分水嶺算法及其應用

在做物的農業生產中，病害是影響做物產量的重要因素。所以，農做物生長過程當中病害的防治就成了一個關鍵問題。近些年來，計算機圖像處理以及模式識別理論有了很大的發展，使得在計算機上對做物病害進行智能化診斷成爲了可能。圖像分割做爲一個關鍵的階段，其效果直接影響着後期的特徵提取和病害識別，所以，準確無誤地分割出病害葉片上的病斑是相當重要的。

近年來，分水嶺圖像分割方法因其在處理圖像分割問題時表現出的良好性能而成爲圖像分割領域的研究熱點之一。分水嶺算法分割精度高，算法簡單易實現，而且能產生單像素寬度的連續邊界，使得分水嶺算法獲得了極其普遍的應用。因爲分水嶺算法的這種特色，和其餘分割算法相比，它的分割結果一般更加穩定。

可是，分水嶺算法也有其不足的地方。因爲其精確性，容易對噪聲敏感從而產生「過度割」現象，即分割區域被劃分的太細，使得分割結果失去了實用價值。針對這個問題，能夠經過預處理來下降圖像的噪聲，這在必定程度上能夠減小過度割的區域。目前常見的消除過度割的方法有兩種：標記控制和區域合併。區域合併因爲其計算量較大，須要對過度割的結果按照合併規則進行掃描合併，所以並不可取。標記控制的方法在圖像上提取前景標記和背景標記，前景標記標識着目標，背景標識則表示背景區域。經過這種方法，一副圖像被劃分爲若干幅小圖像，每一副小圖像由背景區域表示，其內部含有惟一的一個前景標識。而後針對每一個小區域採用分水嶺算法，最終獲得分割的結果。

本文采用黃瓜病害葉片爲例，探討基於標記的分水嶺算法在做物病害葉片圖像分割中的應用。研究發現，直接採用基於標記的分水嶺算法對黃瓜葉片進行分割，沒法獲得滿意的結果。爲了提升黃瓜病害葉片圖像分割的準確性，採用了一種改進的基於標記的分水嶺圖像分割算法。標記選取的準確性，直接影響到分水嶺算法的分割效果，本文對前景標記和背景標記的提取方法進行改進。針對前景標記，對其進行過濾從而消除僞標記；針對背景標記，爲了保證圖像邊緣信息的完整性，直接在原圖上進行背景標記的提取。採用改進後的方法對黃瓜葉片進行圖像分割，可以取得滿意的結果。考慮到日光條件下拍攝的黃瓜病害葉片都具備複雜的背景，這些複雜背景每每會使得常見的分割方法失效。爲了解決這個問題，本文進一步提出了一種針對複雜背景的方案。該方案經過多重形態學變換來消除大部分背景，而後消除圖像的邊緣部分，最後再採用基於標記的分水嶺算法進行圖像分割。採用該方法對具備複雜背景的黃瓜病害葉片圖像進行分割，也取得了良好的效果。