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。
技术实现要素：
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
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
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。