利用骨架特征信息的粘连谷粒图像分割方法

针对长宽比大的粘连谷粒图像精确分割问题,提出利用图像骨架粘连点位姿信息的粘连谷粒图像分割方法,相比常规分水岭算法提高了准确性和可靠性。在图像平滑、二值化的基础上提取谷粒的骨架信息,采用SPT算子定位骨架粘连点位姿并进行粘连点延展闭合。针对不同粘连程度的谷粒图像,将本文算法与传统分水岭算法进行了对比测试,结果表明本文算法对于复杂粘连情况具有较强的适应性。当谷粒为长宽比在1.5以内的大豆和玉米时,本文方法和分水岭算法效果类似。然而,当谷粒长宽比大于1.5,分水岭算法出现大量欠分割和过分割现象,识别错误率达到75%,本文算法依然可控制在10%以内。

基于背景骨架特征的粘连米粒图像分割算法

为了提高粘连米粒图像的分割准确率,提出一种基于背景骨架特征的粘连米粒图像自动分割算法。首先,通过图像预处理与图像连通区域形状分析,得到米粒粘连区域的二值图像;然后,计算粘连米粒区域的最小凸包图像,提取最小凸包范围内的背景区域图像,对得到的背景区域图像进行提取骨架处理,通过骨架特征图像获取骨架端点作为分割端点;最后,通过端点匹配规则,匹配检索出最优分割位置,绘制分割曲线得到粘连米粒分割结果。实验结果表明,所提算法对于复杂情况下的不同粒形米粒的粘连分割能很好适应,综合分割准确率为93.5%,相比经典距离变换的分水岭算法和改进型分水岭算法,算法准确率分别提高了14.4和4.6个百分点,并且形成的米粒分割边界更平滑,对形状影响更小。