一种结合分水岭和canny算子的图像分割方法
【技术领域】
[0001]本发明涉及模糊识别领域中的一种图像分割方法，特别涉及一种结合分水岭和canny算子的图像分割方法。
【背景技术】
[0002]图像分割将图像表示为物理上有意义的连通区域的集合，也就是根据目标与背景的先验知识，对图像中的目标，背景进行标记、定位，然后将目标从背景或其他伪目标中分离出来。图像分割在目标识别、对象跟踪、行为分析等图像理解应用中起承上启下的作用，使得其后的图像分析和识别等处理过程中所要处理的数据量大大减少了，同时又保留了有关图像结构特征的信息。图像分割自20世纪70年代起一直受到人们的高度重视，至今已提出上千种分割算法，但目前尚无通用的理论和方法能够可靠地分割出图像的中间语义层。为了抽取出中间层，近年提出了超像素的方法，甚至已经成为研宄热点。没有中间语义层的支持，低层次的像素和高层次应用无法连通，图像分割已经成为阻碍机器视觉技术进一步发展的重要原因。
[0003]在长期的图像分割研宄中发现，图像边缘抽取中的经典方法canny算子已经能够得到很好的结果，但是canny算子在边缘的转角处无法找到正确的梯度方向，会出现非最大值抑制掉正确边缘的现象，因此无法得到封闭的边缘；另外，canny算子所分割出的边缘还具有不准确的缺陷。而图像分割中的另一经典算法一分水岭算法，能够较好地提取对象轮廓、准确得到物体边界，但是容易有受到噪声的影响，得到过度分割的图像。
【发明内容】
[0004]针对现有图像分割方法中存在的缺陷，本发明提供一种结合分水岭和canny算子的图像分割方法。
[0005]为了实现上述目的，本发明所采取的措施:
[0006]一种结合分水岭和canny算子的图像分割方法，包括以下步骤，第一步，图像边缘抽取:采用Canny算法提取的边缘，单像素化后找出所有端点和角点；第二步，边缘连接:采用相同大小的模板膨胀方法或不同大小的模板膨胀方法对第一步中抽取的图像边缘进行连接；第三步，分割图像:将第二步中得到的Canny边缘包围区域作为分水岭算法的种子区域，在膨胀区域中用分水岭算法进行生长，确认连接或者断开连接，将图像分割成区域；
[0007]所述第二步中相同大小的模板膨胀方法为连接所有间隙小于2倍膨胀直径的边缘；
[0008]所述第二步中不同大小的模板膨胀方法步骤为:首先，对所有Canny边缘的端点，找到最近的端点(设距离为Dee);其次，对端点所在的边缘线段，从端点开始，去除掉Dee个边缘像素，如果此边缘线段的像素总数小于Dee，则去除此边缘线段到角点，不再向前追踪；再次，求与此端点最近的边缘点(设距离为Des);最后，通过Dee、Des与需要连接的最大缝隙宽度Tl之间的关系确定连接的点(若Dee < Des&Dee < Tl，则连接此两个端点；若Des < Dee&Des < Tl，则连接此端点与边缘点)，并用缝隙宽度1/3粗细的圆盘形模板膨胀；
[0009]所述分割图像后增设有避免瓶颈被当成缝隙填补起来的消除瓶颈步骤；
[0010]所述第一步中采用轮廓检测器抽取图像边缘。
[0011]本发明的有益效果:利用了 canny算子生成边缘，但是得到的分割是封闭的，并且位置比canny边缘准确；由于图像的大部分已经被标记，因此没有分水岭算法的过分割等问题，速度快，并且原本连通的区域不会被强行分割。继承了 canny算子和分水岭算法的优点，克服了这两种算法的缺陷。
【附图说明】
[0012]图1本发明中提取边缘中端点和角点的示意图；
[0013]图2-a，b, c，d本发明中不同大小的模板膨胀方法的示意图。
【具体实施方式】
[0014]为了克服canny算法和分水岭算法的缺陷，继承这两种算法的优点，提出一种结合分水岭和canny算子的图像分割方法。由于canny算子已经能够得到很好的区域边缘，而分水岭算法需要标注出种子区域，并且种子区域越大，需要处理的部分就越小，计算速度就越快，那么可以结合两种算法，将canny算子的区域边缘所包围的部分作为分水岭算法的种子区域，然后适度的生长，就可以得到准确的图像分割。
[0015]实施例一，采用相同大小模板的具体实施步骤如下:第一步，图像边缘抽取:采用Canny算法在图像中提取的边缘；第二步，边缘连接:对每条Canny边缘，采用相同大小的模板进行膨胀，间隙小于2倍膨胀直径的边缘会连接起来；第三步，分割图像:将Canny边缘包围的区域作为分水岭算法的种子区域，再在膨胀区域中用分水岭算法进行生长。分水岭算法生成的边缘会将图像分割成有意义的区域。对于有瓶颈进行连接的两个区域，即使在第二步中两个区域被分割成两个区域，但是第三步中仍然会被连接成一个区域。
[0016]实施例二，采用不同大小模板的具体实施步骤如下:第一步，用轮廓检测器抽取边缘:用Canny算法在图像中提取的边缘，单像素化后找出所有端点和角点。端点是8邻域中只有一个边缘像素的点，角点是8邻域中有三个边缘像素的点，角点将边缘分割成边缘线段(如图1所示，X表示的角点，三角形表示端点)。第二步，填补缝隙:对图中的每个端点，将其中的缝隙填补起来。对每条Canny边缘的端点，找到最近的端点(设与最近端点的距离为Dee)。为了防止最近的端点仍然太远，而近处有边缘可以连接的情况，如图2-a中端点2所在的情况，然后此端点所在的边缘线段，从端点开始，去除掉Dee个边缘像素。如果此边缘线段的像素总数小于Dee，则去除此边缘线段到角点，不再向前追踪，如图2-a、图2_b所示。然后求与此端点最近的边缘点，如图2-c中的S点。设当前端点为图中的2，距离为Des。最后根据Dee、Des和需要连接的最大缝隙宽度Tl之间的大小关系确定需连接的两个点(若Dee < Des&Dee < Tl，则连接此两个端点；若Des < Dee&Des < Tl，则连接此端点与边缘点)，再用缝隙宽度1/3粗细的圆盘形模板膨胀，如图2-d所示。第三步，在所有填补位置上进行分水岭分割:对所有填补位置的像素，按灰度均匀分成N个等级，然后按等级从小到大，找到每个等级上的像素。考查每个像素8邻域的标号情况。如果像素周围没有区域标号，那么此像素作为新的区域；如果周围只有一个区域标号，那么此像素归入此区域；有两个及以上区域标号，那么此像素保留，作为边缘。第四步，消除瓶颈:有的区域存在瓶颈，在第二步瓶颈被当成缝隙填补起来了。为了避免这种由小段低梯度区域连接的两个区域，将均匀分割的N个等级的前M个等级作为第一个等级，并且规定，在第一个等级的像素，如果连通了多个区域，将这些合并成一个区域。
[0017]本发明的有益效果:利用了 canny算子生成边缘，但是得到的分割是封闭的，并且位置比canny边缘准确；由于图像的大部分已经被标记，因此没有分水岭算法的过分割等问题，速度快，并且原本连通的区域不会被强行分割。继承了 canny算子和分水岭算法的优点，克服了这两种算法的缺陷。
[0018]本领域内普通的技术人员的简单更改和替换都是本发明的保护范围之内。
【主权项】
1.一种结合分水岭和canny算子的图像分割方法，其特征在于包括以下步骤，第一步，图像边缘抽取:采用Canny算法提取的边缘，单像素化后找出所有端点和角点；第二步，边缘连接:采用相同大小的模板膨胀方法或不同大小的模板膨胀方法对第一步中抽取的图像边缘进行连接；第三步，分割图像:将第二步中得到的Canny边缘包围区域作为分水岭算法的种子区域，在膨胀区域中用分水岭算法进行生长，确认连接或者断开连接，将图像分割成区域。
2.根据权利要求1所述的一种结合分水岭和canny算子的图像分割方法，其特征在于所述第二步中相同大小的模板膨胀方法为连接所有间隙小于2倍膨胀直径的边缘。
3.根据权利要求1所述的一种结合分水岭和canny算子的图像分割方法，其特征在于所述第二步中不同大小的模板膨胀方法步骤为:首先，对所有Canny边缘的端点，找到最近的端点(设距离为Dee);其次，对端点所在的边缘线段，从端点开始，去除掉Dee个边缘像素，如果此边缘线段的像素总数小于Dee，则去除此边缘线段到角点，不再向前追踪；再次，求与此端点最近的边缘点(设距离为Des);最后，通过Dee、Des与需要连接的最大缝隙宽度Tl之间的关系确定连接的点(若Dee < Des&Dee < Tl，则连接此两个端点；若Des< Dee&Des < Tl，则连接此端点与边缘点)，并用缝隙宽度1/3粗细的圆盘形模板膨胀。
4.根据权利要求3所述的一种结合分水岭和canny算子的图像分割方法，其特征在于所述分割图像后增设有避免瓶颈被当成缝隙填补起来的消除瓶颈步骤。
5.根据权利要求1?3中任一权利要求所述的一种结合分水岭和canny算子的图像分割方法，其特征在于所述第一步中采用轮廓检测器抽取图像边缘。
【专利摘要】本发明公开了一种结合分水岭和canny算子的图像分割方法，包括以下步骤，第一步，图像边缘抽取：采用Canny算法提取的边缘；第二步，边缘连接：采用相同大小的模板膨胀方法或不同大小的模板膨胀方法对第一步中抽取的图像边缘进行连接；第三步，分割图像：将第二步中得到的Canny边缘包围区域作为分水岭算法的种子区域，在膨胀区域中用分水岭算法进行生长，确认连接或者断开连接，将图像分割成区域。本发明的有益效果：利用了canny算子生成边缘，得到封闭的分割，并且位置比canny边缘准确；没有分水岭算法的过分割等问题，速度快，并且原本连通的区域不会被强行分割。
【IPC分类】G06T7-00
【公开号】CN104766305
【申请号】CN201510100163
【发明人】罗胜
【申请人】温州大学
【公开日】2015年7月8日
【申请日】2015年3月6日