分水岭算法及其应用

在做物的农业生产中，病害是影响做物产量的重要因素。所以，农做物生长过程当中病害的防治就成了一个关键问题。近些年来，计算机图像处理以及模式识别理论有了很大的发展，使得在计算机上对做物病害进行智能化诊断成为了可能。图像分割做为一个关键的阶段，其效果直接影响着后期的特征提取和病害识别，所以，准确无误地分割出病害叶片上的病斑是相当重要的。

近年来，分水岭图像分割方法因其在处理图像分割问题时表现出的良好性能而成为图像分割领域的研究热点之一。分水岭算法分割精度高，算法简单易实现，而且能产生单像素宽度的连续边界，使得分水岭算法获得了极其普遍的应用。因为分水岭算法的这种特色，和其余分割算法相比，它的分割结果一般更加稳定。

可是，分水岭算法也有其不足的地方。因为其精确性，容易对噪声敏感从而产生“过度割”现象，即分割区域被划分的太细，使得分割结果失去了实用价值。针对这个问题，能够经过预处理来下降图像的噪声，这在必定程度上能够减小过度割的区域。目前常见的消除过度割的方法有两种：标记控制和区域合并。区域合并因为其计算量较大，须要对过度割的结果按照合并规则进行扫描合并，所以并不可取。标记控制的方法在图像上提取前景标记和背景标记，前景标记标识着目标，背景标识则表示背景区域。经过这种方法，一副图像被划分为若干幅小图像，每一副小图像由背景区域表示，其内部含有惟一的一个前景标识。而后针对每一个小区域采用分水岭算法，最终获得分割的结果。

本文采用黄瓜病害叶片为例，探讨基于标记的分水岭算法在做物病害叶片图像分割中的应用。研究发现，直接采用基于标记的分水岭算法对黄瓜叶片进行分割，没法获得满意的结果。为了提升黄瓜病害叶片图像分割的准确性，采用了一种改进的基于标记的分水岭图像分割算法。标记选取的准确性，直接影响到分水岭算法的分割效果，本文对前景标记和背景标记的提取方法进行改进。针对前景标记，对其进行过滤从而消除伪标记；针对背景标记，为了保证图像边缘信息的完整性，直接在原图上进行背景标记的提取。采用改进后的方法对黄瓜叶片进行图像分割，可以取得满意的结果。考虑到日光条件下拍摄的黄瓜病害叶片都具备复杂的背景，这些复杂背景每每会使得常见的分割方法失效。为了解决这个问题，本文进一步提出了一种针对复杂背景的方案。该方案经过多重形态学变换来消除大部分背景，而后消除图像的边缘部分，最后再采用基于标记的分水岭算法进行图像分割。采用该方法对具备复杂背景的黄瓜病害叶片图像进行分割，也取得了良好的效果。