专利名称：基于改进的水线算法的快速颗粒图像分割方法
技术领域：
本发明涉及一种图像分割方法，尤其是涉及一种基于改进的水线分割算法的快速 颗粒图像分割方法。
背景技术：
数字颗粒图像分析技术被广泛应用在医学图像分析、大气颗粒图像分析、油液图像分析、粉墨颗粒分析、晶石图像等颗粒图像分析等场合，在材料、化工、地质分析、生物医 学、农业育种、纺织材料、工业制造等领域有着广泛的应用前景。其中，将颗粒图像从采集到 的图像中分离出来是计算机进行自动颗粒图像分析的第一步，也是图像分析技术的重要基 础。颗粒图像分割的结果会直接影响到后期对颗粒图像各项参数分析结果的鲁棒性和有效 性。因此提出简单有效的颗粒图像分割方法对颗粒图像分析具有重要的意义和经济、社会 效益。如专利申请号码为200710178737. 2介绍的“一种基于阈值分割的图像边缘检测 方法”，该方法对每个像素的临域都计算一个均值和方差，然后在该区域内计算出错的概率 密度函数，进而确定区域内分割的阈值。该方法由于对每个像素点都计算一个分割阈值，因 此计算量非常大。并且本质上，该方法是一种局部分割的方法，并没有考虑全局信息在分割 中的作用，因此分割效果上有待改进。如专利申请号码为200710120550. 7介绍的“一种分水岭图像分割处理方法”，采
用对像素点进行排序、标记的方法来判断是否相邻区域。该方法继承了水线分割算法的思 想，但是没有解决水线分割算法中过度分割的问题，并且由于是基于像素点多次扫描的算 法，因此计算效率有待提高。
发明内容
本发明提出了一种快速的基于水线算法的颗粒图像分割算法，其思想源于经典的 水线分割算法。但避免了传统水线算法的过分割问题，可以对颗粒图像进行快速精确的分 害ι]。本发明提出的方法解决了上述现有专利技术中分割速度慢、分割效果没有考虑全局信 息以及过渡分割等问题。本发明采用了改进的水线分割算法，该算法包括以下步骤1)输入待分割的灰度图像；2)图像噪声滤除，根据不同的图像选择不同尺度的滤波器，对输入待分割图像进 行卷积操作滤除图像中的噪声；3)图像分割，首先计算经过噪声滤除处理后的待分割图像的梯度信息，然后根据 梯度信息的最大和最小值建立标记数组，将梯度信息中所有数值归类到标记数组中，最后 根据标记数组将图像中像素点进行分类，实现图像分割；4)区域整合，遍历分割后的图像，比较分割线两侧区域的相似程度，根据相似程度 判断是否需要将相邻区域进行整合，得到整合后的分割效果图。
本发明图像噪声滤除过程包括1)选择滤波器。根据图像传感器的分辨率不同，本发明中的滤波器分为3个等级3X3,5X5*7X7 ；图像分为3个等级小于等于640X480像素的图像为低等精度图像，大 于640 X 480但小于1024 X 768像素的图像为中等精度图像，大于1024 X 768像素的图像为 高等精度图像；根据输入图像的精度选择滤波器，输入图像为低等精度的图像时，选择尺度 为3X3的滤波器；当输入图像为中等精度图像时，选择尺度为5X5的滤波器；当输入图像 为高等精度图像时，选择尺度为7X7的滤波器；2)选定滤波器的尺度后，当滤波器窗口在输入图像中滑动时，将滤波器中包含的 像素值进行排序，取得中间大小的值作为当前滤波器中心点象素的新值。依次类推直到整 幅输入图像被遍历完毕，得到滤除噪声后的图像。本发明图像分割过程具体步骤包括1)计算噪声滤除后图像的梯度信息，获得梯度信息的最大及最小值，从而确定梯 度的取值范围，为[最小值，最大值]；2)根据梯度的范围建立标记数组，标记数组的取值范围与梯度的取值范围一致， 同为[最小值，最大值]；3)取最小值点为当前点，在当前点附近寻找相邻的次最小值点进行标记，然后将 标记的点放入标记数组；4)将标记的点作为当前点，继续寻找相对当前点次最小值的点，放入标记数组；5)重复上述过程直到所有的点都被放入标记数组，遍历完成；6)根据标记数组对所有点的标记，将所有标记相同的点进行连通处理，构成分割 线，完成图像分割。本发明区域整合是基于行扫描的区域合并操作，具体步骤包括1)对于获得分割线之后的图像，对其进行行扫描，扫描到分割线时，对分割线两侧 的区域进行相似性度量；2)根据度量函数来判断区域的相似程度，分割线两侧相似程度小于预定阈值的判 定为同一区域；3)进行区域整合，将分割线两侧的相似度小于预定阈值的两个相邻区域合并为一 个区域；4)分割线两侧相似程度大于预定阈值的两个相邻区域，保持原分割结果不变。本发明区域整合算法中采用的度量函数表达式为<formula>formula see original document page 5</formula>其中，像素集合为Ri, Ri的像素个数为叫，像素点的灰度值为Pi,」，i = 1，. .，M，j =1，..，叫，区域Ri内的像素平均灰度值为A；准测函数ο (Ri, Rj)越小，分割
线两侧的相似程度越大；区域整合算法中预定阈值取值范围<formula>formula see original document page 5</formula>其中k 为0 1的弹性系数。本发明输入的灰度图像为灰度范围在
之间的标准灰度图像，当待处理图像为彩色图像或者其它图像时，需要将待处理图像转换为标准灰度图像后再进行处理。本发明采用了改进的水线分割算法进行图像分割，利用图像中目标颗粒的梯度突 变信息进行分割。基本思想是梯度图像的最大值点可以视为颗粒目标的潜在边缘点，梯度 图像的最小值点可视为颗粒目标的潜在中心点。以梯度图像中的最小值点作为种子点，从 各个种子点向外不断扩张，类似水面在不断上涨，当不同区域的水面升高到将要汇合到一 起时，在汇合处建立分界面，最终完成分割任务。本算法的优点主要有1.分割速度快；2.可以产生封闭的物体轮廓线；3.定位比 较精确，可以对较弱的边缘产生良好的响应。该算法可以避免传统水线分割算法的过度分 割问题，提高分割速度，能以很小的计算代价获得很好的分割性能。
图1为基于改进的水线分割算法的快速颗粒图像分割方法流程图；图2为输入的带有椒盐噪声的原始图像；图3为经过图像噪声滤除处理后的图像；图4为经过图像初步分割的效果图；图5为经过区域整合后的最终效果图。
具体实施例方式输入原始待分割图像，如图2所示。实施本发明中的分割算法需要以下三个步骤第一步，噪声滤除，去除图像采集过程中产生的图像噪声，提取颗粒目标的整体信 肩、ο图2属于低等精度图像，因此选择3*3大小的滤波器进行卷积滤波。利用3*3尺 度的滤波器，实施以下操作。选择某图像窗口 3*3矩阵[3 5 4 ；1 2 3 ；9 8 7]将图像窗口内像素排序为[1 2 3 4 5 6 7 8 9]，其中中间点像素值为5，则将 3*3滤波器中心点的像素值设置为5，然后将滤波器继续在图像窗口上扫描，直到全图完成 滤波操作。经过以上噪声滤除操作，去除噪声后的图像见图3。第二步，图像分割采用改进的水线算法对图3进行图像分割。具体流程如下所示1.计算图3的梯度信息，得到梯度的最大值(max = 63)和最小值(min = 0)；2.建立标记数组，其标记范围是
，将相互连通的梯度最小值点连接起来， 并标记成0 ；3.可选最小值点pl(0，0)(标记sl)，其相邻的点p2(0，l)(标记为s2)，如果点p2周围的点都是标记sl，则改变标记为s2的点p2为sl，如果点p2的周围不止一个标记，则 按照最近邻原则对P2进行标记。依此类推，将pi点附近所有点处理完毕；4.在未进行标记的点中寻找灰度值为s2的最小值点，将可以连通的部分连接成 为区域，并放入标记数组；5.返回第3步，继续处理标记数组中未经过处理的梯度最小值点，直到全部处理完毕。滤除噪声后的图3经过上述步骤的处理，其效果见图4，共有3个区域被分割出来。 可以看到图中有明显边界的部分已经被成功地分割出来。第三步，区域整合采用基于行扫描的区域合并算法进行整合。
从图4的处理结果可以看出，目标图像已经根据梯度信息成功地进行分割，下一 步仅仅需要将相邻的相似区域整合成为一个有意义的分割区域。图2中，目标分割效果应 该是1个独立区域，经过前两步的处理后，还剩下3个相似的分割区域，依据面积从大到小 标记为区域A、区域B、区域C，如图4所示。这时图像被过渡分割了。将过渡分割的各个部 分进行有效地整合，具体步骤如下1.相似度度量区域A和区域B是相邻的两个分割区域，计算区域A及区域B的 相似性度量函数
<formula>formula see original document page 7</formula>2.区域A对应像素集合为Ri,其中Ri的像素个数为叫，其中像素点的灰度值为Pi,
<formula>formula see original document page 7</formula>, Hi, Ri内的像素平均灰度值为A = — ΣΡ>, ’同理，区域B对应
像素集合为Rj,像素个数为η」，Rj内的像素平均灰度值为Hij ；3.区域合并取弹性系数k = 0.01，据此预定阈值为<formula>formula see original document page 7</formula>计算得，区域A和区域B的相似性度量函数值小于所述预定阈值，因此，进行区域 合并；4.相同地，区域A和区域C也进行区域合并操作；最终，图像中包含的3个待整合区域Α，区域B，区域C，整合为1个有效区域，整合 后的分割效果图见图5，即为我们的目标分割图像。
权利要求
一种水线算法的快速颗粒图像分割方法，其特征是该方法采用了改进的水线算法，具体包括以下步骤1)输入待分割的灰度图像；2)图像噪声滤除，根据不同的图像选择不同尺度的滤波器，对输入待分割图像进行卷积操作滤除图像中的噪声；3)图像分割，首先计算经过噪声滤除处理后的待分割图像的梯度信息，然后根据梯度信息的最大和最小值建立标记数组，将梯度信息中所有数值归类到标记数组中，最后根据标记数组将图像中像素点进行分类，实现图像分割；4)区域整合，遍历分割后的图像，比较分割线两侧区域的相似程度，根据相似程度判断是否需要将相邻区域进行整合，得到整合后的分割效果图。
2.根据权利要求1所述的快速颗粒图像分割方法，其特征在于所述图像噪声滤除过程 包括1)选择滤波器。根据图像传感器的分辨率不同，本发明中的滤波器分为3个等级 3X3,5X5*7X7 ；图像分为3个等级小于等于640X480像素的图像为低等精度图像，大 于640 X 480但小于1024 X 768像素的图像为中等精度图像，大于1024 X 768像素的图像为 高等精度图像；根据输入图像的精度选择滤波器，输入图像为低等精度的图像时，选择尺度 为3X3的滤波器；当输入图像为中等精度图像时，选择尺度为5X5的滤波器；当输入图像 为高等精度图像时，选择尺度为7X7的滤波器；2)选定滤波器的尺度后，当滤波器窗口在输入图像中滑动时，将滤波器中包含的像素 值进行排序，取得中间大小的值作为当前滤波器中心点象素的新值。依次类推直到整幅输 入图像被遍历完毕，得到滤除噪声后的图像。
3.根据权利要求1所述的快速颗粒图像分割方法，其特征在于所述图像分割过程具体 步骤包括1)计算噪声滤除后图像的梯度信息，获得梯度信息的最大及最小值，从而确定梯度的 取值范围，为[最小值，最大值]；2)根据梯度的范围建立标记数组，标记数组的取值范围与梯度的取值范围一致，同为 [最小值，最大值]；3)取最小值点为当前点，在当前点附近寻找相邻的次最小值点进行标记，然后将标记 的点放入标记数组；4)将标记的点作为当前点，继续寻找相对当前点次最小值的点，放入标记数组；5)重复上述过程直到所有的点都被放入标记数组，遍历完成；6)根据标记数组对所有点的标记，将所有标记相同的点进行连通处理，构成分割线，完 成图像分割。
4.根据权利要求1所述的快速颗粒图像分割方法，其特征在于所述区域整合过程具体 步骤包括1)对于获得分割线之后的图像，对其进行行扫描，扫描到分割线时，对分割线两侧的区 域进行相似性度量；2)根据度量函数来判断区域的相似程度，分割线两侧相似程度小于预定阈值的判定为 同一区域；3)进行区域整合，将分割线两侧的相似度小于预定阈值的两个相邻区域合并为一个区域；4)分割线两侧相似程度大于预定阈值的两个相邻区域，保持原分割结果不变。
5.根据权利要求4所述的快速颗粒图像分割方法，其特征在于区域整合算法中采用的度量函数表达式为<formula>formula see original document page 3</formula>其中，像素集合为氏，氏的像素个数为叫，像素点的灰度值为Pm，i = 1，...，M，j = 1，..，叫，区域氏内的像素平均灰度值为A；准测函数。(氏，民)越小，分割线两侧的相似程度越大；区域整合算法中预定阈值取值范围[G， kz~r-2552 ]，其中k为ni t n}0 1的弹性系数。
6.根据权利要求1所述的快速颗粒图像分割方法，其特征在于输入的灰度图像为灰度 范围在
之间的标准灰度图像，当待处理图像为彩色图像或者其它图像时，需要将 待处理图像转换为标准灰度图像后再进行处理。
全文摘要
本发明涉及一种快速、有效的颗粒图像分割算法，源于经典的水线分割算法，同时避免了传统水线分割算法的过分割问题。该方法包括图像预处理，分割算法和分割后处理三部分。图像预处理采用了变尺度滤波器来消除不同噪声的影响；分割算法中引入了标记数组的概念，标记了梯度的最小值上涨到最大值过程中，所有像素点的对应关系；最后进行后处理，通过一次行扫描，比较相邻区域的相似程度，如果水线两侧区域相似度小于一个既定阈值，则将两部分进行合并。它可以快速、准确地将目标颗粒从图像中分割出来，并且大大提高了计算速度。
文档编号G06T7/00GK101826204SQ20091011885
公开日2010年9月8日 申请日期2009年3月4日 优先权日2009年3月4日
发明者于军玲, 史红星, 李勇, 李庆伟, 武强, 米浦春, 肖凯涛, 邱琳 申请人:中国人民解放军63976部队