【正文】 后利用極限腐蝕得到種子，然后用條件膨脹標(biāo)記生長出分離的區(qū)域來，最后完成粘連邊界的定位。但是，在一些場合，不需要先對灰度圖像進(jìn)行二值化，而是直接利用分水嶺變換在灰度圖下完成粘連分割[8687]。所謂的極限腐蝕是指腐蝕處理過程中只能使輸入圖像中原來存在的連通區(qū)域縮小而不能使其消失，其處理效果是使每個區(qū)域縮小成一個點(diǎn)或者是無內(nèi)點(diǎn)的小區(qū)域，稱之為核心種子區(qū)域。我們可以對核心種子區(qū)域計數(shù)從而獲得圖像中區(qū)域所在的位置與總數(shù)。編程實(shí)現(xiàn)的關(guān)鍵在于如何使區(qū)域不消失以及何時結(jié)束腐蝕過程。所謂的條件膨脹是指膨脹并非無限制，它只能在原始圖像的區(qū)域范圍內(nèi)膨脹，同時保證從核心種子區(qū)域膨脹恢復(fù)到無粘連的區(qū)域。為了確保在原始圖像的區(qū)域范圍內(nèi)膨脹和膨脹后的區(qū)域不粘連，需要在膨脹過程中去除擴(kuò)展到原圖像背景區(qū)域的像素和檢查膨脹后所得到的新像素的連接狀態(tài)。經(jīng)典分水嶺算法的具體步驟[88]：(1) 極限腐蝕，在每次腐蝕處理后檢測輸入圖像中的所有連通區(qū)域，根據(jù)輸入圖像中的連通域，在輸出圖像相應(yīng)位置檢查是否還存在對象像素，若某區(qū)域在輸出圖像中已不存在對象像素，則轉(zhuǎn)到（2）。(2) 在輸出圖像上恢復(fù)該區(qū)域，使它不消失。(3) 若輸出圖像中的所有區(qū)域都需要恢復(fù)，則終止腐蝕過程。確定核心種子區(qū)域。(4) 條件膨脹，在每次膨脹處理之后，通過輸入、輸出圖像的“異或”找出本次膨脹新增加的像素。(5) 在膨脹輸出圖像中對新增像素點(diǎn)進(jìn)行檢查，若它為內(nèi)點(diǎn)（即以當(dāng)前像素為中心的領(lǐng)域全部像素都為目標(biāo)點(diǎn)或都為背景點(diǎn)）則去除此像素點(diǎn)。(6) 檢查每個新增像素點(diǎn)，若此像素點(diǎn)在原始圖像中處于背景區(qū)域則去除此像素點(diǎn)。(7) 在膨脹輸入圖像中檢測新增像素點(diǎn)與其他區(qū)域相連，則也去除該點(diǎn)像素。(8) 在檢測過程中，對沒有刪除的新增像素進(jìn)行計數(shù)，此數(shù)為0則終止膨脹過程。經(jīng)典分水嶺算法的處理過程復(fù)雜、計算量大、耗時多，同時分割所得圖象的形狀失真嚴(yán)重，特別是粘連兩區(qū)域面積大小懸殊時失真更為嚴(yán)重。 改進(jìn)的分水嶺算法經(jīng)典的分水嶺算法通常對梯度圖像進(jìn)行無標(biāo)記分割，其最大問題就是容易造成過分割，解決辦法通常是對待分割區(qū)域進(jìn)行標(biāo)記(設(shè)置種子點(diǎn)) [89]。改進(jìn)的分水嶺算法通常用距離變換圖搜索種子點(diǎn)進(jìn)行標(biāo)記，再用等值線跟蹤分割粘連目標(biāo)。從拓?fù)涞慕嵌葋砜?，距離變換圖中的最大值區(qū)域?qū)?yīng)山峰，而最小值區(qū)域?qū)?yīng)山谷。這些山谷就是分水嶺，沿著連接山峰的分水嶺就可以對目標(biāo)進(jìn)行分割，這就是分水嶺變換的基本思想[90]。（1）距離變換距離變換實(shí)質(zhì)上是一種圖像變換方法，被廣泛應(yīng)用于圖像的膨脹、收縮、形狀因子的計算、形狀的骨架化等方面。在提取二值圖像目標(biāo)種子核的算法中，常常用距離變換來代替極限腐蝕[91]。距離變換是對二值圖像的一種操作，結(jié)果是將一幅二值圖像轉(zhuǎn)化為一幅灰度圖像，每個像素的灰度值與該像素到其最近背景點(diǎn)的距離成正比。一般來說，任意兩點(diǎn)間的距離可以有多種規(guī)定方式，但都應(yīng)滿足以下定義：設(shè)A為非空集合，如果對于A中的任意兩個元素P，Q具有一個確定的實(shí)數(shù)記為D(P, Q) 與它們對應(yīng)且滿足以下三個條件，則D是A上的一個距離。（1） 非負(fù)性：，且的充分必要條件是P=Q；（2） 對稱性：；（3） 三角不等式：，其中R也是A中任意一點(diǎn)。特別地，對于歐式距離變換（Euclidean Distance Transform, EDT）可描述為：設(shè)為背景像素集合，為目標(biāo)像素集合，則二值圖像A的歐氏距離變換就是對F中的所有像素(x, y) 求其到B中像素的最短歐式距離。（2）倒角距離變換距離變換的距離函數(shù)有很多，不同的變換函數(shù)對應(yīng)不同的功效。倒角（Chamfer）算法[92]是一種類似于腐蝕運(yùn)算的距離變換，但在每一步，像素以迭代次數(shù)標(biāo)記，而不是從物體中消失。此方法通過兩次掃描來完成距離變換，具體實(shí)現(xiàn)算法如下：1) 選擇距離變換模板，a在最壞情況下計算得到的距離值的誤差為8%，b在最壞情況下誤差為2%。為降低計算的復(fù)雜度，一般選擇模板a即可得到滿意結(jié)果。2) 利用模板a進(jìn)行前向掃描，即從上至下，從左至右掃描。對于倒角模板中心所在位置，模板中的每個元素與對應(yīng)的像素值相加而形成一個兩項(xiàng)和的集合。對于模板上空白的位置則不予以處理，位于模板中心下方的像素用這些和中的最小值取代。3) 利用模板a進(jìn)行后向掃描，即自下向上，從右向左，對圖像進(jìn)行第二次掃描，方法同步驟2)。 倒角模板 (a) 3*3 (b) 5*5（3）等值線分割等值線分割法首先對二值圖像作距離變換，根據(jù)局部極大的特點(diǎn)搜索區(qū)域核心代替極限腐蝕，用等值線跟蹤代替條件膨脹，利用跟蹤過程中前后兩次周長的躍變發(fā)現(xiàn)兩區(qū)域合并的時間，從而確定分割點(diǎn)的位置，最后用作區(qū)域連接段骨架垂線的方法進(jìn)行粘連部分的分割。此方法不僅處理速度快，所得分割區(qū)域的形狀也大為改觀。具體實(shí)現(xiàn)算法如下：1) 對二值圖像進(jìn)行倒角距離變換，得到的距離變換圖是以系列層層嵌套的封閉等值線。2) 根據(jù)距離函數(shù)的局部最大值確定種子點(diǎn)數(shù)。在同一連通區(qū)域可能存在多個種子點(diǎn)，這時需要對種子點(diǎn)采取種子合并，即只保留同一連通區(qū)域內(nèi)距離值最大的種子點(diǎn)，以確保每個區(qū)域只有一個種子點(diǎn)，使得種子點(diǎn)的個數(shù)等于區(qū)域的個數(shù)。3) 依據(jù)距離函數(shù)進(jìn)行等值線跟蹤，確定分割點(diǎn)，進(jìn)行粘連分割。設(shè)置一個探針由種子點(diǎn)出發(fā)，沿等值線向外作環(huán)形運(yùn)動。結(jié)果受兩個條件限制，一個是探針運(yùn)動須在連通區(qū)域內(nèi)，二是等值線粒子互不粘連，進(jìn)而確定分割點(diǎn)，作切割線實(shí)現(xiàn)對粘連區(qū)域的分割。在稻米粘連分割的實(shí)驗(yàn)中發(fā)現(xiàn)，采用以上提到的分水嶺算法在處理類圓形粘連稻米時效果較好，但是在處理類長條矩形時的效果較差，容易出現(xiàn)過分割和米粒斷裂的現(xiàn)象。論文針對稻米外形及粘連特點(diǎn)，提出了角點(diǎn)分割方法。圖像中的角點(diǎn)作為特征點(diǎn)，包含著大量的信息，在圖像配準(zhǔn)，運(yùn)動目標(biāo)跟蹤中以被廣泛應(yīng)用。通過實(shí)驗(yàn)觀察發(fā)現(xiàn)，未粘連的單個米粒的形狀大致為凸形，而粘連米粒則在粘連處形成一個凹形（即角點(diǎn)），而且該角點(diǎn)的曲率方向是指向稻米外部。因此，可先跟蹤稻米邊緣，計算邊界點(diǎn)曲率及方向，若曲率小于某個閾值且方向是指向外部的，則認(rèn)為是米粒的粘連處。目前的角點(diǎn)檢測方法主要有Movavec算法[93]，Harris算法[94]，Trajkovic算法[95]等。角點(diǎn)檢測通常是計算輪廓的曲率函數(shù)，曲率函數(shù)值最大的一點(diǎn)就是角點(diǎn)。這種全局曲率函數(shù)的計算方法容易受到噪聲的干擾，因?yàn)榻屈c(diǎn)出現(xiàn)在不同的尺度上，其中的一些可能在曲率函數(shù)濾波之后而丟失。為解決此問題，論文提出利用邊界點(diǎn)指定半徑圓內(nèi)非米粒區(qū)域面積大小來替代角點(diǎn)曲率判定粘連處的方法。粘連分割算法的另一個難點(diǎn)和關(guān)鍵點(diǎn)在于如何找到分離點(diǎn)對[96]。所謂的分離點(diǎn)對，就是最終用于粘連目標(biāo)分割的一個點(diǎn)對。例如，當(dāng)兩個米粒粘連在一塊時，可以通過跟蹤稻米邊緣輪廓，在邊界上找到一個這樣的點(diǎn)對，通過連接這兩個點(diǎn)的一條直線把區(qū)域一分為二。對于這樣的分離點(diǎn)對需滿足以下性質(zhì)：（1） 在角點(diǎn)即目標(biāo)的粘連處。（2） 兩點(diǎn)之間的直線長度是局部最小。在確定所有粘連處之后可采用最短距離匹配法確定分離點(diǎn)對，進(jìn)而畫出分割線。本論文提出的粘連分割算法的主要思想是：對稻米邊界進(jìn)行跟蹤，首先確定角點(diǎn)點(diǎn)陣，然后尋找分離點(diǎn)對，利用最短距離匹配法畫分割線。具體實(shí)現(xiàn)算法如下：（1） 設(shè)定初始值半徑R，角度閾值A(chǔ)NGLE，最短距離匹配閾值LENGTH，面積閾值。（2） 標(biāo)記米粒區(qū)域，同時提取米粒邊緣輪廓。（3） 以米粒邊緣輪廓點(diǎn)為圓心，R為半徑，遍歷邊界點(diǎn)，計算圓內(nèi)非米粒區(qū)域面積大小與S比較，如果小于S則圓內(nèi)邊界點(diǎn)為角點(diǎn)（即粘連處）。如果遍歷邊界點(diǎn)求的面積均大于S，則該區(qū)域?yàn)閱蝹€米粒。（4） 對所有的角點(diǎn)，依據(jù)最短距離匹配法進(jìn)行確定分離點(diǎn)對，當(dāng)兩角點(diǎn)之間的距離大于LENGTH時不處理，否則兩角點(diǎn)之間畫直線，將粘連區(qū)域進(jìn)行分割。標(biāo)記米粒區(qū)域，提取邊緣輪廓，計算同一區(qū)域內(nèi)以輪廓點(diǎn)為中心，R為半徑的圓內(nèi)非米粒區(qū)域面積S1大小提取稻米圖像中的各個連通區(qū)域，判斷是否存在米粒粘連情況遍歷同一區(qū)域內(nèi)的輪廓點(diǎn)，判斷S1是否大于面積閾值S保存角點(diǎn)點(diǎn)陣最短距離配對法，確定分離點(diǎn)對之間的連線，作為分割線輸出結(jié)果該區(qū)域?yàn)閱蚊琢７袷欠袷菆D 對于類圓形粘連稻米分割比較。 (a) 原始圖像 (b) 經(jīng)典分水嶺法 (c) 改進(jìn)的分水嶺法 (d) 角點(diǎn)分割法對于類長條矩形粘連稻米分割比較。 (a) 原始圖像 (b) 經(jīng)典分水嶺法 (c) 改進(jìn)的分水嶺法 (d) 角點(diǎn)分割法，經(jīng)典分水嶺算法容易產(chǎn)生過分割現(xiàn)象，且形狀失真嚴(yán)重；改進(jìn)的分水嶺算法雖然能避免形狀失真，但是在分割過程中容易造成米粒斷裂現(xiàn)象，特別是對于類長條矩形的粘連稻米；角點(diǎn)分割法則能有效克服以上缺點(diǎn)，實(shí)現(xiàn)對兩類稻米的有效分割。稻米粒型是指稻米粒長與粒寬的比值[2]，可以通過長度，寬度信息來描述，是稻米品種的重要特征之一。稻米粒型對其它主要品質(zhì)指標(biāo)（如膠稠度、整精米率、直鏈淀粉含量等）有極大的影響[97]，是商品稻米分類和定價的主要依據(jù)之一。因此，有必要獲得稻米粒型的準(zhǔn)確信息。目前，國內(nèi)對稻米粒型的檢測主要依賴于人工利用直尺或微粒子計（dial caliper，日本Kori Seiki公司產(chǎn)，刻度范圍從0mm到9mm，）等工具進(jìn)行測量。根據(jù)稻谷國家標(biāo)準(zhǔn)，采用直尺測量稻米粒型，即隨機(jī)數(shù)取完整無損的精米10粒，平放于測量板上，按照頭對頭、尾對尾，不重疊、不留隙的方式，緊靠直尺擺成一行，讀出長度，求其平均值即為精米長度，精米寬度測量方法類似，由此引起的人為誤差較大；而采用微粒子計，由于米粒較小需要使用鑷子夾住米粒，同時微粒子計的一端并不是固定的，會左右搖擺，在測量粒型時要求兩端平行，因此較難操作，且效率非常低。國外則主要是使用丹麥FOSS公司生產(chǎn)的谷物外觀檢測儀來評價谷物外觀，采用全自動圖像分析系統(tǒng)，但價格昂貴，不適合在國內(nèi)推廣。針對目前在稻米粒型檢測中依靠人工費(fèi)時、費(fèi)力、精度難于控制等問題，本節(jié)擬通過改進(jìn)的最大類間方差法自動確定圖像分割閾值，采用頂點(diǎn)鏈碼和最小外接矩形方法獲得稻米的長、寬信息。圖像二值化之后一般包含許多相互獨(dú)立的區(qū)域。圖像處理的重要任務(wù)就是將它們尋找出來，并對其進(jìn)行分析和特征提取。因此，描述區(qū)域的數(shù)據(jù)結(jié)構(gòu)十分重要。對圖像中的區(qū)域有兩種常用的表示方法，直角坐標(biāo)表示法和鏈碼表示法。(1) 直角坐標(biāo)表示法：將圖像邊界上的各個坐標(biāo)全部保留，把邊界順序勾畫出來。例如：等。(2) 鏈碼表示法：用起點(diǎn)坐標(biāo)加方向碼來表示圖像邊界上的各點(diǎn)坐標(biāo)及其相互位置關(guān)系。常見的有四領(lǐng)域鏈碼和八領(lǐng)域鏈碼。例如對于8連通鏈碼，鏈碼取值，按逆時針方向遞增，鏈碼值加1表示其方向順時針旋轉(zhuǎn)，當(dāng)鏈碼值超過8或者小于0時，就得除去或補(bǔ)上8。與直角坐標(biāo)表示法比較，鏈碼表示法的優(yōu)點(diǎn)明顯，它把二維圖像的存儲和處理變成一維鏈上的問題，對于處理大尺度的圖像而言，鏈碼表示法既節(jié)省了存儲空間又提高了處理速度。1032 20635174(a) 四領(lǐng)域鏈碼 (b) 八領(lǐng)域鏈碼 鏈碼表示法鏈碼編碼的基本思想是：先利用某種規(guī)則的單元格將圖像鋪滿，然后對目標(biāo)圖像邊界上的每一個節(jié)點(diǎn)根據(jù)與之相連的單元格的情況進(jìn)行編碼。從圖像邊界上任意一個節(jié)點(diǎn)出發(fā)，按一定方向沿著圖像邊界走一圈，依次將所有節(jié)點(diǎn)的編碼都記錄下來，所形成的序列就是該圖像的鏈碼編碼。鏈碼表示法中應(yīng)用最廣泛的是弗里曼鏈碼（Freeman，1961）[98100]。在弗里曼之后提出多種編碼的改進(jìn)方案[101102]，Bribiesca[103] （1999）提出的頂點(diǎn)鏈碼編碼（Vertex chain code）就是其中之一。頂點(diǎn)鏈碼編碼是利用邊界線上單元格的邊或者頂點(diǎn)進(jìn)行編碼，即從任意一個頂點(diǎn)出發(fā)按一定的方向由邊界上所有頂點(diǎn)的編碼組成的一個序列。Bribiesca對頂點(diǎn)鏈碼編碼做了系統(tǒng)的研究，并給出了三角點(diǎn)陣和正六邊形點(diǎn)陣中的頂點(diǎn)鏈碼編碼。對于一幅二維圖像來說，只有三角點(diǎn)陣，正六邊形點(diǎn)陣，方形點(diǎn)陣能鋪滿整幅圖像。從應(yīng)用的角度出發(fā)，利用方形點(diǎn)陣的八領(lǐng)域?qū)Χ祱D像進(jìn)行頂點(diǎn)鏈碼編碼。一個封閉的圖形可以用編號為1，2，3這三種元素進(jìn)行編碼。 (a) 正方形點(diǎn)陣圖形 (b) 頂點(diǎn)鏈編碼元素 頂點(diǎn)鏈碼編碼 在二值化圖像中，設(shè)黑色區(qū)域（像素值為0）與白色區(qū)域（像素值為255）由封閉的邊界相區(qū)分。因此，對區(qū)域邊界的標(biāo)定等價于對區(qū)域的標(biāo)定。對八鄰域圖像區(qū)域進(jìn)行頂點(diǎn)鏈碼編碼方法如下[104]：以表示光標(biāo)的當(dāng)前位置，箭頭()表示前一時刻光標(biāo)所在的位置，箭頭方向表示行走的方向(逆時針方向)，序號l，2，3，4表示位置關(guān)系編號。當(dāng)跟蹤區(qū)域邊界時，當(dāng)前位置與區(qū)域邊界單元格的相互位置關(guān)系有24種，由于只沿一個方向（逆時針方向）行走，因此。 圖 。對于每一種位置關(guān)系，還要分析光標(biāo)當(dāng)前位置（）周圍其余5個單元格是否空缺。經(jīng)研究發(fā)現(xiàn)，每一種位置關(guān)系都有六種對應(yīng)的狀態(tài)圖。以第一種位置關(guān)系為例。，即邊界跟蹤時可行走的方向。當(dāng)當(dāng)前位置發(fā)生變化時，其坐標(biāo)也相應(yīng)發(fā)生改變，如表示當(dāng)前位置的方向和方向的坐標(biāo)各加1。其余標(biāo)記的意義可類推。(1,1)(0,1)(+1,1)(1,0)(x,y)(+1,0)(1,+1)(0,+1)(+1,+1)圖 像素點(diǎn)坐標(biāo)的定義圖 八近鄰圖像狀態(tài)映射由于位置關(guān)系的對稱關(guān)系，將第一種位置關(guān)系下的狀態(tài)圖逆時針旋轉(zhuǎn)90o，可得到第二種位置關(guān)系的狀態(tài)圖。以此類推，總共可得到24種位置關(guān)系。這24種狀態(tài)圖構(gòu)成的集合具有完備性和封閉型。利用24種狀態(tài)圖之間的映射關(guān)系可方便地得到區(qū)域邊界的頂點(diǎn)鏈碼編碼。對于八領(lǐng)域，為每一個位置狀態(tài)規(guī)定一個頂點(diǎn)鏈子串，作為位置狀態(tài)的輸出、。由于對稱的關(guān)