一种快速图像分割算法

陈宝靖+张旭

摘要：形态学分水岭是一种速度快，精度高的分割方法。但是传统分水岭分割算法存在过分割和对噪声敏感等问题，针对这些问题，本文提出基于形态学多尺度梯度重建的分水岭分割方法，该方法通过结合形态学多尺度的梯度算法和形态学开闭重建从而实现改进的分水岭分割方法，可以有效地处理阶跃边缘和模糊边缘，在去除细节和噪声的同時也保留了重要区域的轮廓。实验表明，该文改进的分水岭分割算法有效避免了过分割，该方法比传统分水岭分割方法更精确。

关键词：图像分割；分水岭分割算法；形态学开闭重建

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2017）17-0188-02

1概述

图像分割目前应用广泛，在机器视觉、交通控制和医学影像领域都有其身影。图像分割就是将图像中感兴趣的区域从图像背景中提取出来的方法。图像分割算法众多，例如：基于形态学分水岭分割、基于区域的分割、基于阈值的分割、基于边缘的分割、基于小波的分割、基于聚类的分割、基于遗传算法的分割等。其中，基于形态学分水岭分割是众多算法中分割速度快，精度高，分割效果显著的有效算法。

经典形态学分水岭分割算法的主要思想是将图像看成具有拓扑结构的地形图，在图中，有山峰和山谷，地势低的地方可以看成盆地，盆地和盆地之间的则为山脊。山峰对应图像中的高灰度区域，山谷对应图像中的低灰度区域。

基于形态学分水岭算法有诸多优点，本文提出的改进算法也是基于此方法。本文通过在使用形态学分水岭算法分割图像之前，对图像进行预处理来改进算法，去除噪声，避免过分割。本文通过用形态学多尺度的梯度算法来对原始灰度图像求梯度图像，增强了模糊边缘。再对梯度图像进行形态学开闭重建，对图像进行清理，去除细节和噪声，最后利用分水岭算法完成图像分割。

2形态学多尺度梯度算法

基于形态学梯度算法可以描述为：

如图1（a）为用传统梯度算法得到的梯度图像；如图1（b）为用多尺度梯度算法得到的梯度图像：

2.1形态学多尺度梯度

如图2（a）为用形态学梯度算法得出的梯度图像，图2（b）为用形态学多尺度梯度算法得出的梯度图像。

从上图可以看出，使用形态学多尺度梯度算法得出的梯度图像具有更好的平滑效果，能够得到更少的局部极小值点，更适合分水岭分割，解决过分割问题。

3形态学分水岭算法

在众多的分割方法中，分水岭分割方法速度快、精确度高。分水岭分割的常用方法有，使用距离变换的分水岭分割、使用梯度的分水岭分割和控制标记符的分水岭分割。

分水岭算法会存在过分割问题，图像噪声是造成过分割现象的直接因素。分水岭算法的本质上是一种区域增长算法，图像中会存在大量的伪极小值，从而在图像中产生相应的伪积水盆地。分水岭算法将伪极小值和真正的极小值一起作为一个独立的区域分割出来，最终造成严重的过分割问题。如图3（a）为原图，图3（b）为Lena过分割图。

根据上面的分割结果，可以看出使用本文提出的改进的分水岭算法可以避免过分割。

3结论

本文在基于形态学分水岭分割的基础上，采用形态学开闭重建对图像进行预处理，并在浴池里后利用形态学多尺度的梯度算法得到梯度图像，最后采用分水岭算法完成图像分割。将本文算法应用于真实图像分割，分割结果表明本文提出的方法能有效克服分水岭算法的缺陷，获得更好的图像分割效果。