一种基于图像形态学的稠密物体分割方法专利检索-细化通道电脑图像专利检索查询-专利查询网

一种基于图像形态学的稠密物体分割方法

阅读：1021发布：2020-12-02

专利汇可以提供一种基于图像形态学的稠密物体分割方法专利检索，专利查询，专利分析的服务。并且本发明提出了一种基于图像形态学的稠密物体分割方法，其包括如下步骤：输入包含有待分割稠密物体的图像；平滑模块对图像进行平滑；HSI 阈值处理模块对图像进行二值化，确定图像中待分割的稠密物体区域；孔洞填充模块对二值化过程中稠密物体区域内产生的孔洞进行填充；腐蚀模块对孔洞填充后的二值化图像进行腐蚀处理；细化模块将稠密物体彻底分离并获取每个稠密物体的中心；输出分割后的图像。本发明基于图像形态学对稠密物体进行分割，这种方法具有分割区分度高、误识别率低、性能稳定等优点，有利于通过图像对稠密物体进行统计这一方法的推广。，下面是一种基于图像形态学的稠密物体分割方法专利的具体信息内容。

权利要求

1.一种基于图像形态学的稠密物体分割方法，其特征在于，包括如下步骤：
S1：输入包含有待分割稠密物体的图像；
S2：平滑模块对图像进行平滑；
S3：HSI阈值处理模块对图像进行二值化，确定图像中待分割的稠密物体区域；
S4：孔洞填充模块对二值化过程中稠密物体区域内产生的孔洞进行填充；
S5：腐蚀模块对孔洞填充后的二值化图像进行腐蚀处理；
S6：细化模块将稠密物体彻底分离并获取每个稠密物体的中心；
S7：输出分割后的图像。
2.如权利要求1所述的基于图像形态学的稠密物体分割方法，其特征在于，在步骤S2中，如果图像是黑白图像，直接使用图像像素的灰度值进行平滑；如果图像是彩色图像，对图像像素的R、G、B值分别进行平滑。
3.如权利要求1或2所述的基于图像形态学的稠密物体分割方法，其特征在于，对图像进行平滑的方法为：采用高斯算子对图像进行卷积。
4.如权利要求1或2所述的基于图像形态学的稠密物体分割方法，其特征在于，对图像进行平滑的方法为：将图像中以某一像素为中心的九宫格内的点按大小进行排序，取中间值作为所述像素的平滑结果。
5.如权利要求1所述的基于图像形态学的稠密物体分割方法，其特征在于，在所述步骤S3中，HSI阈值处理模块确定阈值的方法为：在平滑后的图像上选取一块稠密物体的内部区域，如果图像是黑白图像，计算所述区域的灰度平均值作为阈值；如果图像是彩色图像，将其变换到HSI色彩空间，计算所述区域HSI各通道的平均值作为阈值。
6.如权利要求5所述的基于图像形态学的稠密物体分割方法，其特征在于，设定可变范围,对图像进行扫描，与阈值的差别在可变范围内的像素点为物体，标记为1；与阈值的差别超出可变范围的像素点标记为0，得到二值化的图像。
7.如权利要求1或6所述的基于图像形态学的稠密物体分割方法，其特征在于，在步骤S4中，对标记为0的区域进行扫描，对其中的每一个点，如果其所在连通分量的面积小于面积阈值，则认为该连通分量是物体内部的孔洞，将其全部标记为1。
8.如权利要求7所述的基于图像形态学的稠密物体分割方法，其特征在于，所述连通分量的统计方法为：对于一个标记为0的点，将与其相邻的标记为0的点纳入同一连通分量；对于这些相邻的标记为0的点，递归处理；直到周围都是标记为1的点，递归结束；统计所述连通分量包含的点的数量即为所述连通分量的面积。
9.如权利要求1所述的基于图像形态学的稠密物体分割方法，其特征在于，所述步骤S5包括如下步骤：
S51：使用算子对孔洞填充后的二值化图像进行至少一次卷积，
S52：使用算子对步骤S51的结果进行卷积，所述卷积的次数与步骤S51中卷积的次数相同。
10.如权利要求1所述的基于图像形态学的稠密物体分割方法，其特征在于，步骤S6包括以下步骤：
S61：生成边界，对标记为1的点进行扫描，如果与其相邻的点中存在标记为0的点，则所述标记为1的点为边界点；
S62：检查所述标记为1的点所处的连通分量中是否存在非边界点，如果存在，则去掉边界；如果不存在，则将所述连通分量中所有边界点标记为临时中心点；
S63：对每一个标记为1的连通分量，将其内部的所有临时中心点坐标值取平均作为最终的中心点，即分割出来的一个物体的中心。

说明书全文

一种基于图像形态学的稠密物体分割方法

技术领域

[0001] 本发明涉及数字图像处理技术领域，特别涉及一种对图像中的稠密物体进行分割的方法。

背景技术

[0002] 数字图像是指以二维数组形式表示的图像，其可以由许多不同的输入设备和技术生成，例如数码相机、扫描仪、坐标测量机等。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。如今，数字图像处理在国防、工农业生产、生活娱乐等多领域都有着广阔的应用。

[0003] 在数字图像处理的众多应用中，有一种是对图像中的稠密物体进行统计，例如，对细胞的图像进行统计，可以得出细胞的浓度、形状等信息；对农作物的图像进行统计，可以得到产量、品质等信息。在数字图像处理的这种应用中，在对稠密物体进行统计之前，首先需要将图像中相互连接、堆叠的稠密物体分割开来。而现有技术中的分割技术存在分割区分度低、误识别率高、性能不稳定等不足，这影响了通过图像对稠密物体进行统计这一方法的推广。

发明内容

[0004] 本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于图像形态学的稠密物体分割方法。

[0005] 为了实现本发明的上述目的，本发明提供了一种基于图像形态学的稠密物体分割方法，其包括如下步骤：

[0006] S1：输入包含有待分割稠密物体的图像；

[0007] S2：平滑模块对图像进行平滑；

[0008] S3：HSI阈值处理模块对图像进行二值化，确定图像中待分割的稠密物体区域；

[0009] S4：孔洞填充模块对二值化过程中稠密物体区域内产生的孔洞进行填充；

[0010] S5：腐蚀模块对孔洞填充后的二值化图像进行腐蚀处理；

[0011] S6：细化模块将稠密物体彻底分离并获取每个稠密物体的中心；

[0012] S7：输出分割后的图像。

[0013] 本发明基于图像形态学对稠密物体进行分割，这种方法具有分割区分度高、误识别率低、性能稳定等优点，有利于通过图像对稠密物体进行统计这一方法的推广。

[0014] 本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。附图说明

[0015] 本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

[0016] 图1是本发明基于图像形态学的稠密物体分割方法的流程图；

[0017] 图2是本发明一种优选实施方式中采用的模块架构示意图。

具体实施方式

[0018] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

[0019] 图2是本发明一种优选实施方式中采用的模块架构示意图，从图中可见，平滑模块的输入端接收输入图像，该输入图像为包含待分割稠密物体的图像。平滑模块对输入图像进行平滑，减少或消除噪声的影响，改善图像质量。平滑模块的输出端与HSI阈值处理模块的输入端相连，HSI阈值处理模块根据选定区域对图像进行二值化，初步确定待分割图像区域。HSI阈值处理模块的输出端与孔洞填充模块的输入端相连，孔洞填充模块对二值化过程中物体内部产生的孔洞进行填充。进行孔洞进行填充，图像被送入腐蚀模块，消除稠密物体之间的细小粘连和面积过小的噪声点。最后，图像被送入细化模块，细化模块将稠密物体彻底分离，并获取每个稠密物体的中心。

[0020] 图1是利用图2所示的结构进行的基于图像形态学的稠密物体分割方法的流程图，从图中可见，该基于图像形态学的稠密物体分割方法包括如下步骤：

[0021] S1：输入包含有待分割稠密物体的图像；

[0022] S2：平滑模块对图像进行平滑；

[0023] S3：HSI阈值处理模块对图像进行二值化，确定图像中待分割的稠密物体区域；

[0024] S4：孔洞填充模块对二值化过程中稠密物体区域内产生的孔洞进行填充；

[0025] S5：腐蚀模块对孔洞填充后的二值化图像进行腐蚀处理；

[0026] S6：细化模块将稠密物体彻底分离并获取每个物体的中心；

[0027] S7：输出分割后的图像。

[0028] 在本发明的一种优选实施方式中，对图像中的稠密物体分割具体步骤为：

[0029] 首先，平滑模块对图像进行平滑，如果图像是黑白图像，直接使用图像像素的灰度值进行平滑；如果图像是彩色图像，对图像像素的R、G、B值分别进行平滑，对R、G、B三个通道分别进行平滑时所采取的操作相同，其中，R、G、B是RGB 色度空间的三通道值。

[0030] 在本发明的一种优选实施方式中，对图像进行平滑的一种方法为：采用高斯算子对图像进行卷积，所得即为平滑结果。

[0031] 在本发明的另一种优选实施方式中，对图像进行平滑的方法为：将图像中以某一像素为中心的九宫格内的点按大小进行排序，取中间值作为该像素的平滑结果。

[0032] 然后，HSI阈值处理模块对图像进行二值化，确定图像中待分割的稠密物体区域，HSI阈值处理模块确定阈值的方法为：在平滑后的图像上选取一块稠密物体的内部区域，如果图像是黑白图像，计算该区域的灰度平均值作为阈值；如果图像是彩色图像，则将其变换到HSI色彩空间，计算该区域HSI各通道的平均值作为阈值。将彩色图像从RGB色彩空间变换到HSI色彩空间的公式为：

[0033]

[0034] 其中，F＝2R-G-B。

[0035] HSI阈值处理模块确定阈值后，随后设定一个可变范围,并对图像进行扫描，如果图像是黑白图像，将图像像素点的灰度值与阈值进行比较，如果图像是彩色图像，将图像像素点HSI各通道的值与阈值进行比较，与阈值的差别在可变范围内的像素点为物体，标记为1；与阈值的差别超出可变范围的像素点标记为0，得到二值化的图像。在本实施方式中，可变范围为5%，在本发明的另外一种优选实施方式中，可变范围为10%。

[0036] 再后，孔洞填充模块对二值化过程中稠密物体区域内产生的孔洞进行填充，具体方法是对标记为0的区域进行扫描，对其中的每一个点，如果其所在连通分量的面积小于面积阈值，则认为该连通分量是物体内部的孔洞，将其全部标记为1。在本实施方式中，面积阈值的范围为稠密物体平均大小的5%-10%，在本发明的一个更加优选的设施方式中，面积阈值为8%。

[0037] 在本实施方式中，连通分量的统计方法为：对于一个标记为0的点，将与其相邻的标记为0的点纳入同一连通分量；对于这些相邻的标记为0的点，递归处理；直到周围都是标记为1的点，递归结束；统计所述连通分量包含的点的数量即为所述连通分量的面积。

[0038] 随后，腐蚀模块对孔洞填充后的二值化图像进行腐蚀处理，消除稠密物体之间的细小粘连和面积过小的噪声点，在本实施方式中，腐蚀处理包括如下步骤：

[0039] S51：使用算子对孔洞填充后的二值化图像进行至少一次卷积，

[0040] S52：使用算子对步骤S51的结果进行卷积，卷积的次数与步骤S51中卷积的次数相同。

[0041] 最后，细化模块将稠密物体彻底分离并获取每个物体的中心，具体包括以下步骤：

[0042] S61：生成边界，对标记为1的点进行扫描，如果与其相邻的点中存在标记为0的点，则该标记为1的点为边界点；

[0043] S62：检查所述标记为1的点所处的连通分量中是否存在非边界点，如果存在，则去掉边界；如果不存在，则将所述连通分量中所有边界点标记为临时中心点；

[0044] 重复步骤S61，S62，直到所有的标记为1的点都被访问；

[0045] S63：对每一个标记为1的连通分量，将其内部的所有临时中心点坐标值取平均作为最终的中心点，即分割出来的一个物体的中心。

[0046] 在细化模块将稠密物体彻底分离并获取每个物体的中心后，即得到分割后的图像。

[0047] 本发明基于图像形态学对稠密物体进行分割，这种方法具有分割区分度高、误识别率低、性能稳定等优点，有利于通过图像对稠密物体进行统计这一方法的推广。

[0048] 在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

[0049] 尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨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，本发明的范围由权利要求及其等同物限定。

标题	发布/更新时间	阅读量
一种镍基高温合金表面渗铝方法和产品及镍基高温合金表面铝铬硅固体粉末渗铝剂	2020-05-13	713
超像素框架下基于均值-均方差暗通道的单幅图像去雾方法	2020-05-15	707
基于卷积神经网络和先验信息的图像去雾方法	2020-05-08	667
一种带气振与抽气装置的模芯	2020-05-14	297
用户分层数据的展示方法及装置	2020-05-14	198
一种旋转类机械产品剩余寿命预测系统	2020-05-11	940
一种改善氧化锆粉体陶瓷性能的复合添加剂	2020-05-14	871
一种油田多相计量混输装置及其使用方法	2020-05-14	271
交通工程用污水泵	2020-05-11	647
一种烟气二次净化系统	2020-05-13	549

一种基于图像形态学的稠密物体分割方法

一种基于图像形态学的稠密物体分割方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：