...结合的田间青椒像分割算法
王磊++蔡晓旭
[摘 要]多晶体材料金相图像存在边界不连续、纹路噪声严重等不足，本文针对此问题，在图像平滑、形态学重建等预处理基础上，采用改进的分水岭变换法对图像中的晶粒进行分割，从而准确地实现了晶粒分割。
[关键词]多晶体材料；金相图像；图像分割
中图分类号：TG115.21 文献标识码：A 文章编号：1009-914X（2017）31-0115-01
一、预处理多晶体材料金相图像
图像预处理主要包括图像平滑和形态学重建两个步骤。其中，图像平滑旨在滤除金相图像中的噪声，改善图像质量。另外，除噪声外，图像中的凹点、划痕和晶粒纹理也会在图像分割过程中对晶界的识别造成干扰，通过形态学重建可有效去除干扰信息，提高分割的准确性。
第一，最常用的图像平滑方法为均值滤波、高斯滤波、维纳滤波、中值滤波和各向异性滤波等。金相图像中含有细线条和角点信息较多，通过现有滤波方法实现的图像平滑效果并不理想。因此，本文将中值滤波与PM各向异性滤波相结合，采用各向异性-中值滤波的方法来对金相图像进行平滑，在保持晶界信息完整性的基础上，有效的实现噪声去除。中值滤波的基本思想是选取合适的模板在图像中逐像素滑动，并将模板中像素的灰度值从小到大依次排列后，用中间灰度值代替模板中心像素的灰度值。其可用公式 （1） 表示，设、分别为滤波前后图像的灰度值，为图像中以点为中心，大小为的邻域模板。
各向异性扩散（AD）是基于局部梯度估计的滤波方法。AD把原始图像作为非线性扩散方程的初始值并求解该方程，对于图像的梯度变化，先利用梯度来辨别引起的原因，即是由噪声引起还是由边缘引起。若是由边缘引起，梯度变化一般较大，则应保留；若是由噪声引起，梯度变化一般较小，则应去除，这就是各向異性扩散的基本原理。设梯度算子Δ，散度算子div，u为初始图像，t为扩散时间尺度，g为扩散系数函数，L为阈值参数，则
本文所采用的改进算法，是首先对图像进行各向异性分析，求取图像的扩散系数矩阵，然后选取合适的阈值T。当扩散系数g
目前，最常用的评价滤波效果的参数为正规化均方误差 （NMSE） 和峰值信噪比 （PSNR）。通过对比可得：与传统滤波方法相比，各向异性-中值滤波算法在去噪和细节保护两方面均具有较强的能力，可在保持边界信息完整性的基础上，最大程度的滤除图像噪声（表1）。
第二，形态学重建。形态学重建就是选择合适的标记图像，并根据掩模图像的特征从峰值开始对标记图像进行重复膨胀，直至掩模图像中的主要对象的像素值不再发生变化。首先，形态学重建是针对两幅图像进行处理，在图像达到稳定状态之前重建将一直重复；其次，形态学重建是基于连通性概念的运算，而非基于结构元素，其开始于标记图像的峰值，并根据像素的连通性确定图像中对象的数目与边界。因此，形态学重建技术可忽略标记图像中的其他对象，并对标记图像中与掩模图像指定对象相一致的部分进行强调，最常见的处理为开运算重建和闭运算重建两种。重建图像可在保持晶界信息的基础上去除原图像中的干扰纹理，大大提高了图像分割的准确性。
二、准确分割图像
（一）双阈值分割法
双阈值分割法主要是选取合适的灰度阈值TG和面积阈值TA，对金相图像进行两次二值化分割处理。其主要思路是：首先，确定图像中的所有的极大值，并将该值与其周围灰度值相近的部分组成极大值区域；然后，计算各极大值区域像素与边缘像素的灰度差，并将所得灰度差与灰度阈值TG进行比较，如果所得到的灰度差大于TG，那么，就将该极大值区域灰度值置为1，其余部分置为0，这是对金相图像进行的第一次二值化阈值分割；最后，根据面积阈值TA对所得的二值图像进行进一步分割，其主要作用是将面积小于TA的极大值区域去掉，从而消除集水盆地中的杂质和空洞。
（二）脊检测
在金相图像中，大部分晶粒的边缘相互交错且极不规则，因此，利用传统的边缘检测法所得到的晶粒边缘往往是不闭合、不连续、不清晰的。但是，通过观察发现，大部分晶粒的边缘具有相似的宽度和灰度值，为提高边缘的检测效果，采用脊检测法。从数学角度分析，脊线由一系列平面上曲率最大方向的局部极大值点构成，可由Hessian矩阵的特征值求得，特征值越大，边界越明显。该算法的核心思想是首先确定一个种子点，然后以该点为圆心，r为半径画圆，在所得的圆形区域中找出一条最有可能的半径线段，并将该线段的另一端点作为新的种子点，重复上述步骤，直至脊线检测完毕。
参考文献
[1] 王大海.基于图像处理技术的金相分析研究[J].铸造技术，2014，（07）：1619-1622.
