基于小波變換和數(shù)學(xué)形態(tài)學(xué)的圖像分割算法研究

【摘要】針對(duì)傳統(tǒng)的分水嶺變換對(duì)噪聲和細(xì)密紋理的敏感會(huì)產(chǎn)生嚴(yán)重的過分割的現(xiàn)象，為了除去紅外線圖像混合的噪聲，本文用小波變換法，接著再利用形態(tài)學(xué)中的開閉重建運(yùn)算，來刪除梯度圖像中因?yàn)樵肼曇鹋c灰度非規(guī)則擾動(dòng)的局部的極值；接著采用基于前景與背景的分水嶺分割算法來進(jìn)行分割。用MATLAB仿真，結(jié)果說明此算法能很好的實(shí)現(xiàn)分割的效果，后續(xù)更復(fù)雜的合并處理并不需要進(jìn)行，就可以得到更好的分割效果。

【關(guān)鍵詞】圖像分割；小波變換；數(shù)字形態(tài)學(xué)

1.引言

圖像分割是按照一定的規(guī)則把圖像劃分成有一些明顯的支付目標(biāo)性質(zhì)的區(qū)域。一些提取的圖像經(jīng)過進(jìn)一步的分析和處理所得到的圖像分割結(jié)果是圖像理解和圖像特征提取的基礎(chǔ)。聚焦圖像分割和對(duì)圖像分割中的數(shù)字圖像處理技術(shù)進(jìn)行研究可以進(jìn)行隨后的圖像分析，用來確定用較少的數(shù)據(jù)來高級(jí)別處理，同時(shí)也保留了圖像在不同的圖像分割地區(qū)也有其他名稱，如物體輪廓技術(shù)指標(biāo)檢測(cè)技術(shù)門檻目標(biāo)跟蹤技術(shù)，這些技術(shù)本身或它的核心實(shí)際上是圖像分割[1]。

2.基于小波變換與數(shù)學(xué)形態(tài)學(xué)相結(jié)合的圖像分割算法

直接在原圖像的梯度圖像上運(yùn)用傳統(tǒng)的分水嶺算法進(jìn)行分割圖像，會(huì)造成嚴(yán)重的過分分割問題，而這是我們不情愿看到的結(jié)果。為了抑制過分分割，減少分割后的小區(qū)域，可以在分水嶺分割后，合并過多無意的小區(qū)域[2]，但是合并準(zhǔn)則的選擇和確定一般比較困難，合并算法比較復(fù)雜，計(jì)算量大，為了避免這些復(fù)雜的合并處理，在分水嶺分割之前，可以對(duì)圖像進(jìn)行綜合的預(yù)處理，減少噪聲和細(xì)密紋理對(duì)分割的影響。

實(shí)際上有意義的分割需要滿足下面四個(gè)條件[3]：一、區(qū)域不能太小即區(qū)域內(nèi)要包含一定數(shù)量的像素；二、一個(gè)圖像需要分成個(gè)數(shù)極少的幾個(gè)區(qū)域；三、區(qū)域與區(qū)域間的公共邊界盡量要平滑簡單；四、同一區(qū)域內(nèi)的象素要具有相似的或一致的性質(zhì)。

根據(jù)上面四個(gè)要求，文中研究了一種結(jié)合小波變換和數(shù)學(xué)形態(tài)學(xué)的分水嶺算法，此算法的主要思想是用小波變換法，接著再利用形態(tài)學(xué)中的開閉重建運(yùn)算，來刪除梯度圖像中因?yàn)樵肼曇鹋c灰度非規(guī)則擾動(dòng)的局部的極值；接著采用基于前景與背景的分水嶺分割算法來進(jìn)行分割。此方法基本包含四個(gè)主要的算法：一、小波去噪，二、形態(tài)學(xué)開閉重建濾波，三、標(biāo)記提取，四、分水嶺分割。

3.實(shí)驗(yàn)結(jié)果及仿真

首先求出原始圖像對(duì)應(yīng)的灰度圖像，再得到膨脹后的圖像，膨脹是根據(jù)結(jié)構(gòu)元素對(duì)圖像補(bǔ)集進(jìn)行填充，因而它表示對(duì)圖像外部濾波處理。還需要得到腐蝕后的圖像，腐蝕是一種消除邊界點(diǎn)，使邊界向內(nèi)部收縮的過程。可以用來消除小且無意義的物體。圖1是利用結(jié)構(gòu)元素對(duì)圖像做閉運(yùn)算，可以填充目標(biāo)內(nèi)部狹窄的裂縫和長細(xì)的窄溝，消去小的孔洞。圖2是開運(yùn)算可以用來分解圖像，抽取圖像中有意義且獨(dú)立的圖像元。由圖3，4對(duì)比可知開閉重建運(yùn)算比開閉運(yùn)算更有效的去除圖像中的微小噪聲和細(xì)密紋理，而且保留了目標(biāo)的輪廓特征。

4.結(jié)論

通過實(shí)驗(yàn)分析可以得到下面的結(jié)論：文中研究了一種基于小波變換與分水嶺變換的圖像分割方法，此方法中，需要在分割之前對(duì)圖像先小波變換來去噪，再求其梯度圖像，并進(jìn)行形態(tài)學(xué)的重建，標(biāo)記前景和背景等預(yù)處理，這樣可以有效的減少圖像的細(xì)密紋理和噪聲，并可以減小過分割區(qū)域和積水盆的數(shù)量，最后得到的分割結(jié)果具有精確連續(xù)的邊緣與相當(dāng)完整的輪廓，得到的區(qū)域閉合性較好，就不需要對(duì)分割后的圖像再進(jìn)行復(fù)雜合并處理，也可以獲得有意義的分割，這種方法課有效的解決了傳統(tǒng)算法中存在的對(duì)細(xì)密紋理和噪聲過度敏感、過分割等問題，有效地避免了分割后處理。

參考文獻(xiàn)

[1]陳武凡.小波分析及其在圖像處理中的應(yīng)用[M].北京：科學(xué)出版社，2002：45-49.

[2]王鑫，羅斌，寧晨.一種基于小波和分水嶺算法的圖像分割方法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2006，16（1）：17-22.

[3]崔屹.圖像處理與分析—數(shù)學(xué)形態(tài)學(xué)方法及應(yīng)用[M].北京：科學(xué)出版社，2002：75-78.