凹点搜寻下重叠区域图像自动分离方法仿真

重叠区域图像分离是图像处理技术中的一个重要环节,在医疗诊断、工业加工和军事防御等众多领域占据重要地位。针对当前方法在对重叠区域图像进行分离时,过于依赖极限腐蚀运算,一旦极限腐蚀运算没有较好的将图像重叠区域腐蚀开,无法得到准确的距离标记,将会导致重叠区域图像无法有效分离。提出一种基于凹点搜寻的重叠区域图像自动分离方法,在低尺度空间上,对重叠区域图像轮廓曲率进行计算;利用高斯函数的宽度参量控制重叠区域轮廓的平滑程度;计算获得重叠区域每个边缘像素的曲率后,去除曲率大于0的凸点,选取曲率极小值的点作为候选凹点,同时去除虚假凹点,完成重叠区域图像的凹点检测;根据重叠区域图像凹点个数与目标对象个数之间的对应关系确定重叠类型,给出了重叠区域图像的不同凹点匹配规则;通过连接的匹配凹点,实现重叠区域图像的自动分离。仿真测试结果证明,所提方法能够实现图像不同重叠类型的有效分离,分离对象具有较高的信噪比,结构相似性和品质,且没有发生较大形变。

基于凹点搜寻的棒材计数方法研究

针对现有的成捆棒材计数方法存在计算速度低、色差偏差大、计算量大、易受边缘模糊及残缺影响的问题，提出了一种通过对成捆棒材中的黏连棒材进行分割，然后统计连通区域，从而达到棒材计数目的的新方法。该方法首先对成捆棒材的图像进行预处理，利用Canny边缘检测获得黏连棒材的边缘轮廓，然后在此轮廓上扫描凹区域，将临近的凹点作为一个凹点群，取其中最突出的点作为此处凹点；再利用凹点匹配条件进行匹配，以匹配成功的凹点对作为界限来分割图像，最后统计分割后的连通区域，即达到计数的目的。实验结果表明，该方法对于黏连棒材的分割特别准确，分割后的图像边缘与成捆棒材的实际边缘很贴近，在无互相遮挡的情况下，直径为12mm以上的钢筋的分割准确率达到99．99％以上，直径为10～12mm的钢筋的分割准确率在99．80%以上，达到了企业认可的标准。

复杂环境中蛋鸡识别及粘连分离方法研究

提出基于Lab颜色模型的蛋鸡与背景自动分割方法和基于极限腐蚀和凹点搜寻的粘连蛋鸡分离与计数算法。实验前期将通过计算机视觉系统获取的RGB图像转换成Lab图像,每张图像中均选取蛋鸡及最接近蛋鸡颜色的背景2个小样本区域,分别计算这两类区域在a、b分量的数学期望作为分割阈值。随后将采集的图像像素聚类于与a、b分割阈值的欧氏距离最小的区域,从而实现蛋鸡与背景区域的自动分割。针对经常出现的蛋鸡群聚造成蛋鸡个体之间相互粘连的情况,研究利用改进的极限腐蚀及凹点搜寻处理算法分离出独立的蛋鸡并正确计数。108幅蛋鸡图像识别结果表明,该算法能将蛋鸡个体从复杂背景中有效提取、计数和粘连分离,蛋鸡计数正确率为93.5%,综合分离正确率为89.8%。