基于小波变换与数学形态学图像分割算法探究

《基于小波变换与数学形态学图像分割算法探究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于小波变换与数学形态学图像分割算法探究【摘要】针对传统的分水岭变换对噪声和细密纹理的敏感会产生严重的过分割的现象，为了除去红外线图像混合的噪声，本文用小波变换法，接着再利用形态学中的开闭重建运算，来删除梯度图像中因为噪声引起与灰度非规则扰动的局部的极值；接着采用基于前景与背景的分水岭分割算法来进行分割。用MATLAB仿真，结果说明此算法能很好的实现分割的效果，后续更复杂的合并处理并不需要进行，就可以得到更好的分割效果。【关键词】图像分割；小波变换；数字形态学1.引言图像分割是按照一定的规则把图像划分成有一些明显的支付目标性质的

2、区域。一些提取的图像经过进一步的分析和处理所得到的图像分割结果是图像理解和图像特征提取的基础。聚焦图像分割和对图像分割中的数字图像处理技术进行研究可以进行随后的图像分析，用来确定用较少的数据来高级别处理，同时也保留了图像在不同的图像分割地区也有其他名称，如物体轮廓技术指标检测技术门槛目标跟踪技术，这些技术本身或它的核心实际上是图像分割［1］。2.基于小波变换与数学形态学相结合的图像分割算法直接在原图像的梯度图像上运用传统的分水岭算法进行分割图像，会造成严重的过分分割问题，而这是我们不情愿看到的结果。为了抑制过分分割，减少分割后的

3、小区域，可以在分水岭分割后，合并过多无意的小区域［2］,但是合并准则的选择和确定一般比较困难，合并算法比较复杂，计算量大，为了避免这些复杂的合并处理，在分水岭分割之前,可以对图像进行综合的预处理，减少噪声和细密纹理对分割的影响。实际上有意义的分割需要满足下面四个条件［3］：—、区域不能太小即区域内要包含一定数量的像素；二、一个图像需要分成个数极少的几个区域；三、区域与区域间的公共边界尽量要平滑简单；四、同一区域内的象素要具有相似的或一致的性质。根据上面四个要求，文中研究了一种结合小波变换和数学形态学的分水岭算法，此算法的主要思想

4、是用小波变换法，接着再利用形态学中的开闭重建运算，来删除梯度图像中因为噪声引起与灰度非规则扰动的局部的极值；接着采用基于前景与背景的分水岭分割算法来进行分割。此方法基本包含四个主要的算法：一、小波去噪，二、形态学开闭重建滤波，三、标记提取，四、分水岭分割。3•实验结果及仿真首先求出原始图像对应的灰度图像，再得到膨胀后的图像，膨胀是根据结构元素对图像补集进行填充，因而它表示对图像外部滤波处理。还需要得到腐蚀后的图像，腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。图1是利用结构元素对图像做闭运算，可以填

5、充目标内部狭窄的裂缝和长细的窄沟，消去小的孔洞。图2是开运算可以用来分解图像，抽取图像中有意义且独立的图像元。由图3,4对比可知开闭重建运算比开闭运算更有效的去除图像中的微小噪声和细密纹理，而且保留了目标的轮廓特征。4.结论通过实验分析可以得到下面的结论：文中研究了一种基于小波变换与分水岭变换的图像分割方法，此方法中，需要在分割之前对图像先小波变换来去噪，再求其梯度图像，并进行形态学的重建，标记前景和背景等预处理，这样可以有效的减少图像的细密纹理和噪声，并可以减小过分割区域和积水盆的数量，最后得到的分割结果具有精确连续的边缘与相

6、当完整的轮廓，得到的区域闭合性较好，就不需要对分割后的图像再进行复杂合并处理，也可以获得有意义的分割，这种方法课有效的解决了传统算法中存在的对细密纹理和噪声过度敏感、过分割等问题，有效地避免了分割后处理。参考文献[1]陈武凡•小波分析及其在图像处理中的应用[M].北京：科学出版社，2002：45-49.[1]王鑫，罗斌，宁晨•一种基于小波和分水岭算法的图像分割方法[J].计算机技术与发展，2006,16(1)：17-22.[2]崔屹.图像处理与分析一数学形态学方法及应用[M].北京：科学出版社，2002：75-78.