图像处理中的标记分水岭分割算法

1、图像处理中的标记分水岭分割算法如果图像中的目标物体是连接在一起的，那么分割起来会更困难，分水岭分割算法经常用 于处理这类问题，通常会取得比拟好的效果。分水岭分割算法把图像看成一幅“地形图， 其中亮度比拟强的区域像素值较大，而比拟暗的区域像素值较小，通过寻找“汇水盆 地和“分水岭界限，对图像进行分割。直接应用分水岭分割算法的效果往往并不好，如果在图像中对前景对象和背景对象进行 标注区别，再应用分水岭算法会取得较好的分割效果。有很多图像处理工具箱函数可以用 至V，如 fspecial 、imfilter 、watershed、Iable2rgb 、imope n、imclose、imrec on

2、struct 、 imcomplement、imregionalmax、bwareaopen、graythresh、和 imimposemin 函数等。下面进行一个例子，步骤如下。1、读取图像并求其边界，代码如下。rgb = imread( 'pears.png' ); %读取原图像I = rgb2gray(rgb);%专化为灰度图像figure; subplot(121)%显示灰度图像imshow(I)text(732,501, 'Image courtesy of Corel',.'FontSize' ,7, 'HorizontalA

3、lignment', 'right')hy = fspecial( 'sobel' ); %sobel算子hx = hy'ly = imfilter(double(l), hy,lx = imfilter(double(l), hx,gradmag = sqrt(Ix.A2 + Iy.A2);'replicate'); %滤波求Y方向边缘'replicate'); %滤波求X方向边缘%求模subplot(122); imshow(gradmag,),%显示梯度 title( 'Gradie nt magn

4、itude (gradmag)' )在这一步骤中，首先读取一套真彩色图像，然后把真色图像转化为灰度图像，结果如图 所示：图1原图和梯度图像使用sobel边缘算子对图像进行水平和垂直方向的滤波，然后求取模值，sobel算子滤波后的图像在边缘处会显示比拟大的值，在没有边界处的值会很小，如上图右图所示。2、直接使用梯度模值进行分水岭算法，代码如下。L = watershed(gradmag); %直接应用分水岭算法Lrgb = label2rgb(L);%转化为彩色图像figure; imshow(Lrgb),%显示分割后的图像 title( 'Watershed tran sfor

5、m of gradie nt magn itude (Lrgb)'直接使用梯度模值图像进行分水岭算法得到的结果往往会存在过度分割的现象，如下列图所示。3、因此通常需要对前景对象和背景对象进行标记，以获得更好的分割效果图2直接对梯度图像进行分水岭分割分别对前景和背景进行标记，代码如下。se = strel( 'disk' , 20); %圆形结构元素Io = imope n(l, se);%形态学开操作figure; subplot(121)imshow(lo),%显示执行开操作后的图像title('Ope ning (Io)')Ie = imerode(

6、I, se);%对图像进行腐蚀Iobr = imreco nstruct(le, I);%形态学重建subplot(122); imshow(Iobr),%显示重建后的图像title('Ope nin g-by-rec on struct ion (Iobr)' )Ioc = imclose(Io, se);%形态学关操作figure; subplot(121) imshow(Ioc), %显示关操作后的图像title( 'Opening-closing (Ioc)' )Iobrd = imdilate(Iobr, se);%对图像进行膨胀Iobrcbr = i

7、mreconstruct(imcomplement(Iobrd), .imcomplement(Iobr);%形态学重建Iobrcbr = imcomplement(Iobrcbr);%图像求反subplot(122); imshow(Iobrcbr),%显示重建求反后的图像title( 'Opening-closing by reconstruction (Iobrcbr)' )fgm = imregionalmax(Iobrcbr);%局部极大值figure; imshow(fgm),%显示重建后局部极大值图像title( 'Regional maxima of o

8、pening-closing by reconstruction (fgm)')I2= I;I2(fgm) = 255; %局部极大值处像素设置为 255figure; imshow(I2),%在原图上显示极大值区域title( 'Regional maxima superimposed on original image (I2)')se2 = strel(ones(5,5);%结构元素 fgm2 = imclose(fgm, se2); %关操作fgm4 = bwareaope n(fgm3, 20);%开操作I3= I;I3(fgm4) = 255;%前景处设置为

9、255figure; subplot(121)imshow(l3) %显示修改后的极大值区域title( 'Modified regi onal maxima' )bw = im2bw(lobrcbr, graythresh(lobrcbr);%转化为二值图像subplot(122); imshow(bw), %显示二值图像title( 'Thresholded ope nin g-clos ing by rec on struct ion')可以使用很多算法来对前景对象进行标记，标记的每个对象内部的像素值是连接在一 起的。在这个例子中，使用形态学重建技术对前景

10、对象进行标记，首先使用imopen函数对图像进行开操作，如图3左图所示，使用半径为20的圆形结构元素，开操作是膨 胀和腐蚀操作的结合。另外一种方法是先对图像进行腐蚀，然后对图像进行形态学重建， 处理后的图像如图3右图所示。图3开操作和重建操作结果比照在开操作之后进行关键操作可以去除一些很小的目标，如苹果上的茎干和一些污点等， 如图4中左图所示。另外一种方法是先对图像进行腐蚀，然后对图像进行形态学重建,重建后的图像如图4右图所示，注意在重建之前需要先对图像求反，然后再重建之后再 进行一次求反。图4关操作和重建操作结果比照比照两幅图像lobrcbr和loc，以重建为根底的开关操作结果为lobrcb

11、r 比一般 的开关操作结果为loc 比一般的开关操作结果为loc 在去除小的污点时会更有 效，并且不会影响这个图像的轮廓。计算lobrcbr的局部极大值会得到比拟好的前景标记，如图 5所示。图5求取局部极大值的图像为了更好的理解这个结果，可以在原图像的根底上，显示局部极大值，对前景图像进 行标记，如图6所示。图6在原图上显示局部极大值注意到图像中还有少局部目标物体，即苹果，未被正确的标记出，如果这些目标物体 不能被正确的进行标记，那么不能正确的进行分割。并且，少局部前景目标物体已经拓展 到边缘，因此应该收缩一下边缘，可以先对图像进行操作，然后进行腐蚀来到达这样的 效果。这个过程会产生一些孤立的

12、像素点，可以使用bwareaope n函数来到达这样的效果，这个过程将像素点数量较少的孤立像素点去除，如图7左图所示。图7调整后的局部极大值图像和二值图像将图像lobrcbr使用适宜的阈值转化成二值图像，其中淡颜色的值为背景，转化成二 值图像如图7右图所示。4、进行分水岭变换并显示，代码如下。D = bwdist(bw); %计算距离DL = watershed(D); %分水岭变换bgm = DL = 0; %求取分割边界figure; imshow(bgm),%显示分割后的边界title( 'Watershed ridge lines (bgm)' )gradmag2 =

13、imimposemi n( gradmag, bgm | fgm4);%设置最小值L = watershed(gradmag2); %分水岭变换I4= I;I4(imdilate(L = 0, on es(3, 3) | bgm | fgm4) = 255;%前景及边界处设置为255figure; subplot(121)imshow(I4) %突出前景及边界title( 'Markers and object boun daries')Lrgb = label2rgb(L, 'jet' , 'w' , 'shuffle' );

14、%转化为伪色彩图像title( 'Colored watershed label matrix' )figure; imshow(I),hold onhimage = imshow(Lrgb); %在原图上显示伪色彩图像set(himage, 'AlphaData' , 0.3);title( 'Lrgb superimposed tran spare ntly on origi nal image')从图7中可以看出，背景像素是黑色的，但在理想情况下，我们不希望背景标记太靠近目标 对象的边缘，可以通过“骨骼化进行细化，对二值图像的距离进行分水岭变换，然后寻 找分水岭的界限，分水岭的界限如图8所示。图8分水岭界限函数imimpesemin可以用来对图像进行修改，使图像在一些特定的区域像素值最小。在 本程序中，使用imimpesemin函数修改梯度模值图像，使梯度模值图像在标记的前景对象 和背景对象中有最小值，然后进行分水岭变换得到矩阵 L。还有一种可视化的技术是在原图像中