CN107133965A - 一种基于计算机图形图像形态学图像分割方法 - Google Patents
一种基于计算机图形图像形态学图像分割方法 Download PDFInfo
- Publication number
- CN107133965A CN107133965A CN201710250263.1A CN201710250263A CN107133965A CN 107133965 A CN107133965 A CN 107133965A CN 201710250263 A CN201710250263 A CN 201710250263A CN 107133965 A CN107133965 A CN 107133965A
- Authority
- CN
- China
- Prior art keywords
- image
- mrow
- morphological
- segmentation method
- computer graphic
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000003709 image segmentation Methods 0.000 title claims abstract description 19
- 230000000877 morphologic effect Effects 0.000 title claims abstract description 19
- 230000011218 segmentation Effects 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
Abstract
本发明公开了图像处理及计算机视觉技术领域的一种基于计算机图形图像形态学图像分割方法,该基于计算机图形图像形态学图像分割方法的具体步骤如下:S1:输入采集图像,并将采集图像的像素值转化为灰度级范围;S2:对原图像进行平滑处理,并使用拉普拉斯算子对图像边缘进行检测;S3:利用多尺度算子计算形态学梯度,求出滤波后图像的局部极大值二值图像并得到前景标记图;S4:对图像进行分水岭切割,并利用评价指标对分割结果进行评价,本发明在处理较大图像的分割时,耗费时间短,计算量小。
Description
技术领域
本发明涉及图像处理及计算机视觉技术领域,具体为一种基于计算机图形图像形态学图像分割方法。
背景技术
图像分割的主要目的是将一幅图像分解成互不交叠的若干灰度一致性区域,并将人们感兴趣的部分凸显出来,为后续的图像分析、理解、目标跟踪、分类与识别等处理提供理论支撑。由于应用场景的不同,人们所感兴趣的目标也各不相同,因此图像分割始终是图像处理中的一个难点。近年来,众多成功应用于其他领域的理论方法被引入到图像分割中,其中较成功的包括主动轮廓模型、阈值分割方法和基于图论的方法等等,但是这些算法会随着图中结点数的递增,计算量呈几何级数增长,导致在分割较大图像时会非常耗时。为此,我们提出了一种基于计算机图形图像形态学图像分割方法投入使用,以解决上述问题。
发明内容
本发明的目的在于提供一种基于计算机图形图像形态学图像分割方法,以解决上述背景技术中提出的现有的算法会随着图中结点数的递增,计算量呈几何级数增长,导致在分割较大图像时会非常耗时的问题。
为实现上述目的,本发明提供如下技术方案:一种基于计算机图形图像形态学图像分割方法,该基于计算机图形图像形态学图像分割方法的具体步骤如下:
S1:输入采集图像,并将采集图像的像素值转化为灰度级范围;
S2:对原图像进行平滑处理,并使用拉普拉斯算子对图像边缘进行检测;
S3:利用多尺度算子计算形态学梯度,求出滤波后图像的局部极大值二值图像并得到前景标记图;
S4:对图像进行分水岭切割,并利用评价指标对分割结果进行评价。
优选的,所述步骤S1中,灰度级在0~255区间范围内。
优选的,所述步骤S2中,采用高斯滤波器对图像进行平滑处理,在图像边缘检测过程中,检测图像像素在原图像边缘的亮的一边和暗的一边利用零跨越,确定图像边缘的位置。
优选的,所述高斯滤波器对图像进行平滑处理时,假设f(i,j)为为二位图像的灰度值,其滤波窗口为A,(i,j)点的滤波输出为yij二维滤波可以表示为
其中med(f(i+r,j+s)|(r,s)∈A)表示将图像中落在滤波窗口A中的像素的灰度值进行从小到大排列,输出其中间值。
优选的,所述步骤S3中,对局部极大值二值图像进行开闭运算平滑边缘,并去掉图像中像素个数小于20的局部极小值区域,得到前景标记图。
优选的,所述步骤S4中,在使用分水岭对图像进行分割时,其具体步骤如下:
S41:使用形态学分水岭算法对输入图像做初步分割;
S42:提取分水岭分割图像各子区域的形心与区域灰度均值;
S43:利用公式计算(i,j)两点间构造相似性矩阵即权值w,式中G(i)、G(j)分别为结点i、j所在区域的灰度均值,σ表示结点i、j像素值标准差,P(i)、P(j)分别为i、j空间位置坐标,σt表示结点i、j空间位置标准差。
与现有技术相比,本发明的有益效果是:本发明采用高斯滤波器对图像边缘进行检测,较好的解决了频域最优和空域最优化之间的矛盾,计算方法简单,并在过零点检测中具有各向同性的特点,保证图像边缘的封闭性,在处理较大图像的分割时,耗费时间短,计算量小。
附图说明
图1为本发明工作流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供一种技术方案:一种基于计算机图形图像形态学图像分割方法,该基于计算机图形图像形态学图像分割方法的具体步骤如下:
S1:输入采集图像,并将采集图像的像素值转化为灰度级范围,灰度级在0~255区间范围内;
S2:对原图像进行平滑处理,并使用拉普拉斯算子对图像边缘进行检测,采用高斯滤波器对图像进行平滑处理,在图像边缘检测过程中,检测图像像素在原图像边缘的亮的一边和暗的一边利用零跨越,确定图像边缘的位置,高斯滤波器对图像进行平滑处理时,假设f(i,j)为为二位图像的灰度值,其滤波窗口为A,(i,j)点的滤波输出为yij二维滤波可以表示为
其中med(f(i+r,j+s)|(r,s)∈A)表示将图像中落在滤波窗口A中的像素的灰度值进行从小到大排列,输出其中间值;
S3:利用多尺度算子计算形态学梯度,求出滤波后图像的局部极大值二值图像并得到前景标记图,对局部极大值二值图像进行开闭运算平滑边缘,并去掉图像中像素个数小于20的局部极小值区域,得到前景标记图;
S4:对图像进行分水岭切割,并利用评价指标对分割结果进行评价,在使用分水岭对图像进行分割时,其具体步骤如下:
S41:使用形态学分水岭算法对输入图像做初步分割;
S42:提取分水岭分割图像各子区域的形心与区域灰度均值;
S43:利用公式计算(i,j)两点间构造相似性矩阵即权值w,式中G(i)、G(j)分别为结点i、j所在区域的灰度均值,σ表示结点i、j像素值标准差,P(i)、P(j)分别为i、j空间位置坐标,σt表示结点i、j空间位置标准差。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种基于计算机图形图像形态学图像分割方法,其特征在于:该基于计算机图形图像形态学图像分割方法的具体步骤如下:
S1:输入采集图像,并将采集图像的像素值转化为灰度级范围;
S2:对原图像进行平滑处理,并使用拉普拉斯算子对图像边缘进行检测;
S3:利用多尺度算子计算形态学梯度,求出滤波后图像的局部极大值二值图像并得到前景标记图;
S4:对图像进行分水岭切割,并利用评价指标对分割结果进行评价。
2.根据权利要求1所述的一种基于计算机图形图像形态学图像分割方法,其特征在于:所述步骤S1中,灰度级在0~255区间范围内。
3.根据权利要求1所述的一种基于计算机图形图像形态学图像分割方法,其特征在于:所述步骤S2中,采用高斯滤波器对图像进行平滑处理,在图像边缘检测过程中,检测图像像素在原图像边缘的亮的一边和暗的一边利用零跨越,确定图像边缘的位置。
4.根据权利要求3所述的一种基于计算机图形图像形态学图像分割方法,其特征在于:所述高斯滤波器对图像进行平滑处理时,假设f(i,j)为为二位图像的灰度值,其滤波窗口为A,(i,j)点的滤波输出为yij二维滤波可以表示为
<mrow>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>m</mi>
<mi>e</mi>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>)</mo>
<munder>
<munder>
<mi>&Delta;</mi>
<mo>&OverBar;</mo>
</munder>
<mo>&OverBar;</mo>
</munder>
<mi>m</mi>
<mi>e</mi>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mi>r</mi>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mi>s</mi>
</mrow>
<mo>)</mo>
<mo>|</mo>
<mo>(</mo>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mi>s</mi>
</mrow>
<mo>)</mo>
<mo>&Element;</mo>
<mi>A</mi>
<mo>)</mo>
</mrow>
</mrow>
其中med(f(i+r,j+s)(r,s)∈A)表示将图像中落在滤波窗口A中的像素的灰度值进行从小到大排列,输出其中间值。
5.根据权利要求1所述的一种基于计算机图形图像形态学图像分割方法,其特征在于:所述步骤S3中,对局部极大值二值图像进行开闭运算平滑边缘,并去掉图像中像素个数小于20的局部极小值区域,得到前景标记图。
6.根据权利要求1所述的一种基于计算机图形图像形态学图像分割方法,其特征在于:所述步骤S4中,在使用分水岭对图像进行分割时,其具体步骤如下:
S41:使用形态学分水岭算法对输入图像做初步分割;
S42:提取分水岭分割图像各子区域的形心与区域灰度均值;
S43:利用公式计算(i,j)两点间构造相似性矩阵即权值w,式中G(i)、G(j)分别为结点i、j所在区域的灰度均值,σ表示结点i、j像素值标准差,P(i)、P(j)分别为i、j空间位置坐标,σt表示结点i、j空间位置标准差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710250263.1A CN107133965A (zh) | 2017-04-17 | 2017-04-17 | 一种基于计算机图形图像形态学图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710250263.1A CN107133965A (zh) | 2017-04-17 | 2017-04-17 | 一种基于计算机图形图像形态学图像分割方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107133965A true CN107133965A (zh) | 2017-09-05 |
Family
ID=59716749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710250263.1A Pending CN107133965A (zh) | 2017-04-17 | 2017-04-17 | 一种基于计算机图形图像形态学图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107133965A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106952241A (zh) * | 2017-04-27 | 2017-07-14 | 北京航空航天大学 | 一种基于形态学方法及Meanshift算法的电磁图像分块方法 |
CN109257523A (zh) * | 2018-10-19 | 2019-01-22 | 江西财经大学 | 一种医学图像处理装置及图像处理方法 |
CN110097549A (zh) * | 2019-05-08 | 2019-08-06 | 广州中国科学院沈阳自动化研究所分所 | 基于形态学的水陆空交界线检测方法、系统、介质和设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914843A (zh) * | 2014-04-04 | 2014-07-09 | 上海交通大学 | 基于分水岭算法和形态学标记的图像分割方法 |
CN105574887A (zh) * | 2016-02-29 | 2016-05-11 | 民政部国家减灾中心 | 高分辨率遥感影像快速分割方法 |
-
2017
- 2017-04-17 CN CN201710250263.1A patent/CN107133965A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914843A (zh) * | 2014-04-04 | 2014-07-09 | 上海交通大学 | 基于分水岭算法和形态学标记的图像分割方法 |
CN105574887A (zh) * | 2016-02-29 | 2016-05-11 | 民政部国家减灾中心 | 高分辨率遥感影像快速分割方法 |
Non-Patent Citations (4)
Title |
---|
刘春祥: ""甲状腺癌细胞显微图像分割研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
刘贺鹏,吕建平: ""基于形态学分水岭的 Normalized Cut 图像分割方法"", 《电子科技》 * |
张玉静等: ""一种改进的自适应中值滤波算法研究"", 《工业控制计算机》 * |
李志刚: ""心脏CT图像分割算法研究"", 《万方数据库》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106952241A (zh) * | 2017-04-27 | 2017-07-14 | 北京航空航天大学 | 一种基于形态学方法及Meanshift算法的电磁图像分块方法 |
CN106952241B (zh) * | 2017-04-27 | 2020-03-10 | 北京航空航天大学 | 一种基于形态学方法及Meanshift算法的电磁图像分块方法 |
CN109257523A (zh) * | 2018-10-19 | 2019-01-22 | 江西财经大学 | 一种医学图像处理装置及图像处理方法 |
CN110097549A (zh) * | 2019-05-08 | 2019-08-06 | 广州中国科学院沈阳自动化研究所分所 | 基于形态学的水陆空交界线检测方法、系统、介质和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017084204A1 (zh) | 一种二维视频流中的人体骨骼点追踪方法及系统 | |
Chen et al. | A novel color edge detection algorithm in RGB color space | |
CN103136766B (zh) | 一种基于颜色对比和颜色分布的物体显著性检测方法 | |
CN101930597B (zh) | 一种基于数学形态学的图像边缘检测方法 | |
CN109961416B (zh) | 一种基于形态学梯度多尺度融合的营业执照信息提取方法 | |
Hu et al. | A multi-directions algorithm for edge detection based on fuzzy mathematical morphology | |
CN107133965A (zh) | 一种基于计算机图形图像形态学图像分割方法 | |
CN103679157A (zh) | 一种基于视网膜模型的人脸图像光照处理方法 | |
Li et al. | A salt & pepper noise filter based on local and global image information | |
CN107154044A (zh) | 一种中餐食物图像的分割方法 | |
CN110335280A (zh) | 一种基于移动端的金融单据图像分割与矫正方法 | |
CN103914829A (zh) | 一种含噪图像边缘检测方法 | |
CN102254304A (zh) | 一种目标物体轮廓检测方法 | |
CN102254305A (zh) | 基于三字典块匹配的图像复原方法 | |
Yao | Image segmentation based on Sobel edge detection | |
Amalorpavam et al. | Analysis of Digital Images Using Morphlogical Operations | |
Zhang et al. | Cell-edge detection method based on canny algorithm and mathematical morphology | |
Li et al. | Transition region-based single-object image segmentation | |
CN107610136A (zh) | 基于凸包结构中心查询点排序的显著目标检测方法 | |
CN102737232A (zh) | 一种分裂细胞识别方法 | |
CN104966293B (zh) | 基于pg算法的图像细节特征保护方法 | |
CN103903001A (zh) | 一种手指静脉网络精确提取方法 | |
CN103679664A (zh) | 一种利用数学形态学交替滤波器的能够保留图像细节的增强方法 | |
Wan et al. | Robust range image segmentation based on coplanarity of superpixels | |
Joshi et al. | Application of soft computing approach for edge detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170905 |