（电子科学与技术专业论文）基于分水岭分割的粘连颗粒图像分析技术研究.pdf

原创性声明 本人声明，所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。论文主要是自己的研究所得，除了已注明的地 方外，不包含其他人已经发表或撰写过的研究成果，也不包含为获得 中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的 同志对本研究所作的贡献，已在论文的致谢语中作了说明。 作者签名： 缝虚耋趑 日期： 丝丛年月卫日 关于学位论文使用授权说明 本人了解中南大学有关保留、使用学位论文的规定，即：学 校有权保留学位论文，允许学位论文被查阅和借阅；学校可以公 布学位论文的全部或部分内容，可以采用复印、缩印或其他手段 保存学位论文；学校可根据国家或湖南省有关部门的规定，送交 学位论文。对以上规定中的任何一项，本人表示同意，并愿意提 供使用。 作者签名：触师签名：淖缈日期型旺月卑日 中南大学硕士学位论文摘要 摘要 在医学、农业、科研、工业等应用领域，颗粒是种常见的分析测量对象，通 过统计样品内所含颗粒的数目和各种特征参数，对其品质或特性进行分析。早期 的人工颗粒检测虽然很好地将不同特征的颗粒识别开来，但其专业性强，工作量 大，效率低，精度不高。采用数字图像处理方法分离开粘连颗粒，再进行分析和 测量，可以减轻劳动强度，提高工作效率和准确度，从而成为近年来国内外的研 究热点。 重点研究颗粒图像预处理与优化、图像分割、颗粒计数与特征分析。先对图 像进行各种预处理，将图像转换为灰度图，利用图像平滑处理减少各类噪声干扰； 选取合适的阈值对图像进行二值化，使颗粒从背景中分割出来。在分水岭算法分 割粘连颗粒前进行图像优化，设计一种形态学滤波器，滤去图像中颗粒不规则的 边缘，使互相粘连部分减少，填充颗粒中的孔洞；另外通过距离变换将二值图像 转换为均匀分布的灰度图，消除原始灰度图像中大量存在的“伪”局部极小值点。 提出一种优化的分水岭分割算法，对灰度图进行分水岭分割，将粘连颗粒分割成 单独颗粒，在分割后期，对少量过分割的小面积区域，采用面积阈值法滤去小于 阈值的区域，分割更加精确。大量的实验结果表明优化算法适用于不同领域的粘 连颗粒图像，具有良好的适应性与鲁棒性，处理速度快。在分水岭分割的基础上 提出两种颗粒自动计数方法，并利用颗粒大小，形状，颜色等特征参数来描绘颗 粒的特征，提取出各项特征参数的值。 本文研究的图像分割与分析算法快速准确地将粘连颗粒物体分割开来，颗粒 计数准确度达到9 9 以上，特征参数提取结果误差小。整个算法处理速度快，准 确度高，具有良好的实时性与适应性，为颗粒识别与归类打下良好的基础。 关键词：颗粒图像，形态学处理，分水岭分割，自动计数，特征提取 中南大学硕士学位论文 a b s t r a c t p a r t i c l ew a sc o m m o na n a l y z e da n dm e a s u r e do b j e c ti ni n d u s t r y , a g r i c u l t u r e ， m e d i c i n e ，s c i e n t i f i cr e s e a r c he t c w cc o u l da n a l y z et h e i rq u a l i t ya n dc h a r a c t e r i s t i cb y c o u n t i n gt h en u m b e r sa n de x t r a c t i n gt h e i rf e a t u r e s a l t h o u g hm a n u a lo b s e r v a t i o n c o u l d i d e n t i f ya n dc l a s s i f yd i f f e r e n tp a r t i c l e s ，i tw a sc o m p l i c a t e d ，i n e f f i c i e n t a d o p t i n gi m a g ep r o c e s s i n gt oa n a l y z ea n dm e a s u r ep a r t i c l e s ，w h i c hc a ne a s yw o r k i n t e n s i o n , e n h a n c et h ee f f i c i e n c ya n da c c u r a c yo fw o r k a sar e s u l t , i tb e c a m ea r e s e a r c hh o t s p o ti nr e c e n ty e a r s t h e m a i nr e s e a r c h e so ft h i st h e s i si n c l u d ei m a g e p r e - p r o e e s sa n di m p r o v e ，i m a g e s e g m e n t a t i o na n dc o u n t i n g ，p a r a m e t e ra n a l y s e s f i r s t l yt h i st h e s i si n t r o d u c e ss o m e p r e - p r o c e s s i n g ，s u c ha sc o n v e r t i n gi m a g et og r a y s c a l ei m a g e ，i tr e m o v e du n w a n t e d c o l o ri n f o r m a t i o n ；u s i n gm e d i a nf i l t e r i n ga l g o r i t h mf o ri m a g es m o o t h i n gt or e m o v e k i n d so fn o i s e ；u s i n go t s ua l g o r i t h mt os e l e c tt h ea p p r o p r i a t et h r e s h o l df o ri m a g e b i n a r i z a t i o n , t h i ss e p a r a t e dp a r t i c l e so u tf r o mt h eb a c k g r o u n d ；b e s i d e s ，t h i st h e s i s d e s i g n e da - m a t h e m a t i c a lm o r p h o l o g yf i l t e r , i tf i l t e ro u tt h ei r r e g u l a re d g e so ft h e i m a g e ，m a k i n gr e d u c e dc o n n e c t i o no fp a r t i c l e sa n df i l l e d h o l e s t h e np r o p o s ea n i m p r o v e dw a t e r s h e ds e g m e n t a t i o na l g o r i t h m i tu s e dd i s t a n c et r a n s f o r mt og e n e r a t ea n e wg r a y s c a l ei m a g e ，e l i m i n a t e dal o to f ”f a l s e ”l o c a lm i n i m ai no r i g i n a lg r a y s c a l e i m a g e ，t h e ns e g m e n t e dg r a y s c a l ei m a g et om a k et h et o u c h i n gp a r t i c l e sw e l ls e p a r a t e d u s u a l l yo v e r - s e g m e n t a t i o np r o d u c e ds o m ea r e a sw i t hs m a l la r e a , w ec a ns e l e c taa r e a t h r e s h o l dt or e m o v et h es m a l la r e a s ，a n dt h ed i v i s i o nw o u l db e c o m eb e t t e r l a r g e n u m b e r so fe x p c r i m e i i t a lr e s u l t ss h o wt h a tt h ea l g o r i t h mc a nb ea p p l i e dt od i f f e r e n t a r e a so fa d h e s i o np a r t i c l ei m a g e s ，w i t hg o o da d a p t a b i l i t ya n dr o b u s t n e s s ，f a s t e r p r o c e s s i n gs p e e d f i 越1 1 y ，t w ok i n d so fp a r t i c l e sa u t o m a t i cc o u n t i n gm e t h o dw e r e p r o p o s e d , a n dp a r t i c l es i z e ，s h a p e ，c o l o ra n do t h e rp a r a m e t e r sw e r eu s e dt od e s c r i b e t h ec h a r a c t e r i s t i c so fp a r t i c l e s ，t h ec h a r a c t e r i s t i cp a r a m e t e r sw e r ee x t r a c t e d i m a g es e g m e n t a t i o na n da n a l y s i sa l g o r i t h mi nt h i st h e s i sc a ns e p a r a t e dt o u c h i n g p a r t i c l ea c c u r a t e l ya n dq u i c k l y , t h ea c c u r a c yo fp a r t i c l ec o u n t i n gr e a c h e d9 9 o r m o r e ，t h er e s u l t so ff e a t u r ee x t r a c t i o nw a sq u i t et r u e t h ea l g o r i t h mp r o c e s s i n gi s q u i c k l y , l l i g ha c c u r a t e l y , g o o da d a p t a b i l i t ya n dr e a l - t i m e ，i tl a i dag o o df o u n d a t i o nf o r i d e n t i f i c a t i o na n dc l a s s i f i c a t i o no fp a r t i c l e s k e y w o r d s ：p a r t i c l ei m a g e ，m o r p h o l o g y , w a t e r s h e ds e g m e n t a t i o n , a u t o m a t i c c o u n t i n g ，f e a t u r ee x t r a c t i o n l 中南大学硕士学位论文目录 目录 摘要i a b s t r a 晚i i 目勇匙i 第一章绪论l 1 1 粘连颗粒图像分析技术研究l 1 1 1 研究的背景及意义l 1 1 2 国内外研究现状2 1 2 本文的主要工作及其内容安排5 第二章颗粒图像分析基础与预处理。8 2 1 图像处理的基本概念8 2 1 1 数字图像与像素表示8 2 1 2 图像分割的定义8 2 1 3 图像类型与图像灰度化9 2 2 图像平滑处理1 2 2 3 图像二值化。1 4 2 4 粘连颗粒图像二值化的结果与分析1 6 2 5 本章小结1 8 第三章分水岭分割前的图像优化处理2 0 3 1 数学图像形态学处理2 0 3 1 1 二值图像的腐蚀运算2 0 3 1 2 二值图像的膨胀运算。2 2 3 1 3 开运算与闭运算2 2 3 2 粘连颗粒图像的形态学处理2 3 3 2 1 粘连图像形态学处理结果与分析2 3 3 2 2 形态学滤波器的设计2 6 3 3 图像距离变换。2 7 3 4 粘连颗粒图像的距离变换结果与分析2 9 3 5 本章小结。31 第四章粘连颗粒图像分水岭分割方法。3 2 4 1 分水岭变换原理3 2 4 1 1 分水岭算法概述。3 2 4 1 2 分水岭算法的数学描述。3 4 4 1 3 分水岭算法的过分割问题。3 6 4 2 分水岭分割的常用方法3 6 4 3 一种优化的分水岭分割方法3 7 4 3 1 优化的分水岭分割算法流程3 7 4 3 。2 优化分水岭算法在同一目标颗粒中的应用3 9 4 3 3 优化算法在不同领域颗粒图像中的应用4 0 4 3 4 分割后期的面积阈值优化方法4 l 4 4 本章小结4 2 第五章基于分水岭分割的颗粒计数与特征提取。4 3 h i 中南大学硕士学位论文 目录 5 1 颗粒自动计数4 3 5 2 颗粒特征参数提取4 5 5 2 1 颗粒大小特征参数提取4 6 5 2 2 颗粒形状特征参数提取5 0 5 2 3 颜色特征参数的提取5 2 5 2 4 颗粒特征统计。5 2 5 3 本章小结5 3 第6 章总结与展望5 4 6 1 结论! ；4 6 2 展望5 4 参考文献5 6 j l i 【谢6 1 攻读学位期间主要的研究成果6 2 i v 豆类、菜籽等农作物的长度、粒数、色泽、纹理和形状特征，进行分类和等级评 定；在生物医学方面，对细胞进行分析、识别和分类，将分析的细胞从图像中提 取出来，分离互相粘连的细胞，统计总数，提取大小和形状因子特征，再按照相 关的标准来进行归类。 颗粒物体检测工作以往主要依靠人工方法完成，存在的问题有： ( 1 ) 工作量大。通常需要检验的颗粒样本数量极大，工作人员会因为工作繁 重，视觉疲劳等原因引起错误判断。 ( 2 ) 需要很强的专业性，精确度低，效率不高。需要工作人员具有良好的专 业知识和工作经验，但随着工作时间的延长，其检验效率会迅速降低，精确度也 会降低。 ( 3 ) 缺乏客观性。不同的检测人员，对于相同的颗粒样本可能得到不同的结 果。同一检测人员在不同时间也可能得出的不同的结果，缺乏可重复性。 由于人工检测存在上述问题，因此需要更加科学有效的检测手段，对颗粒物 体进行定性和定量的分析。 目前研究人员不断地研究如何利用计算机视觉技术代替人类视觉系统，以处 理现实世界中不易解决的难题。基于图像处理技术的颗粒图像智能分析技术快 速，准确，客观地对图像中颗粒的数目以及各种特征参数进行检测，有效地提高 分析的精确度，减少工人的工作量，在很多领域里都被应用到，从而成为近年来 国内外研究的热点。如尚艳芬【l 】等利用计算机图像识别技术实现黄米粒的计数和 自动识别。宋强【2 】等对采集的棒材端面图像进行处理，实现棒材的自动计数。 近年来由于图像处理不断出现新的技术和设备，人们将常用的处理技术进行 科学系统地综合，形成一个整体框架，即图像工程。其内容可分为三个方面：图 像处理，图像分析和图像理解。其中图像处理的对象是像素，着重于改善图像的 中南大学硕士学位论文第1 章绪论 视觉效果；图像分析的对象是由像素组成的目标物体，将其中需要的目标特征参 数提取出来；图像理解操作对象是抽象出来的描述符号，利用图像分析的结论定 义不同物体间的关系，指导行为与动作。 粘连颗粒图像处理技术运用到图像工程中三个层次的内容，其过程如下图 1 1 所示。在这些过程中，图像分割是关键的一部分，它对特征参数的提取结果 有重要影响。 图像 采集 图像 预处理 图像 优化 图像 分割 特征 分析 输出 结果 图1 1 颗粒图像处理和分析过程 图像分割技术是指将图像根据特性( 如色度、纹理、灰度等) 分成不同的区 域，再将其中感兴趣的目标区域从背景中提取出来的过程。理想的分割结果是目 标物体被单独的分离出来。虽然已提出许多方法分割图像，但缺乏可行通用方法 对所有测试图像都能有效地分割。 颗粒图像处理过程中，同一种类的颗粒物体具有相同的特征，互相粘连，聚 堆时很难分割开来，使后续的颗粒图像分析变得十分艰难。本文以农作物玉米颗 粒图像作为研究对象，抛弃传统的人工判断方式，提出一种快速有效地粘连颗粒 图像分割方法，以提高分割的速度和精确度，然后在分割基础上对图像中颗粒物 体进行计数与特征参数提取。虽然国内外学者努力地在这个方向提出许多行之有 效的算法，仍有很多不足之处没有解决。因此粘连颗粒图像分割与分析依然是学 者们研究的热点。 1 1 2 国内外研究现状 中南大学硕士学位论文第1 章绪论 在对图像进行噪声平滑滤波，边缘优化的基础上，利用相似区域生长来分离粘连 的细胞，最后提取细胞的特征。该算法适应范围较广，但效率低，测量结果不太 精确。j e a n b j 对癌细胞图像进行平滑处理后，利用数学形态学方法对细胞分割， 提取出细胞的颜色，形状大小等特征参数，将癌细胞从普通细胞中区分出来。该 算法速度快，能识别出不同细胞，但算法适用性较差。 随着自动化水平的提高，颗粒图像处理技术不断地被应用于农业和其他领域 1 4 - 1 。7 1 。v a nd e nb e r ge h 1 8 】为对颗粒谷物提取其纹理信息后进行识别，提出利用 图像中颗粒内核之间的距离，若距离小于定义的阈值，则判为粘连颗粒，采用分 水岭算法分割颗粒，再提取纹理信息。该方法速度较快，能较好地保持颗粒尺寸 与形状特征，但提取的特征参数误差较大。z a y a s i y 【l9 】利用小麦的长、宽、长宽 比、正切等特征参数组成的典型方程，识别软、硬质的冬小麦，识别准确度达到 8 0 左右。d a v i d t 2 0 】等人对流水线上开心果的x 射线图像进行处理来实现质量检 验，该方法中采用螺旋不变过滤器来定位一个颗粒对象，使其与方向无关，对每 个对象进行形态学处理来除去其外壳，利用分水岭变换分开重叠的颗粒，最后提 取出颗粒特征参数以进行质量检测。该方法速度快，实时处理，但对硬件设备要 求较高，参数提取不精确，适用范围比较小。t a l u k d e r t 2 l 】针对流水线上的各种农 产品，对图像进行灰度滤波，形状滤波，再利用分水岭算法分割颗粒产品，实现 农产品的检测，该算法适用于大多数的颗粒图像分析，但存在一定的误差。 国内研究颗粒图像处理技术起步较晚。在9 0 年代出现染色体与细胞图像的 自动分析技术研究 2 2 , 2 3 】。如张斌【2 4 】开发分析人类显带染色体图像的的人机交互系 统，该系统人为地分离粘连的染色体，提取其形状的各项特征参数，依据这些特 征参数设计染色体分类器。该设计临床识别率达到8 3 5 ，准确率较高，但需加 入人为的判断，速度慢。杨晓敏【2 5 】实现血液中自细胞的特征提取与分类，先对 图像进行预处理改善图像的质量，再利用阈值分割法分开细胞核、胞浆与背景， 提取出细胞的形态、密度、纹理等特征，依据这些特征建立细胞数据库，通过对 比完成细胞的分类功能。该设计处理速度较快，替代人工识别，但是其误差较大。 在国外的研究基础上，国内学者在其他应用领域的图像智能处理【2 6 】提出很 多有效的算法。如张达等人【27 j 研究棒材的在线自动计数中棒材粘连的问题，提 出通过光学系统对棒材截面进行预增强，再使用多阈值分割图像，利用特定模板 匹配定位截面的中心，实现棒材的跟踪与计算。该方法可靠性较高，计算结果偏 差较小，但是对提取的图像质量要求比较高，硬件设备要求严格。郝称意【2 8 】检 测煤粉颗粒的各项特征数据，首先对煤粒图像进行类型转换，滤波平滑，再通过 边缘检测和形态学处理对粘连煤粒进行分割，提取出煤粒的面积。该方法速度快， 原理简单，能提取出基本的面积特征，但是容易受干扰因素影响，分割精度不高。 中南大学硕士学位论文第1 章绪论 魏瑾等人【2 9 】研究蚕卵图像中粘连或部分重叠颗粒的分离算法，先利用模糊c 均 值聚类算法提取出目标对象，再进过模糊距离变换得到新的灰度图，最后采用分 水岭算法分离粘连颗粒。该方法能够分开粘连的颗粒，但是会出现一定程度的过 分割现象，算法速度较慢。陈割3 0 】等人利用图像处理解决千粒重种子的计数问 题，对图像进行二值化与距离变化后，对图像进行极限腐蚀操作，提取出颗粒的 极值点，从而完成计数功能。该方法精度高、速度快，但对图像采集的要求较高， 其结果易受图像中杂质、颗粒形状的影响。 实现粘连颗粒图像分析的关键在于精确地分割开粘连颗粒。快速准确地找到 两个物体的边界接触点即分离点，连接准确配对的两个分离点的曲线把粘连物体 合理地分开，这段曲线称为分离线。通常类圆性粘连颗粒图像中两个粘连颗粒在 连接处会形成凹陷。因此要将聚堆的颗粒物体自动分离开来，搜索到的分离点与 分离线具有如下特征： ( 1 ) 分离点一般是目标物体边界上最内陷的两个凹点： ( 2 ) 如果出现多个分离点配对，路径短的分离线更加合理； 大量文献资料表明，现有的颗粒图像分割算法处理的粘连颗粒物体都具有类 圆性，粘连处会出现凹点这个前提下进行的。由于算法太多，下面将算法主要分 成基于形态学方法的分割算法、基于边缘检测与凹点匹配的分割算法、分水岭分 割算法等几类来进行总结和分析。 ( 1 ) 基于形态学方法的分割算法【3 卜3 4 】 数学形态掣”】是一种以形态为基础对图像进行分析的数学工具，它简化图 像数据，保持它们的基本形状特征，除去其中对分析有干扰的结构。如陆建峰等 人【3 6 j 提出一种基于形态学的改进算法，先对图像中粘连目标形态进行多次腐蚀 后搜索出内在连接点，然后在原图像中的目标边界上搜索粘连点，内在连接点与 分离点形成一条分割线，这种改进算法速度快并且提高分割精度。s o n gj 3 7 】利用 形态学中的腐蚀运算不停地对图像中的颗粒物体进行腐蚀，直至将粘连物体腐蚀 开来，对不同的颗粒进行标注来实现分割，再利用膨胀算法将图像中的颗粒物体 恢复到原先的形状，其中不同的颗粒具有不同的标号。该方法除去干扰部分，修 补目标本身存在的裂缝和空洞，因此不容易受杂质或其他因素的影响。总体来说， 基于形态学的分割方法具有速度快、易于控制、方法简单等特点，由于腐蚀与膨 胀不是完全的逆运算，图像会失去一定的形状信息。 ( 2 ) 基于边缘检测与凹点匹配的分割算法【3 8 4 0 】 该类算法利用两个类圆性的颗粒物体互相粘连的时候会出现两个曲率方向 指向颗粒外部的凹点，只要寻找到正确的两个凹点连接成分割线，就能形成比较 合理的分割。如v i s c nn s 等人【4 l j 对粘连谷物进行识别与分类，检测出粘连谷物 4 中南大学硕士学位论文第l 章绪论 的边缘，将曲率低于阈值的点设为分离点，使得直线距离最近的两个分离点为一 对分离点，两分离点之间形成一条粘连物体的分割线。该算法准确度小于8 5 ， 对图像要求比较严格。杨蜀秦等人【4 2 】对粘连的大米颗粒进行分析，提取出大米 的边缘，利用大米边缘点的曲率大小与方向来判断粘连点，并利用最短距离配对 法对粘连大米进行分割。 基于边缘检测与凹点匹配的分割算法分割精度相对较高，但在应用中还有很 多问题难以解决：( 1 ) 容易把不是互相粘连处的凹点也判定为分离点；( 2 ) 凹点配 对出错导致错误分割，当图像中出现三个以上的颗粒物体相粘连时，则会出现三 个以上的凹点；( 3 ) 凹点无法匹配导致未分割，两个颗粒物体过度粘连在一起时 只能搜索到一个凹点或没有凹点，此时不能将两粘连颗粒物体分割开来。 ( 3 ) 分水岭分割算法【4 5 】 2 0 世纪7 0 年代末，d i g a b e l 等人将分水岭算法用于简单的二值图像的分割， 由于计算量大的原因该算法发展缓慢。v m c e n t 等人m 】提出快速分水岭变换理论， 模拟水淹没地形的原理快速分割图像，由于对图像中的细节信息敏感，形成许多 错误的过分割。因此研究人员对传统的分水岭算法提出许多改进叫7 4 8 】，如h a r r i s k 4 9 提出结合分水岭分割与快速区域增长来实现图像分割，该算法在很大程度上 降低过分割现象；薛东军【5 0 】提出对图像进行分水岭分割算法后进行区域面积比 较，合并错误分割的区域从而改善分割效果。 ( 4 ) 其他粘连颗粒图像分割算法【5 卜”】 有些方法由于使用较少或未能完善无法划为具体的某一类，如r a j a p a k s ej 等人【5 6 】在磁共振图像自动处理研究中，利用聚类方法【5 7 】把像素按照特征分为不 同的类，完成图像分割。该方法在没有先验知识的情况下，通过不断地反馈来修 正各类的特征值，有效地减少灰度不均匀与噪声影响。g h o s h 等人【5 8 】利用训练大 规模的神经网络来从复杂噪声环境下分离出目标物体，该方法模拟人类大脑的学 习与分析过程，利用已有的先验知识合理地训练神经网络，再利用神经网络对像 素按特征进行分类处理，实现图像分割。该方法鲁棒性好，能处理复杂图像，但 处理速度比较慢。b a b a g u c h i 等人【5 9 】则采用改进方法，使用多层网络与反向传播 方法对网络进行训练以提高神经网络的准确性。 粘连颗粒图像由于存在差异性，复杂性，很难有一种良好方法可应用于各个 领域的颗粒图像分割。每一种颗粒图像分割方法都需要综合考虑粘连颗粒所在的 环境因素，颗粒的统计特性，形态和边缘的特征【6 0 , 6 1 , 6 2 】，才能更好地对图像进行 分割与分析。 1 2 本文的主要工作及其内容安排 从上述粘连颗粒图像处理的国内外研究现状分析可知，粘连颗粒图像进行分 5 中南大学硕士学位论文第1 章绪论 割与分析还存在一些困难与不足之处： ( 1 ) 颗粒物体从背景图像中分割出来时许多干扰物( 杂质、孔洞等) 会影 响分割的准确性； ( 2 ) 分割互相粘连的颗粒物体时容易出现过分割或未分割的问题； ( 3 ) 图像分析过程中颗粒计数与提取的颗粒特征值精确度不高。 针对以上问题，本文做了如下工作： ( 1 ) 前期对图像进行预处理，设计一种形态学滤波器，优化图像质量，减 少诸多干扰物对分水岭分割产生的影响； ( 2 ) 提出一种优化的分水岭分割算法来分割互相粘连的颗粒物体。该算法 在前期优化图像的基础上，对距离变换产生的灰度图进行分割，后期利用面积阈 值法来滤掉极少量的过分割产生的区域，算法分割效果良好； ( 3 ) 提出两种图像中颗粒自动计数的方法，对分割后图像中单独的颗粒进 行标号，提取出颗粒的大小，形状，颜色等特征，为后续的图像分析与识别打下 良好的基础。 论文分为五章，各章内容安排如下： 第一章绪论。概括地介绍粘连颗粒图像的研究背景与意义；对国内外在颗 粒图像处理方向上的研究成果进行分析，重点阐述其在各个领域内的应用，所采 用的方法，以及这些方法的优点和未能解决的问题；介绍本文的主要内容和章节 安排。 第二章颗粒图像分析基础与预处理。介绍图像处理的一些基本概念，以及 图像分割的定义；介绍图像预处理的各个过程，并对图像灰度化、平滑处理、图 像二值化三种处理所采用的算法进行分析，在对实验结果进行分析的基础上对各 个算法进行评价。 第三章分水岭分割前的图像优化处理。研究图像形态学处理中几种基本运 算的性能与作用，设计出一种新的形态学滤波器，对二值图像进行优化，并对优 化结果进行分析与评价；另外，详细阐述图像距离变换的过程与作用，最后对新 生成的灰度图像的性能进行评价。 第四章详细介绍分水岭分割算法的原理，实现过程与数学描述，产生过分 割的原因；提出一种优化的分水岭算法，介绍该算法的思想，实现流程，比较该 算法与传统分水岭算法的分割结果，分析该算法用于不同领域的图像分割的结 果，并对该算法的性能进行评价。 第五章在分水岭分割图像的基础上，设计两种粘连颗粒计数的方法，阐述 两种方法的优缺点；详细介绍描述颗粒大小，形状的几个特征参数，阐述特征参 数提取的方法；提出一种颗粒颜色特征的描绘与提取的方法。 6 中南大学硕士学位论文 第l 章绪论 第六章总结全文，指出论文工作中需要改进和优化的地方，提出下阶段的 工作展望。 7 中南大学硕士学位论文第二章颗粒图像分析基础与预处理 第二章颗粒图像分析基础与预处理 数字图像处理是利用计算机技术对现实生活中获取的数字图像进行处理，提 取各目标的特征加以分析，最后通过执行与人体视觉相关的识别方式，对不同目 标进行相应的自动操作。视觉是人类感觉中最高级的，因此数字图像是计算机获 取外界信息最佳途径。在颗粒图像处理过程中，通过摄像机、相机、扫描仪来获 取颗粒图像，这些图像会受到环境因素的影响，如光照强度不均匀，元器件特性 不稳定，其他颗粒物体干扰等，使得后续的图像处理出现误差。因此，需要对采 集的原始图像进行一定的预处理来消除噪声、平滑图像，使得后续处理能更加准 确，图像预处理包含图像灰度化，平滑处理，图像二值化，形态学处理，距离变 换几部分。这一章对粘连颗粒图像分割处理过程要涉及的一些基本概念做简单的 介绍，另外详细阐述预处理过程中的图像灰度化，平滑处理与二值化处理。 2 1 图像处理的基本概念 2 1 1 数字图像与像素表示 一幅图像定义为一个二维函数f 【x ，y ) ，x 和y 是平面坐标，f 【x ，y ) 是指在坐标 点( x ，y ) 处图像在该点的颜色度。大小为m x n 的数字图像可以用如下的二维数组 表示： r ( 。，。) ( 。，1 ) 厂( 。，一1 ) ，( 工，y ) 5i ，? 。 1 厂l ；n 一1 j ( 2 1 ) l ，( 膨一1 ，o ) f ( m 一1 ，o ) f ( m 一1 ，n 一1 ) j 该数组中的每一个元素都称为像素或像元，像素的值表示该像素的颜色度。 2 1 2 图像分割的定义 图像分割是将一幅图像按照不同的特征细分为不同的区域或对象，并从复杂 背景中提取出感兴趣的目标区域。细分程度取决于实际应用中待解决问题，只要 满足需求就停止分割。非普通图像分割是图像处理中最困难的问题之一，而分割 准确性是图像分析的关键，直接影响着后续的特征提取的结果。图像分割定义如 下： 假设集合a 代表图像中的所有像素，图像分割相当于将集合a 分成1 1 个满 足下面5 个条件的子集合( 区域) a 1 ，a 2 , a 3 a n ： ( 1 ) i1 4 = a ； ( 2 ) 集合a 的所有子集合中，若f 则有4 厂、么，= g ； 8 中南大学硕士学位论文第二章颗粒图像分析基础与预处理 ( 3 ) 任意的i = l ，2 ，3 1 1 ，p ( 4 ) = t u r e ； ( 4 ) 若f ，则尸( 4u 彳，) = f a l s e ； ( 5 ) 集合a 的所有子集合中的像素都是连通的区域； 以上定义的条件是从像素级来定义的，因此该定义适用于不同目标的图像分 割。条件1 表示图像中所有的像素都属于某一个子区域，所有子区域里的像素总 和为整幅图像的像素。条件2 表示一个像素只能属于各个子区域，不同子区域没 有重复的像素。图像分割是根据应用需求按照不同的特征将像素划分为不同区 域，因此条件3 表示同一区域中的像素具有相同的特征，条件4 表示不同区域的 像素具有不同的特征。条件5 表示分割出来的目标区域是一个连通的区域，只有 连通区域在高层次的图像处理中才能代表有意义的目标对象。 本文研究的图像分割主要是针对颗粒物体出现粘连的情况，首先需要将图像 中颗粒物体所在的目标区域从背景环境中分割出来，再将互相粘连的颗粒物体分 割成单独的目标区域，为单独统计每一颗粒的特征参数打下良好的基础。 2 1 3 图像类型与图像灰度化 计算机上显示的图像有二值图像、灰度图像、彩色图像等不同格式类型。下 面就本文图像处理算法所涉及的三种类型作简单介绍。 ( 1 ) 彩色图像( c o l o ri m a g e ) 彩色图像的表示方法有许多种，最常用的是r g b 彩色图像。r g b 颜色空间 中含有红绿蓝三基色组合成的2 5 6 * 2 5 6 * 2 5 6 种不同颜色，其模型如图2 1 所示。 r g b 彩色图像由m x n x 3 的三维数组表示。每个像素点都含有红、绿、蓝三 个分量信息，从亮到暗用8 个二进制位来表示，取值范围为 o ，2 5 5 。彩色图像 的特点是包含的信息比较多，如物体的色彩，纹理，形状，轮廓等信息。 蓝( o ，0 ，2 5 5 ) 红( 2 5 5 ，0 , 0 ) 麓 _ t j 巩，。只 砖# | ： 黑( o ，o i 5 , 2 5 5 ) 卜一 绿( 0 ，2 5 5 ，0 ) 夕 图2 1r g b 彩色空间 ( 2 ) 灰度图像( g r a ys c a l ei m a g e ) 灰度图像是数字图像的基本形式，只表达图像的黑白亮度信息，包含白色， 黑色和灰色部分。每个像素用8 个二进制位来表示，取值范围为 o ，2 5 5 ，可表 9 中南大学硕士学位论文 第二章颗粒图像分析基础与预处理 示2 5 6 个灰度级。灰度图像表示为m x n 的二维数组，具有容易处理并且处理速 度快的特点。 ( 3 ) 二值图像( b i n a r yi m a g e ) 二值图像是每个像素的亮度值取值仅为0 或1 的图像，0 表示黑，1 表示白， 因此也称为1 _ b i t 图像。每个像素点仅用2 个二进制位来表示，因此二值图像只 能反映出图像中物体的基本形状，内容简单，且处理速度快。 本设计中最开始采集到的图像是r g b 彩色图像，由于后期处理中灰度图像 已经满足图像分析所需要的信息要求，为提高图像处理效率，第一步需要进行图 像灰度化，将彩色图像先转换为灰度图像，使图像只含有8 位灰度信息，方便后 续处理。具体的转化方法有如下两种： ( 1 ) 由于r g b 彩色图像由r ，g ，b 颜色分量组合而成，三种颜色分量都 以8 个位表示，可直接将分量数据转化为对应的灰度图像。其结果如图2 2 所示。 ( a ) 玉米图像( b ) r 分量灰度图像 ( c ) g 分量灰度图像( d ) b 分量灰度图像 图2 2 彩色图像转化为各分量的颜色 ( 2 ) 提取出图像中的每个像素，利用矩阵的分布提取其r ，g ，b 颜色分量， 1 0 中南大学硕士学位论文第二章颗粒图像分析基础与预处理 然后利用公式计算灰度图像中对应像素点的灰度值： 矿缈= r x 0 3 + g xo 5 9 + b o 1 1 ( 2 2 ) 实验结果如图2 3 所示。 图2 3 灰度图结果 比较两种转化方法，第一种方法的结果图中r 分量转化图中黑色背景和红 色的目标( 玉米粒) 反差最大，效果最好 而b 分量图像中目标接近黑色，与 黑色背景最相似，该灰度图区分效果最差。造成该结果的原因是黄色的玉米粒在 r 分量上的灰度级比较高，使得转化为灰度图后亮度比较大。第二种方法则是结 合三个分量的颜色分布计算得到灰度值，结果图中很好地将黑色背景与目标( 玉 米粒) 区分开来。 分析以上结果可知，若颗粒图像中，目标颗粒的颜色与背景相差不大，在r 、 g 、b 中某个分量的灰度级较高，而其它分量的灰度值比较低，则利用方法一来 处理，灰度级别最高的分量转化成的灰度图要比利用方法二得到的结果要好。在 实际应用中，使用方法一的前提是处理对象是固定的目标与背景，可以通过实验 获得大量的先验知识，从而确定哪个分量的结果图作为最佳的转化灰度图。 第二种方法虽然在转化效果上要比方法一略差，但适应不同类型的颗粒图 像，若图像中目标与背景的颜色发生变化，利用方法二也能很好地转化出效果良 好的灰度图。由于本文中的主要实验目标对象是黄色的玉米粒，与黑色的背景差 异较大，方法二得到的结果图完全满足后续处理需求。考虑到本设计的整个图像 处理方法适用于不同类型的颗粒图像分析，因此采用方法二将彩色图像转化为灰 度图像。 在本设计后续处理中，还会将图像利用阈值法转化为二值图像，具体的处理 方法在本章后面作介绍。 中南大学硕士学位论文 第二章颗粒图像分析基础与预处理 2 2 图像平滑处理 吾州 假设f ( x ，”是图像中坐标为( x ，”的像素点的颜色值，经 z - t - - 个m x m 的模板 均值滤波后，该像素点的值变为g ( x ，y ) ，变换公式为： 如少) = 而1 朋，j ) ( 朔m ( 2 - 3 ) 素点的值变为g ( x ，y ) ，变换公式为： g ( x ，y ) = m e d f ( x - k ，y j ) ，( 七，j 夕) ) ( 2 - 4 ) 1 2 中南大学硕士学位论文第二章颗粒图像分析基础与预处理 第三步：按上述操作遍历所有的像素点。 在实际应用中数字图像中存在的噪声分为椒盐噪声与高斯噪声，其中椒盐噪 声是由图像传感器、传输信道、解码处理等产生的黑白相间的亮暗点噪声，而高 斯噪声是指由于磁场、电场发生无序的变化，经过放大电路产生的各种干扰噪声， 其概率密度函数服从正态分布。图2 5 为利用5 x 5 的模板对两类噪声干扰图像分 别进行均值滤波与中值滤波平滑预处理的结果。 ( a ) 原始图像( b ) 椒盐噪声干扰图像( c ) 高斯噪声干扰图像 ( d ) 椒盐噪声图像均值滤波( e ) 高斯噪声图像均值滤波 ( f ) 椒盐噪声图像中值滤波 ( g ) 高斯噪声图像中值滤波 图2 5 滤波效果图 分析以上实验结果可知，均值滤波与中值滤波都滤去图像中的噪声，起到平 滑图像的作用。对于椒盐噪声干扰的图像，由于其噪声点相对比较少，利用中值 中南大学硕士学位论文第二章颗粒图像分析基础与预处理 滤波处理图像，在消除噪声点的同时还能保持原始图像的边缘部分保持清晰；对 于高斯噪声的图像，由于噪声点比较多，利用均值滤波比中值滤波更好地消除大 部分的噪声影响。 对于本文研究粘连颗粒图像处理所采用的玉米颗粒图像，图像本身会在传输 编码过程中存在一些微小的噪声干扰，目标的边缘位置会出现一些容易与背景混 淆的像素点，灰色目标内部的也可能会因为细节部分而出现一些突变的点，黑色 背景像素点会由于光照过强而反光的原因被误判为目标点。同时为避免在采集图 像的过程中空气中灰尘等小颗粒物体的干扰，需要对图像进行滤波方法的平滑处 理，以使后续的分割效果更好