一种河床底质粒径分布测量方法

1.本发明涉及河床鱼类产卵场底质粒径测量研究技术领域，具体涉及一种河床底质粒径分布测量方法。


背景技术：

2.长江上游地貌类型多样，河床海拔落差大，生境复杂，水能资源丰富，孕育了数量众多的珍稀、特有鱼类，历史记载长江上游分布鱼类达 286种，其中特有鱼类124种。该流域内具有众多全球和国家保护意义的重要生境和生态敏感区。由于人类活动的加剧，长江上游很多产粘性卵鱼类的生境受到不同程度的破坏。长江上游国家级自然保护区粘性鱼类产卵场遭到破坏，将会导致长江上游渔业资源持续衰退，最严重情况甚至会出现了“长江上游无鱼”的水域荒漠化现象。故长江上游国家级自然保护区粘性产卵场的修复和重建是现在的热点与难点。产沉粘性卵鱼类生境修复的关键生境因子主要有河床形态、河道底质、水体理化指标、水力生境指标等。其中河道底质又称河床底质，通常是由不同粒径分布的卵石组成。河道底质是河流生物栖息地重要物理组成部分,对于底层粘性产卵鱼类而言河床质是其自然繁殖的承载体；其构成了粘性鱼类受精卵和早期胚胎发育的物理环境，其变化可能直接影响鱼类自然繁殖的规模和效果。
3.故为了推进河流域类生境修复，需要对河床底质卵石粒径分布情况进行测量，而现有的河床底质卵石粒径分布测量方法，是采用的传统图形处理法，基于已拍摄的河床底质数字照片进行图形识别处理，自动提取粒度分布。传统的计算机图形识别方式，是采用自动分水岭分割算法。这种传统的自动分水岭分割算法，对于互锁的、颜色均匀的扁圆颗粒效果显著。然而，河床底质的砾石层通常具有更复杂的颗粒组成，颗粒内变化、不规则阴影和大范围尺寸。故传统自动分水岭方法在应用于这种复杂图像时会出现欠分割、错误识别以及需要大量耗时的后期处理（例如，使用分割、合并和删除工具进行基本处理）等问题。进而导致卵石分割识别精度和可靠度较差，并进一步使得粒径分布测量数据的准确性降低，影响了河流域类生境修复的有效性。


技术实现要素：

4.针对上述现有技术的不足，本发明所要解决的技术问题是：怎样提供一种能够更好地识别并且分开有覆盖关系的卵砾石，进而提高粒径分布测量精度的河床底质粒径分布测量方法。
5.为了解决上述技术问题，本发明采用了如下的技术方案：一种河床底质粒径分布测量方法，其特征在于，先对需测量的河床底质拍照，将照片处理为标准尺寸图片，再转换为灰度图片，对灰度图片进行预处理实现边缘增强并获得砾石（即卵石）边缘轮廓（包括单块砾石和待分割砾石），再采用分水岭分割算法依靠至少两次分割实现砾石的分割识别，计算识别出的各砾石长度尺寸并基于该值统计得到河床底质粒径分布情况。
6.这样，本发明采用分水岭分割算法时依靠至少两次分割识别，能够更好地将具有覆盖关系的砾石分开，分割并识别出单块砾石外形，更好地提高粒径分布测量精度。方案中将彩色照片转换为灰度图片；因为本方法应用于灰度图像有两个优势：1.砾石颗粒通常为灰色、棕色和黑色，灰度图就可以完整显示砾石形状特征；2.色阶比灰度消耗更多的计算时间（大约三倍）。
7.进一步地，采用固定的正方形边框置于河床采样点，与正方形边框垂直方向正对边框进行河床底质拍照，取正方形边框内部范围照片处理为标准正方形尺寸图片。
8.这样，方便标准图片的裁剪获取，标准的正方形的图片可以方便后续尺寸比例计算。同时还可以避免拍摄倾斜等带来的识别处理误差。
9.进一步地，正方形边框正对摄像一侧表面设置有刻度尺。
10.这样，方便后期图像处理时根据实际尺寸对比比例，快速计算出砾石的准确尺寸大小。更好的选择是边框尺寸为1m
×
1m，更加方便比例计算。
11.进一步地，采用连续多天白天进行图片拍摄，每次拍摄时采用gps定位系统确定当前所在的经度、纬度地理位置信息以确定采样点位置，这样拍摄多个照片计算后统计均值，得到测量结果。
12.这样，可以更好地提高测量准确性和可靠性。具体定位可以采用google定位系统，水平误差不超过3m。
13.进一步地，照片转换为灰度图片后，分别进行以下预处理：
⑴
图像降噪；
⑵
图像锐化；
⑶
梯度幅度边缘性检测得到砾石边缘轮廓。
14.这样，可以更加清晰地获得砾石边缘轮廓，具体实施时，图像降噪、锐化和边缘性检测等具体实现方式为图像处理领域中的成熟现有技术，故不再此详述。
15.更加具体地说，其中，
⑴
图像降噪时优选采用中值滤波器实现处理；采用中值滤波器实现图像降噪处理，这样可以做到既去除噪声又能保护图像的边缘,从而获得较满意的复原效果，所以本方案选用中值滤波器。
⑵
图像锐化，是因为砾石照片图像平滑使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，利用图像锐化技术，使图像的边缘变的清晰，突出图像上地物的边缘、轮廓，或某些线性目标要素的特征。这种滤波提高了地物边缘与周围像元之间的反差，也被称为边缘增强。
16.进一步地，在分割识别时包括以下步骤，（1）利于电脑先采用（传统）分水岭分割算法进行第一次分割，获得各第一次分割砾石并单独提取出其图形存储；（2）将各第一次分割砾石图形分别进行计算形态系数；（3）利用形态系数进行判断是否欠分割；（4）将欠分割砾石图形进行二次分割；（5）将二次分割之后的砾石图像再重复步骤（2）（3）（4）直至结果不再变化。
17.这样，重复分割识别，能够更好地分割并识别出单块砾石外形，提高粒径分布测量精度。其中（1）步骤中，电脑识别单独存储单块砾石。将每块砾石单独提取出来，目的是让电脑计算出它的形状系数更加方便快捷和精确。
18.进一步地，测量计算形状系数方法包括以下两个测量步骤：
①
测量砾石边缘周长；
②
测量砾石面积；获得上述两数据后，再由砾石边缘周长除以砾石面积等面积圆的周长获得形状系数。
19.这样提取出单块砾石之后，开始将每块砾石进行计算形状系数。形状系数
（particle shape factor）是指某二维物体周长和相同面积圆的周长之比。众所周知，相同面积下圆的周长最短，越接近圆，形状越规矩那么周长就越短。故可按此原则对形态系数进行确定，可以很好地区分是否存在欠分割情况。
20.进一步地，计算时，测量的周长和面积均以像素点的个数来代替。这样可更加方便计算。
21.进一步地，
①
测量砾石边缘周长时：第一步将二值图像转化为只留下边缘轮廓线的图像，直接将整块砾石图像只留下边缘轮廓线；接下来统计该轮廓线上有多少个像素点，即计算出该砾石的周长；具体地说，像素点计算公式如下：式中x（i,j）代表二值图像（i,j）位置时的数值，二值图像白色像素点数值为1，黑色像素点为0；
②
测量砾石面积时，（和上面原理一样，）计算整个砾石白色像素点有多少个即可代替为砾石面积；由于二进制图像白色像素点x(i,j)=1，黑色像素点y(i,j)=0；具体地说公式如下：式中x（i,j）代表二值图像（i,j）位置时的数值。
22.进一步地，步骤（3）利用形态系数进行判断是否欠分割时，根据形状系数，将电脑处理出的砾石分为三种类型：1、形状系数在1-1.4的为单块砾石；2、形状系数在1.4-2之间的为重叠较多砾石；3、形状系数在2以上的为重叠较少砾石；将类型2砾石和类型3砾石认定为欠分割砾石。
23.这么分的理由是，由于实施时，叠合砾石之间，叠合比例越大，越接近圆或者椭圆，那么形状系数就越小。反之，如果是仅仅边缘部分重叠，叠合部分较少，则形状系数会越大。对于叠合部分较少的砾石，就需要将其分割开进行计算，而对于叠合比例已经非常大的砾石，就算误判为一个砾石其引起的外形尺寸误差不会太大，故可以不用强行分割。故可以以此原理，根据经验值（该经验值可通过多次验证使其准确）设置一个形状系数阈值，让电脑自动分开欠分割砾石和分割完好砾石。利用形态系数进行判断是否欠分割。具体地说，1、单块砾石无需二次处理，分选出来直接测量最大直径即可。2、重叠较多砾石，这类型是二次分割最难处理的类型，该类型两块砾石覆盖地方较多，两块砾石分开之后，不能直接测量最大直径，需要将砾石补齐覆盖缺失的一边之后才能测量最大直径。3、重叠较少砾石，该类型相对于重叠较多砾石较好处理，绝大多数仅仅是边缘性缠绕，覆盖地方较少，只需要将该类型砾石分开后测量最大直径即可。故类型1的单块砾石不需要分割，类型2砾石和类型3砾石需要分别单独分割，以更好地提高检测精度。
24.进一步地，步骤（4）将欠分割砾石进行二次分割时，将类型2砾石和类型3砾石分别进行二次分割；
①
类型3砾石二次分割时；首先第一步进行图像的边缘识别得到图像边缘的一圈像素点，再沿着图像边缘作切线，切线为边缘上每相邻两个像素点的连线，找到切线方向突然改变的突变点（指切线方向变化角度超过阈值或者切线方向所指向的象限发生改变），再计算突变点相邻两切线夹角，判断是否小于45
°
（该值为经验证的经验值），如果两切线夹角
小于45
°
则判断该突变点为砾石覆盖交叉点；沿图像边缘找出所有砾石覆盖交叉点；如果砾石覆盖交叉点数量为0，则将图像重新认定为单块砾石；如果砾石覆盖交叉点数量为1，则从该砾石覆盖交叉点沿该点两切线夹角的中线方向实现分割；如果砾石覆盖交叉点数量为2，则沿两个砾石覆盖交叉点连线方向实现分割；如果砾石覆盖交叉点数量大于2；则从第一个砾石覆盖交叉点所在的两切线夹角找到距离该夹角中线垂直距离最近的另一个砾石覆盖交叉点，沿两个砾石覆盖交叉点连线方向实现分割；（这样分割得到的两个砾石图像再分别重复计算形态系数，判断是否欠分割，并将欠分割砾石进行二次分割并以此循环，直到未再出现欠分割砾石）具体地说，电脑计算突变点相邻两切线夹角角度公式如下：；式中(i1,j1)，(i2,j2)，(i3,j3)为砾石边缘周长三个像素点位置坐标；α为突变点位置的切线夹角；判断是否是砾石覆盖交叉点，即只需判断该点位置连续三个像素点组成的向量夹角cos(α)≤cos(45
°
)即可；因为两向量夹角cos(α)始终在[-1,1]，故只需设置一个阈值cos(α)≤cos(45
°
)即可将该特征点找到；
②
类型2砾石二次分割过程为在上述类型3砾石二次分割过程基础上，增加对分割后的砾石图像在分割位置进行补齐的步骤；（因为类型2砾石一般为两块砾石的大面积覆盖，和类型3砾石相比，分开之后需要将覆盖地方补齐才能计算最大直径，以保证最终检测结果足够精确）补齐步骤具体包括：在已分割获得的图像中找到该图像的最大对称线，该条最大对称线特性为：在这条对称线上等距做垂线，垂线被对称线分割为左右两段，垂线左右两段距离相除在0.9-1.1的占比是这块砾石中任意一条剖分线里面最多的，也就是该条剖分线让该砾石左右最对称；得到最大对称线后，计算其上的各条垂线长度，留下最长的一条垂线定义为最长垂线；定义最大对称线被最长垂线分隔为a段和b段，判断a段和b段长度取较长的一条当作椭圆长半轴a，并以此椭圆长半轴位置为定位，将最长垂线长度的一半作为椭圆短半轴b，保留原有砾石形状，将分割开的切口用对应的椭圆进行补齐。
[0025]
这样，本方法中，以不同的形态系数的砾石对应不同的覆盖情况并区分为不同的类型，再针对各类型设计了不同的分割方式进行分割，注意重复分割过程中，需要重新判断形态系数，即有可能砾石在重复分割时重新判别为不同的砾石类型进行再分割处理。这样处理更加精确可靠，更好地保证了最终测量结果的可靠。
[0026]
进一步地，计算识别出的各砾石长度尺寸时，先根据分割识别处理后得到的各砾石图像，计算出图像轮廓所有像素点之间的坐标距离，取距离最大的两个像素点距离为砾石图像最大直径，再根据对应比例换算获得实际砾石最大直径尺寸；将各砾石按不同的最大直径尺寸范围进行分级统计，获得河床底质砾石级配统计。
[0027]
故本方案中，开发了一种新的半自动化测量技术，利用多种前期处理和多阀值半自动调控方式改进传统水分岭分割方法，以及加入自动区分欠分割砾石，将欠分割砾石进行二次分割，再加上经过多种前期处理和多级阀值融合的改进方式，以发现各种砾石的区域特征，保证了二次分割的可靠性。故本方案构建的改进方法，能有效识别区分欠分割的卵
砾石，并且将欠分割的卵砾石进行单独覆盖边缘曲线模拟，再测量出该卵砾石最大直径。更好地提高了识别测量的精确度。
附图说明
[0028]
图1为本发明实施时的采用正方形边框的结构示意图。
[0029]
图2为本发明实施时拍摄的照片示意图。
[0030]
图3为图2转换为灰度图片的示意图。
[0031]
图4为图3的图片初分割后结果示意图。
[0032]
图5为形状系数在1-1.4的单块砾石的示意图。
[0033]
图6为形状系数在1.4-2之间的重叠较多砾石的示意图。
[0034]
图7为形状系数在2以上的重叠较少砾石的示意图。
[0035]
图8为图7所示砾石示意图的二次分割结果示意图。
[0036]
图9为题6所示砾石示意图的二次分割结果示意图。
[0037]
图10为图9中分割后的两块砾石分别在补齐过程中寻找最大对称线的示意图。
[0038]
图11为图10的两块砾石找到最大对称线后分别定义出a段和b段的示意图。
[0039]
图12为图11的两块砾石分别补齐后的示意图。
[0040]
图13为可靠性验证时三种不同方式测量的百分比例累计曲线与百分比例直方图的比较示意图。
[0041]
图14为可靠性验证时三种不同方式测量的测量结果相关性结果表格。
具体实施方式
[0042]
下面结合具体实施方式对本发明作进一步的详细说明。
[0043]
具体实施方式：参见图1-3，一种河床底质粒径分布测量方法，其特点在于，先对需测量的河床底质拍照，将照片处理为标准尺寸图片，再转换为灰度图片，对灰度图片进行预处理实现边缘增强并获得砾石（即卵石）边缘轮廓（包括单块砾石和待分割砾石），再采用分水岭分割算法依靠至少两次分割实现砾石的分割识别，计算识别出的各砾石长度尺寸并基于该值统计得到河床底质粒径分布情况。
[0044]
这样，本发明采用分水岭分割算法时依靠至少两次分割识别，能够更好地将具有覆盖关系的砾石分开，分割并识别出单块砾石外形，更好地提高粒径分布测量精度。方案中将彩色照片转换为灰度图片；因为本方法应用于灰度图像有两个优势：1.砾石颗粒通常为灰色、棕色和黑色，灰度图就可以完整显示砾石形状特征；2.色阶比灰度消耗更多的计算时间（大约三倍）。
[0045]
实施时，采用固定的正方形边框1（参见图1）置于河床采样点，与正方形边框1垂直方向正对边框进行河床底质拍照（参见图2），取正方形边框内部范围照片处理为标准正方形尺寸图片。
[0046]
这样，方便标准图片的裁剪获取，标准的正方形的图片可以方便后续尺寸比例计算。同时还可以避免拍摄倾斜等带来的识别处理误差。
[0047]
其中，正方形边框1正对摄像一侧表面设置有刻度尺2。
[0048]
这样，方便后期图像处理时根据实际尺寸对比比例，快速计算出砾石的准确尺寸大小。更好的选择是边框尺寸为1m
×
1m，更加方便比例计算。
[0049]
实施时，采用连续多天白天进行图片拍摄，每次拍摄时采用gps定位系统确定当前所在的经度、纬度地理位置信息以确定采样点位置，这样拍摄多个照片计算后统计均值，得到测量结果。
[0050]
这样，可以更好地提高测量准确性和可靠性。具体定位可以采用google定位系统，水平误差不超过3m。
[0051]
其中，照片转换为灰度图片后（参见图3），分别进行以下预处理：
⑴
图像降噪；
⑵
图像锐化；
⑶
梯度幅度边缘性检测得到砾石边缘轮廓。
[0052]
这样，可以更加清晰地获得砾石边缘轮廓，具体实施时，图像降噪、锐化和边缘性检测等具体实现方式为图像处理领域中的成熟现有技术，故不再此详述。
[0053]
更加具体地说，其中，
⑴
图像降噪时优选采用中值滤波器实现处理；采用中值滤波器实现图像降噪处理，这样可以做到既去除噪声又能保护图像的边缘,从而获得较满意的复原效果，所以本方案选用中值滤波器。
⑵
图像锐化，是因为砾石照片图像平滑使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，利用图像锐化技术，使图像的边缘变的清晰，突出图像上地物的边缘、轮廓，或某些线性目标要素的特征。这种滤波提高了地物边缘与周围像元之间的反差，也被称为边缘增强。
[0054]
其中，在分割识别时包括以下步骤，（1）利于电脑先采用（传统）分水岭分割算法进行第一次分割（参见图4），获得各第一次分割砾石并单独提取出其图形存储；（2）将各第一次分割砾石图形分别进行计算形态系数；（3）利用形态系数进行判断是否欠分割；（4）将欠分割砾石图形进行二次分割；（5）将二次分割之后的砾石图像再重复步骤（2）（3）（4）直至结果不再变化。
[0055]
这样，重复分割识别，能够更好地分割并识别出单块砾石外形，提高粒径分布测量精度。其中（1）步骤中，电脑识别单独存储单块砾石。将每块砾石单独提取出来，目的是让电脑计算出它的形状系数更加方便快捷和精确。
[0056]
其中，测量计算形状系数方法包括以下两个测量步骤：
①
测量砾石边缘周长；
②
测量砾石面积；获得上述两数据后，再由砾石边缘周长除以砾石面积等面积圆的周长获得形状系数。
[0057]
这样提取出单块砾石之后，开始将每块砾石进行计算形状系数。形状系数（particle shape factor）是指某二维物体周长和相同面积圆的周长之比。众所周知，相同面积下圆的周长最短，越接近圆，形状越规矩那么周长就越短。故可按此原则对形态系数进行确定，可以很好地区分是否存在欠分割情况。
[0058]
其中，计算时，测量的周长和面积均以像素点的个数来代替。这样可更加方便计算。
[0059]
其中，
①
测量砾石边缘周长时：第一步将二值图像转化为只留下边缘轮廓线的图像，直接将整块砾石图像只留下边缘轮廓线；接下来统计该轮廓线上有多少个像素点，即计算出该砾石的周长；具体地说，像素点计算公式如下：
式中x（i,j）代表二值图像（i,j）位置时的数值，二值图像白色像素点数值为1，黑色像素点为0；
②
测量砾石面积时，（和上面原理一样，）计算整个砾石白色像素点有多少个即可代替为砾石面积；由于二进制图像白色像素点x(i,j)=1，黑色像素点y(i,j)=0；具体地说公式如下：式中x（i,j）代表二值图像（i,j）位置时的数值。
[0060]
实施时，步骤（3）利用形态系数进行判断是否欠分割时，根据形状系数，将电脑处理出的砾石分为三种类型：1、形状系数在1-1.4的为单块砾石（参见图5）；2、形状系数在1.4-2之间的为重叠较多砾石（参见图6）；3、形状系数在2以上的为重叠较少砾石（参见图7）；将类型2砾石和类型3砾石认定为欠分割砾石。
[0061]
这么分的理由是，由于实施时，叠合砾石之间，叠合比例越大，越接近圆或者椭圆，那么形状系数就越小。反之，如果是仅仅边缘部分重叠，叠合部分较少，则形状系数会越大。对于叠合部分较少的砾石，就需要将其分割开进行计算，而对于叠合比例已经非常大的砾石，就算误判为一个砾石其引起的外形尺寸误差不会太大，故可以不用强行分割。故可以以此原理，根据经验值（该经验值可通过多次验证使其准确）设置一个形状系数阈值，让电脑自动分开欠分割砾石和分割完好砾石。利用形态系数进行判断是否欠分割。具体地说，1、单块砾石无需二次处理，分选出来直接测量最大直径即可。2、重叠较多砾石，这类型是二次分割最难处理的类型，该类型两块砾石覆盖地方较多，两块砾石分开之后，不能直接测量最大直径，需要将砾石补齐覆盖缺失的一边之后才能测量最大直径。3、重叠较少砾石，该类型相对于重叠较多砾石较好处理，绝大多数仅仅是边缘性缠绕，覆盖地方较少，只需要将该类型砾石分开后测量最大直径即可。故类型1的单块砾石不需要分割，类型2砾石和类型3砾石需要分别单独分割，以更好地提高检测精度。
[0062]
其中，步骤（4）将欠分割砾石进行二次分割时，将类型2砾石和类型3砾石分别进行二次分割（参见图8-图9）；
①
类型3砾石二次分割时；首先第一步进行图像的边缘识别得到图像边缘的一圈像素点，再沿着图像边缘作切线，切线为边缘上每相邻两个像素点的连线，找到切线方向突然改变的突变点（指切线方向变化角度超过阈值或者切线方向所指向的象限发生改变），再计算突变点相邻两切线夹角，判断是否小于45
°
（该值为经验证的经验值），如果两切线夹角小于45
°
则判断该突变点为砾石覆盖交叉点；沿图像边缘找出所有砾石覆盖交叉点；如果砾石覆盖交叉点数量为0，则将图像重新认定为单块砾石；如果砾石覆盖交叉点数量为1，则从该砾石覆盖交叉点沿该点两切线夹角的中线方向实现分割；如果砾石覆盖交叉点数量为2，则沿两个砾石覆盖交叉点连线方向实现分割；如果砾石覆盖交叉点数量大于2；则从第一个砾石覆盖交叉点所在的两切线夹角找到距离该夹角中线垂直距离最近的另一个砾石覆盖交叉点，沿两个砾石覆盖交叉点连线方向实现分割；（这样分割得到的两个砾石图像再分别重复计算形态系数，判断是否欠分割，并将欠分割砾石进行二次分割并以此循环，直到未再出现欠分割砾石）类型3砾石二次分割结果参见图8；具体地说，电脑计算突变点相邻两切线夹角角度公式如下：
；式中(i1,j1)，(i2,j2)，(i3,j3)为砾石边缘周长三个像素点位置坐标；α为突变点位置的切线夹角；判断是否是砾石覆盖交叉点，即只需判断该点位置连续三个像素点组成的向量夹角cos(α)≤cos(45
°
)即可；因为两向量夹角cos(α)始终在[-1,1]，故只需设置一个阈值cos(α)≤cos(45
°
)即可将该特征点找到；
②
类型2砾石二次分割过程（分割结果图像参见图9-12为示例）为在上述类型3砾石二次分割过程基础上，增加对分割后的砾石图像（见图9）在分割位置进行补齐的步骤；（因为类型2砾石一般为两块砾石的大面积覆盖，和类型3砾石相比，分开之后需要将覆盖地方补齐才能计算最大直径，以保证最终检测结果足够精确）补齐步骤具体包括：在已分割获得的图像中找到该图像的最大对称线（见图10），该条最大对称线特性为：在这条对称线上等距做垂线，垂线被对称线分割为左右两段，垂线左右两段距离相除在0.9-1.1的占比是这块砾石中任意一条剖分线里面最多的，也就是该条剖分线让该砾石左右最对称；得到最大对称线后，计算其上的各条垂线长度，留下最长的一条垂线定义为最长垂线；定义最大对称线被最长垂线分隔为a段和b段（见图11），判断a段和b段长度取较长的一条当作椭圆长半轴a，并以此椭圆长半轴位置为定位，将最长垂线长度的一半作为椭圆短半轴b，保留原有砾石形状，将分割开的切口用对应的椭圆进行补齐（见图12）。
[0063]
这样，本方法中，以不同的形态系数的砾石对应不同的覆盖情况并区分为不同的类型，再针对各类型设计了不同的分割方式进行分割，注意重复分割过程中，需要重新判断形态系数，即有可能砾石在重复分割时重新判别为不同的砾石类型进行再分割处理。这样处理更加精确可靠，更好地保证了最终测量结果的可靠。
[0064]
实施时，计算识别出的各砾石长度尺寸时，先根据分割识别处理后得到的各砾石图像，计算出图像轮廓所有像素点之间的坐标距离，取距离最大的两个像素点距离为砾石图像最大直径，再根据对应比例换算获得实际砾石最大直径尺寸；将各砾石按不同的最大直径尺寸范围进行分级统计，获得河床底质砾石级配统计。
[0065]
另外，为了验证算法在现场照片的准确性和可靠性，选择大中坝产卵场为验证对象。对于八个级配等级砾石（0-2、2-4、4-6、6-8、8-10、10-12、12-14、14-16和16-20cm；均为最大直径）。将大中坝产卵场的五个样点分别进行三种方式测量，第一种测量方式：进行现场人工测量，再将五个样点测量出的最大直径结果合并处理为级配a；第二种测量方式：传统分水岭法测量，再将五个样点测量出的最大直径结果合并处理为级配b；第三种测量方式：改进分水岭域法测量，再将五个样点测量出的最大直径结果合并处理为级配c。
[0066]
经过三次不同方式的测量，大中坝产卵场就得出a、b、c三组级配。将三组数据进行对比并进行相关性分析，以确定改进分水岭域的优劣性、准确性和可靠性。
[0067]
由图13可知，以人工测量方式为真实值，将本技术的改进分水岭法方式和传统分水岭域法进行比较，相对而言改进分水岭域法更接近于真实值，准确度更高。图14，则是对三种方法得出的粒径分布级配做相关性分析的表格，以人工测量为参照，本文方法相关系数为0.999，传统分水岭法相关系数为0.952，说明本文方法对测量河床底质粒径分布效果
优于传统分水岭法。分析其主要原因为：传统分水岭域法，在面临复杂背景情况下，极容易欠分割，许多块石头连接为一块，大幅降低了测量卵砾石最大直径的准确性。而改进之后的算法，首先加入了多阈值调节，使得将砾石从复杂背景中提取出的轮廓更加清晰和准确，再改进了欠分割情况，将欠分割的砾石进行二次分割，极大提高了准确度。