机器视觉算法
图像分割
图像分割是机器视觉后续处理的基础,通过分割提取图像中的目标区域,方便后续进一步分析处理。
分水岭分割算法
分水岭分割算法
传统的分水岭算法,是基于数学形态学的分割方法。其基本思想是,将2D图像视为3D地形(其中,像素的坐标=地形的位置,像素的灰度=地形的高度),每一个局部极小值及其周围区域称为集水盆地,而集水盆地的边界则称之为分水岭。
在每一个局部极小值表面刺穿一个小孔,然后把整个模型慢慢浸入水中,随着浸入的加深,每个局部极小值的影响域慢慢向外扩散,在两大集水盆处合并,这个合并点就是分水岭。
由此可知,分水岭算法分割的关键是确定分水岭,从而将图像用一组各自封闭的曲线分割成不同的区域。
在具体操作过程中,考虑到图像各区域内部像素灰度值较为接近,而相邻区域像素间的灰度差距较大。因此,可以通过图像灰度值梯度的方式,寻找灰度梯度图的分水岭,从而实现图像分割的目的。
在梯度图中:
小梯度——区域内部
大梯度——区域边界
传统分水岭算法,即为在梯度图的基础上,寻找大梯度像素所在位置,即分水岭。