Введение. Сегментация изображения может быть определена, как разбиение его на различные области, каждый из которых обладает определенными свойствами

Сегментация изображения может быть определена, как разбиение его на различные области, каждый из которых обладает определенными свойствами. Однородность таких критериев, как однотонность распределения уровня серого, как правило, используется для группировки пикселей в области.[3] Тем не менее, число полученных областей может быть слишком велико, и большинство из них, вероятно, незначимы, так что необходимо уменьшить общее количество областей.

Водораздел – это разработанный в последние годы алгоритм сегментации изображений, основанный на математической морфологии[1] и привлекший большое внимание из-за быстроты вычислений и высокой точности обнаружения слабых границ соседних областей. Однако классический алгоритм водораздела чувствителен к шумам и может приводить к серьезной чрезмерной сегментации. В этой статье мы предлагаем сегментацию в рамках математической морфологии фильтров открытия/закрытия и принципа Вебера[9] и обсуждаем способ для снижения чрезмерной сегментации.

Применение этого метода сегментации изображений эффективно преодолевает проблему чрезмерной сегментации и дает удовлетворительные результаты. Верный результат сегментирования очень полезен для анализа изображений, прогнозирования и диагностики.

Алгоритм водораздела

Метод водораздела, также называемый преобразованием водораздела – это основанный на областях метод математической морфологии. В географии, водораздел – это хребет, который делит области различных речных систем. Рассматривая изображения, как геологический ландшафт, можно сказать, что линии водораздела - это границы, разделяющие участки изображений. В топографическом представлении изображения I, численные значения (например, уровни серого) каждого пикселя выступают в качестве высоты этой точки. Преобразование водораздела вычисляет водосборные бассейны и линии хребтов, при том что водосборные бассейны - соответствующие области изображения, а линии хребтов – это границы этих областей. Основной проблемой данного алгоритма является чрезмерная сегментация, поскольку все границы и шумы отображаются в градиенте, что делает необходимым процесс удаления шума. (Винсент, Соли, 1991) (См. рис.1)

Рисунок 1. a)исходное изображение b)сегментированное изображение без предварительной обработки

Первый этап удаления шума в начальном изображении состоит в применении морфологических операций закрытия/раскрытия, затем вычисляется морфологический градиент изображения без шума и выполняется нелинейное преобразование для уровней серого на градиенте изображения при помощи принципа Вебера, последний этап – вычисление водораздела по нелинейному, разбитому на области, градиентному изображению.

Дата добавления: 2014-01-04