态学迭代腐蚀消失时，记下的迭代步数为k,则目标不完全消失腐蚀迭代次数k1计算公式为：k1＝k-r1；目标完全消失腐蚀迭代次数k2计算公式为：k2＝k+r2；其中，r1为目标偏小余量常数；
r2为目标偏大余量常数。
5.根据权利要求4所述的基于形态学的图像特定形状尺寸目标快速分割方法，其特征在于，步骤2)中，阈值Ts计算公式为：TS＝argmax[σ2(T)]；其中，σ2(T)＝wA(T)(uA(T)-u)2+wB(T)(uB(T)-u)2，u＝wA(T)uA(T)+wB(T)uB(T)， N为待测图像中的像素总数；L为待测图像中的灰度级总数；ni、nr分别为灰度值是i、灰度值是r的像素个数；T的取值范围为(0，L)。
6.根据权利要求5所述的基于形态学的图像特定形状尺寸目标快速分割方法，其特征在于，对标记图像1或标记图像2进行形态学条件膨胀运算的迭代公式为：其中，为形态学膨胀运算符，In的初始值为I0，I0为标记图像1或标记图像2，In为第n次运算后得到的约束膨胀图；fmask为步骤2)得到进行求反运算的待测二值图，此处作为掩膜图像；“Λ”运算符表示两幅图像逐点取最小值；In+1为第n+1次运算后得到的约束膨胀图；上述迭代终止条件为：In+1＝In。
7.根据权利要求6所述的基于形态学的图像特定形状尺寸目标快速分割方法，其特征在于，对重构图像1和重构图像2进行差分运算的公式为：S＝Ia-Ib；其中，S为特定形状尺寸分割图像，Ia、Ib分别为步骤4)得到的重构图像1和重构图像2。
CN201510887804.2A 2015-12-07 2015-12-07 一种基于形态学的图像特定形状尺寸目标快速分割方法 Active CN105374045B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510887804.2A CN105374045B (zh) 2015-12-07 2015-12-07 一种基于形态学的图像特定形状尺寸目标快速分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510887804.2A CN105374045B (zh) 2015-12-07 2015-12-07 一种基于形态学的图像特定形状尺寸目标快速分割方法

Publications (2)

Publication Number Publication Date
CN105374045A CN105374045A (zh) 2016-03-02
CN105374045B true CN105374045B (zh) 2017-11-14

Family

ID=55376217

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510887804.2A Active CN105374045B (zh) 2015-12-07 2015-12-07 一种基于形态学的图像特定形状尺寸目标快速分割方法

Country Status (1)

Country Link
CN (1) CN105374045B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108364299B (zh) * 2017-12-25 2021-07-06 辽宁师范大学 面向低质量鞋印图像的自动阈值分割方法
CN108961248A (zh) * 2018-07-11 2018-12-07 天津工业大学 一种应用于包含复杂信息的机箱表面划痕检测方法
CN109556542B (zh) * 2018-11-14 2020-10-20 北京卫星制造厂有限公司 复杂点阵镂空结构ct尺寸测量方法
CN109635815B (zh) * 2018-11-15 2023-04-28 江苏科技大学 一种基于形态学的目标特征提取方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102676633A (zh) * 2012-03-08 2012-09-19 天津大学 一种菌落自动计数方法
CN103247049A (zh) * 2013-05-15 2013-08-14 桂林电子科技大学 一种smt焊点图像分割方法
CN103886580A (zh) * 2013-12-23 2014-06-25 汕头大学 肿瘤图像处理方法
KR20150059860A (ko) * 2013-11-25 2015-06-03 조선대학교산학협력단 형태학적 연산을 이용한 이미지 분할 처리방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102676633A (zh) * 2012-03-08 2012-09-19 天津大学 一种菌落自动计数方法
CN103247049A (zh) * 2013-05-15 2013-08-14 桂林电子科技大学 一种smt焊点图像分割方法
KR20150059860A (ko) * 2013-11-25 2015-06-03 조선대학교산학협력단 형태학적 연산을 이용한 이미지 분할 처리방법
CN103886580A (zh) * 2013-12-23 2014-06-25 汕头大学 肿瘤图像处理方法

Also Published As

Publication number Publication date
CN105374045A (zh) 2016-03-02

Similar Documents

Publication Publication Date Title
US20220148213A1 (en) Method for fully automatically detecting chessboard corner points
TWI713366B (zh) 對影像進行目標取樣的方法及裝置
CN108460757B (zh) 一种手机TFT-LCD屏Mura缺陷在线自动检测方法
CN105374045B (zh) 一种基于形态学的图像特定形状尺寸目标快速分割方法
CN107239742A (zh) 一种仪表指针刻度值计算方法
CN110415208A (zh) 一种自适应目标检测方法及其装置、设备、存储介质
CN104766344B (zh) 基于运动边缘提取器的车辆检测方法
CN112734729B (zh) 适用于夜间补光条件的水尺水位线图像检测方法、装置及存储介质
CN104615972B (zh) 指针式仪表智能识别方法及其装置
CN108601509A (zh) 图像处理装置、图像处理方法以及程序
TW202127372A (zh) 瑕疵等級判定的方法及存儲介質
CN111369570A (zh) 一种视频图像的多目标检测跟踪方法
CN111220235A (zh) 水位监测方法及装置
CN105678737A (zh) 一种基于Radon变换的数字图像角点检测方法
Xu et al. Water level estimation based on image of staff gauge in smart city
CN113705564B (zh) 一种指针式仪表识别读数方法
CN108764343B (zh) 一种跟踪算法中的跟踪目标框的定位方法
Hu et al. Effective composite image detection method based on feature inconsistency of image components
CN114821274A (zh) 一种用于识别分合指示牌的状态的方法和设备
CN116486126B (zh) 一种模版确定方法、装置、设备及存储介质
CN105740832B (zh) 一种应用于智能驾驶的停止线检测与测距方法
CN108010076B (zh) 一种面向密集工业棒材图像检测的端面外观建模方法
CN102637094A (zh) 应用于光学式触控装置的校正信息计算方法及系统
CN115761257A (zh) 基于计算机视觉技术的零部件角度检测方法及装置
CN110782439B (zh) 一种辅助检测图像标注质量的方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant