一种改进的分水岭图像分割算法

针对分水岭图像分割算法普遍存在受噪声影响大和过分割的问题,提出了一种基于梯度修正和相邻区域边缘强度合并的改进分水岭图像分割算法。首先对图像采用形态学开闭重建滤波,消除噪声对图像的干扰;其次,使用多尺度算子计算形态梯度,充分利用大结构元素和小结构元素的各自优点,获得更准确的形态学梯度;再用粘性形态学运算对梯度图像修正,有效去除产生过分割的局部极小梯度值;分水岭变换后,定义出相邻区域的边缘强度值,并基于相邻区域边缘强度合并过分割区域,进一步消除图像过分割,改进分割效果。实验表明:该方法不仅能够有效地去除图像噪声干扰,而且能够消除过分割区域,同时还具有较强的区域轮廓定位能力,有效提高了图像分割效果。

基于面积约束和自适应梯度修正的分水岭图像分割

图像中的噪声或非规则细节干扰易导致形态学分水岭产生较严重的过分割,为了在消除过分割的同时尽可能保持图像目标边界的准确定位,提出了一种基于面积约束和自适应梯度修正的分水岭图像分割方法。首先对图像进行梯度变换,采用区域面积约束滤除狭小高梯度尖峰对应的噪声和非规则细节;然后建立梯度级与结构元素大小之间的函数关系,并以相对应的结构元素对梯度图像进行粘性形态学(VM)闭运算,消除低梯度噪声及非规则细节,实现梯度图像的自适应修正,由于VM闭运算对梯度图像进行修正时,对目标仅作轻度或不作修正,因而能够最大限度的保持目标轮廓的准确定位,而对噪声和非规则细节则采用较大尺寸的结构元素进行较大幅度修正,从而消除产生过分割的因素;最后对修正图像进行分水岭分割。实验结果表明,本文方法能够在消除过分割的同时,保持目标轮廓的准确定位。