基于灰度形态学重建的图像分割
论文名称：《基于灰度形态学重建的图像分割》
指导教师：石跃祥
论文作者：罗秋棠
毕业院校：湘潭大学
文章内容概要
- 简要介绍图像分割和数学形态学的相关知识
- 介绍分水岭算法的基本原理，对原理内容进行分别介绍，介绍相关优势
- 介绍灰度形态学重建的应用及仿真，简述形态重建过程
- 总述介绍算法优势，基于形态学重建和分水岭算法的颗粒分割
图像分割和数学形态学的相关知识
-
数字图像处理概述
- 进行提取特征、分割、复原、增强、去噪音等一系列手段的技术进行处理
- 成像机器可以覆盖了几乎整个电磁波谱（伽马射线到无线电波）
-
图像分割的基础知识
- 图像分割是指用区域对图像所进行的分割。这些区域的总和应覆盖整个图象，而彼此互不重叠，分割后的图像应具有相同的特性
- 图像工程分为理解、分析、处理三个层级，且会研究所有涉及到图像的领域。图像处理是为了优化视觉效果
- 在图像里那些具有不同灰度值或者纹理信息的不同区域，在检测图像的局部区域的基础上形成了“非连续性分割”算法
-
数学形态学基本原理
- 采用二值数学形态学中的某些方法使灰度图像进行某些自然地拓展，二值形态学中主要有膨胀、腐蚀、开运算和闭运算等基本运算
-
灰度形态学中的两种运算能够演变出很多不同的方法，比如灰度形态学梯度、Top-hat 变换、混合滤波器等
- 灰度开启能够减少图像里的亮细节，灰度闭合能够减少图像中的暗细节
分水岭算法的基本原理
- 分水岭算法实质上属于某种 区域增长算法，该算法借鉴了地形学中的概念，与之不同的是分水岭算法从图像中极小值开始增长
- 两类主流的方法
- 先平滑处理再分水岭变换，以期较少由噪声产生的过分割
- 在对小区域进行合并前分水岭变换，将相邻的区域合并。其中方法一较为有效的减少了图像中的细纹和噪声
灰度形态学重建的应用及仿真
- 形态学重建与Top-hat 结合
- 受开运算的非扩展性限制，导致处理的过程中结构元素无法脱离图像的下部，则难以检测到图像中较为尖锐的波峰
- 高帽变换是因为用平行六面体和平顶圆柱作为结构元素而命名的，因其使用的结构元素形状近似高帽
基于形态学重建和分水岭算法的颗粒分割
- 图像分割是对信息进行处理的基础性工作，分割的优劣将会对后续分析、识别产生直接影响
- 分水岭分割在事实上是某种基于区域增长的分割算法，分割后能够得到闭合、连续、像素宽的边
- 有效地解决了传统算法中长期存在的过分割问题
