基于改进分水岭算法的粘连物体图像分割

：本文分析了分水岭算法应用在图像分割时存在的缺陷：对噪声和微弱边缘过于敏感；对其容易造成图像过分割(即生成多余的区域)的特点进行改善，进而提出了改进的分水岭算法。该算法首先使用传统分水岭算法原理对粘连物体图像进行粗略分割，然后通过模糊C 均值聚类算法对过分割的图像进行聚类合并，完成精细分割。本文的实验结果证明：本方法不仅对粘连物体图像进行了有效地分割，而且克服了分水岭算法的过分割问题。

在图像分析和处理中，图像分割是一个重要的研究方向，它是许多后续处理的基础，如道路识别、视频编码、人脸检测和跟踪、医疗图像以及图像目标物体的计数等。在农业、医学、工业、科研等应用领域， 颗粒是种常见的分析测量对象，通过统计样品内所含 颗粒的数目和各种特征参数，对其品质或特性进行分析[1,2]。

所谓图像分割，就是把图像分成若干各具特性区域的技术和过程，并使这些区域互不相交，且每个区域应满足特定区域的一致性条件[3,4]。

它是图像处理的基础和重要环节，分割效果对之后的图像分析和识别 Copyright © 2013 Hanspub 33