【導(dǎo)讀】在過去的近二十年里,圖像分割作為計(jì)算機(jī)視覺等領(lǐng)域的重要研究方向,吸引了越來越多的研究者的注意，由于形態(tài)學(xué)技術(shù)在進(jìn)行圖像處理時(shí)，充分考慮到了圖像的結(jié)構(gòu)特征，因此相對(duì)于其他圖像處理方法而言，形態(tài)學(xué)技術(shù)具有獨(dú)特的結(jié)構(gòu)特征優(yōu)勢(shì)。本文以數(shù)學(xué)形態(tài)學(xué)為基礎(chǔ)研究了圖像處理算法。從數(shù)學(xué)形態(tài)學(xué)的基本思想和基本理論入手，將從數(shù)學(xué)形態(tài)學(xué)在圖像濾波、邊緣檢測(cè)以及圖像分割方面的三個(gè)應(yīng)用作一一介紹，同時(shí)，將形態(tài)學(xué)圖像處理方法與傳統(tǒng)圖像處理方法進(jìn)行了比較。③本文主要采用數(shù)學(xué)形態(tài)學(xué)的分水嶺算法對(duì)圖像進(jìn)行分割，詳細(xì)論述了分水嶺算法的原理及其算法步驟，由于圖像中噪聲以及細(xì)小邊緣的存在，分水嶺算法很容易產(chǎn)生過分割現(xiàn)象，我們采取了兩種方法減弱過分割現(xiàn)象：先利用形態(tài)學(xué)濾波器進(jìn)行預(yù)處理，然后再利用區(qū)域生長(zhǎng)型分水嶺算法對(duì)圖像進(jìn)行分割。

　　

【正文】 的分割效果都不好，有的卟啉點(diǎn)分割不完整，也遺漏了很多卟啉點(diǎn)，閾值分割沒有顯示出卟啉點(diǎn)的灰度變化情況，即使能夠分割出來的卟啉點(diǎn)的邊緣效果也沒有分水嶺方法有效。圖(d)的分水嶺方法分割的效果相對(duì)來說較好，能顯示出所檢測(cè)的卟啉點(diǎn)的灰度變化，但還是有一個(gè)卟啉點(diǎn)漏檢。 (a) 區(qū)域生長(zhǎng) (b)最大熵的圖像閾值分割 (c) 聚類分析 (d) 分水嶺方法分割圖 分水嶺方法與其他分割方法進(jìn)行比較 形態(tài)學(xué)方法對(duì)LENA圖像的處理LENA圖像是進(jìn)行圖像數(shù)據(jù)的壓縮、運(yùn)算、傳輸、 解壓縮等處理時(shí)， 經(jīng)常采用的測(cè)試樣本圖像。采用這張圖像的原因，除了因?yàn)樗苜p心悅目外，就“測(cè)試標(biāo)準(zhǔn)”來說，它的鑒別度也相當(dāng)?shù)母?。這張圖像的確具備“測(cè)試標(biāo)準(zhǔn)”所應(yīng)有的充分條件，平整的區(qū)塊、清晰細(xì)致的紋路、漸漸變化的光影、顏色的深淺層次等，使它在驗(yàn)證圖像處理演繹法則時(shí)，能很好的測(cè)試各種圖像處理算法。這一節(jié)用形態(tài)學(xué)的濾波、邊緣檢測(cè)以及分水嶺分割算法對(duì)LENA圖像進(jìn)行圖像處理。圖(a)、(b)、(c)、(d)顯示的是形態(tài)學(xué)濾波對(duì)其的處理效果。由于濾波采用的均是原點(diǎn)在中心的3*3的九點(diǎn)結(jié)果元素，我們觀察LENA帽沿處垂下來的流蘇就能看出濾波效果的變化，腐蝕后細(xì)條紋變得更細(xì)，而膨脹后可以很明顯的看出條狀毛發(fā)，從帽沿的條狀細(xì)紋中也可以看出腐蝕、膨脹以及開閉運(yùn)算的差異。圖(e)和圖(f)都是進(jìn)行的形態(tài)學(xué)邊緣檢測(cè)，圖(e)是基本的形態(tài)學(xué)梯度算子，即內(nèi)外邊界，而圖(f)是基于BM方法的改進(jìn)的邊緣檢測(cè)算法，在LENA圖像中，相對(duì)于基本的邊緣檢測(cè)算子，改進(jìn)的BM方法效果就不那么好了，細(xì)節(jié)部分，比如嘴部以及毛發(fā)附近，檢測(cè)的線條不圓滑，部分地方不連續(xù)，可見，自己提出的改進(jìn)方法并不適合于LENA圖像，僅僅是能較好地將卟啉陣列的圖像邊緣檢測(cè)出。圖(g)為L(zhǎng)ENA原圖，圖(h)為L(zhǎng)ENA原圖改進(jìn)的分水嶺分割，改進(jìn)的分水嶺算法分割LENA圖像的效果還是比較好的，能夠分割出眼部、毛發(fā)等處的細(xì)節(jié)，還能將見肩部、帽子的平滑部分分割出來，同時(shí)又有顏色的深淺層次的變化。 (a)腐蝕 (b)膨脹 (c)開運(yùn)算 (d) 閉運(yùn)算 (e)形態(tài)學(xué)梯度算子 (f) 改進(jìn)BM方法 (g) LENA原圖 (h) 分水嶺分割算法 LENA圖像的形態(tài)學(xué)處理34重慶大學(xué)本科學(xué)生畢業(yè)設(shè)計(jì)（論文） 5 總結(jié)與展望5 總結(jié)與展望 總結(jié)通過本文的實(shí)驗(yàn)與分析，下面對(duì)文章的主要內(nèi)容作一下總結(jié)：系統(tǒng)的研究了數(shù)學(xué)形態(tài)學(xué)理論，二值形態(tài)學(xué)的基本運(yùn)算以及各種變換相互之間的關(guān)系，并簡(jiǎn)略討論了二值形態(tài)學(xué)各種變換的特點(diǎn)。隨后，介紹了灰度形態(tài)學(xué)的基本理論，并重點(diǎn)討論了灰度形態(tài)學(xué)在圖像處理中濾波方面的應(yīng)用，同時(shí)將形態(tài)學(xué)濾波與中值濾波、均值濾波等傳統(tǒng)的濾波方法的濾波效果進(jìn)行比較。 介紹了外邊界、內(nèi)邊界等經(jīng)典形態(tài)學(xué)梯度算子，以及BM方法（一種能較強(qiáng)抑制噪聲的形態(tài)邊緣提取算子），針對(duì)本文選用的卟啉陣列的圖像，研究了一種改進(jìn)的形態(tài)學(xué)梯度算子（BM方法）來進(jìn)行邊緣檢測(cè)，取得不錯(cuò)的檢測(cè)效果。但是在對(duì)后面的LENA圖像處理時(shí)效果并不好。 本文采用形態(tài)學(xué)中經(jīng)典的分水嶺算法來對(duì)卟啉陣列圖像進(jìn)行分割，由于圖像中干擾噪聲以及細(xì)小邊緣的存在，會(huì)帶來嚴(yán)重的過分割現(xiàn)象，我們采取了濾波的預(yù)處理方法以及過分割后進(jìn)行區(qū)域合并的方法改進(jìn)分水嶺算法來修正標(biāo)準(zhǔn)分水嶺分割所產(chǎn)生的過分割問題。 由于所學(xué)知識(shí)不全面，加上時(shí)間較緊，對(duì)論文所涉及的內(nèi)容研究還不夠深入和細(xì)致文章仍然存在許多需要改進(jìn)的地方，今后，還需要對(duì)以下問題進(jìn)行深入研究。不管是腐蝕還是膨脹變換，當(dāng)選用的結(jié)構(gòu)元素較大時(shí)，往往會(huì)造成把有用信息也給濾除，如果選用的結(jié)構(gòu)元素較小，噪聲信號(hào)又不能很好的去處。如果目標(biāo)物體和噪聲的大小相當(dāng)?shù)臅r(shí)候，其濾波效果是最不明顯的，可見，針對(duì)圖像不同的特征，結(jié)構(gòu)元素的選擇是十分重要且必須的。形態(tài)學(xué)濾波法的優(yōu)良特性能否充分發(fā)揮，取決于形態(tài)學(xué)運(yùn)算組合及結(jié)構(gòu)元素的選擇是否恰當(dāng)。而在本文中，我們并沒有對(duì)結(jié)構(gòu)元素的大小對(duì)處理效果的影響進(jìn)行一一研究。這是研究過程中的一個(gè)不足，有待改進(jìn)。另外，在實(shí)際的形態(tài)學(xué)應(yīng)用中，并沒有確定的規(guī)則和定律來幫助我們選擇適當(dāng)?shù)倪\(yùn)算組合或結(jié)構(gòu)元素，只有對(duì)各種形態(tài)學(xué)的基本運(yùn)算的特性，結(jié)構(gòu)元素發(fā)生作用的實(shí)質(zhì)以及我們應(yīng)用的具體問題有了深入的了解，才有可能找到適用于具體問題的形態(tài)學(xué)方法。 相比傳統(tǒng)的邊緣檢測(cè)如LOG, Canny算子等，形態(tài)學(xué)邊緣檢測(cè)能較有效地保持邊緣的完整性，但作為梯度運(yùn)算，通常只對(duì)梯度值大小作簡(jiǎn)單的閾值處理來完成邊緣檢測(cè)，噪聲的存在將使檢測(cè)結(jié)果產(chǎn)生假邊緣和邊緣位置偏移。常規(guī)的預(yù)平滑濾波，在平滑噪聲的同時(shí)也模糊了邊緣成分，容易丟失一些重要的邊緣?？煽紤]采用基于多尺度和全方位的形態(tài)學(xué)的濾波器在邊緣檢測(cè)前進(jìn)行預(yù)濾波，這樣可以在保持邊緣輪廓不變的情況下，減輕或去除噪聲對(duì)邊緣檢測(cè)的影響。在分水嶺算法中，可以對(duì)輸入圖像的梯度取閾值，閾值化后很多由噪聲和量化誤差造成的梯度上的低谷和山峰將被平滑為平坦的區(qū)域，從而減少分水嶺變化后區(qū)域的個(gè)數(shù)，這樣的話，我們就不需要在后期再進(jìn)行一遍區(qū)域合并了。然而，隨之也會(huì)帶來一個(gè)問題：由于閾值的選取只考慮梯度的幅度值，不適合的閾值很可能會(huì)破壞重要物體的輪廓。因此，如何選取適當(dāng)?shù)拈撝凳且豁?xiàng)非常艱難的任務(wù)，在實(shí)際應(yīng)用中也存在著使用的局限。40重慶大學(xué)本科學(xué)生畢業(yè)設(shè)計(jì)（論文） 參考文獻(xiàn)參考文獻(xiàn)[1] [D].吉林大學(xué)碩士學(xué)位論文,2005.[2] Vincent L,Soille P. Watersheds in digital spaces:An efficient algorithm based on immersion simulations[J]. Trans. Pattern analysis and Machine Intelligence, 1991,13(6): 583598.[3] [M].[4] Serra, To Mathematical Morphology (35):283305.[5] Goutsias J, Sivakumar K. Morphological Operators for Image Sequences[J]. Computer Vision Image Understanding, 1995, 62(3): 326346.[6] 尹星云,[J]. 計(jì)算機(jī)工程,2008,34(17).271273. [7] [M].,4. [8] Horowitz S L. Picture Segmentation by a Directed SplitandMerge Procedure. Proceedings of Second International Joint Conference on Pattern Recognition,1974,8:424423.[9] Zuker S W. Region Growing:Childhood and Adolescene. CGIP,1976,5: 382399.[10] 方忠民,[J]. 長(zhǎng)沙大學(xué)學(xué)報(bào),2008，22（5）：9497.[11] 趙志峰,[J].華東船舶工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版),2003,17(3):4348. [12] 聶斌,[J].泰山醫(yī)學(xué)院學(xué)報(bào),2002 ,23(4):422426.[13] ,Survey Pattern Recognition on Evaluation Methods for Image Segmentation [J].1996, 29(8): 13351346.[14]王愛民,[J].測(cè)控技術(shù),2000,19(5): 116.[15] Jayaram,et al. Fuzzy Connectedness and Object Defination[J]. Theory,Algorithms,and Applications in Image Segmentation. Graphical Models and Image Processing, 1996,58(3):246251.[16] 袁小平,孫中全,[J]. 能源技術(shù)與管理,2008(1),8586,102.[17] 陸宗騏, C++.NET圖像處理編程[M]..[18] [19] 王芳,[J].內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版) ,2008 ,37（3）：389391.[20] 戴青云,[J].控制理論與應(yīng)用,2001,18 (4):478482.[21] Bosworth J, Acton A T. The Morphological Lomo Filter for Multiscale Image Processing[C]. IEEE International Conference on Image Processing. Kobe,Japan ,1999.[22] 潘梅森,[J].微計(jì)算機(jī)信息,2006,22(10):309 311.[23] Mary and Edward . Morphological Operators for Color Image Processing[J].Journal of Electronic Image, 1999，8(3):279289.[24] [D].山東大學(xué)碩士學(xué)位論文,2005.[25] [M]..[26] [D]. 揚(yáng)州大學(xué)碩士學(xué)位論文,2005.[27] J. Gauch, ChiWan Hsia. A Comparison of Three Color Image Segmentation Algorithm in Four Color Spaces. SPIE. Vol. 1818. Visual Communications and Image Processing,.[28] 歐珊瑚,王倩麗, C++.NET數(shù)字圖像處理技術(shù)與應(yīng)用[M]..[29] 高育鵬,黃樹采,[J]. 彈箭與制導(dǎo)學(xué)報(bào),2008（3）,296298.[30] James, Lee,J. Morphological Edge Detection. IEEE Journal of Robotics and Automation, 1987,RA3 (2):142156.[31] Zhao Yuqian, Images Edge Detection Based on Mathematical Morphology[C].Engineering in Medicine and Biology 27th Annual ：46924695.[32] 胡小鋒, C十十/MATLAB圖像處理與識(shí)別實(shí)用案例精選[M].人民郵電出版社,.[33] Serra J. Image analysis and mathematical morphology [M].London: Acadamic Press,l982.[34] S. Beucher. Use of watersheds in contour detection[M]. 1979.[35] P. Soille, L. Vincent. Determining Watersheds in Digital Pictures via Flooding Simulations[J]. Visual Communications and Image Processing 90. Oct. 1990, 1360:240–250.[36] , P. Soille. Watersheds in Digital Spaces: an Efficient Algorithm Based on Immersion Simulations [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence. June. 1991, 13(6):583–598.[37] L. Vincent, P. Soille. Watersheds in Digital Spaces: An Efficient Algorithm Based on Immersion Simulations [J]. IEEE Transactions on Pattern Analysis and Machine Inteligence, 1991,13 : 583598.[38] 趙濤，[J].科技信息（科學(xué)教研）. 2008(15),5051. [39] [40] [41] 付永慶,[J].哈爾濱工程大學(xué)學(xué)報(bào),2005,26（5）：685687.[42] 楊平先,[J].,32（6）：5659.