基于边缘的图像分割在牛体尺测量中的应用

图像分割是图像处理、分析和理解的基础,目前它已经成为机器视觉研究领域最活跃的课题之一。边缘检测能勾画出目标物体,蕴含丰富的信息,是图像分割、识别和分析中抽取图像特征的重要方法。本文通过常用算子如Sobel、Roberts、Prewitt、Gauss-Laplace和Canny算法对牛体图像分割的效果进行实验对比,证明Canny算子总体上优于其他算子。针对Canny算子分割可能产生的断裂和不完整,运用OR运算结合模糊和边缘信息去除断边,利用数字形态学重新填充图像中的空洞,增强边缘轮廓显示的效果。在此基础上进行的牛体测量结果与实际结果相比误差较小,测量精度较高,其通用性较好,能够满足日常对于牛体体高和体长的测量要求。