吳叔珍，姚 青

(浙江理工大學(xué) 信息學(xué)院，浙江 杭州 310018)

基于凹點(diǎn)尋找標(biāo)記的分水嶺算法分割粘連谷粒

吳叔珍，姚 青*

(浙江理工大學(xué) 信息學(xué)院，浙江 杭州 310018)

針對(duì)標(biāo)記分水嶺算法分割粘連谷粒出現(xiàn)欠分割現(xiàn)象，提出一種基于凹點(diǎn)尋找前景標(biāo)記的分水嶺算法對(duì)谷粒進(jìn)行粘連分割。首先，對(duì)谷粒圖像進(jìn)行canny邊緣檢測(cè)，獲得谷粒的輪廓，并在低尺度下計(jì)算輪廓線的曲率來(lái)獲取候選凹點(diǎn)，通過(guò)自適應(yīng)閾值和角度去除偽凹點(diǎn)；然后，對(duì)經(jīng)過(guò)預(yù)處理的圖像進(jìn)行歐式距離變換，按照距離梯度的方向?qū)喞€進(jìn)行像素?cái)U(kuò)充，在凹點(diǎn)處加快速度，再對(duì)減去輪廓的二值圖進(jìn)行前景標(biāo)記；最后，對(duì)原二值圖應(yīng)用基于標(biāo)記的分水嶺算法進(jìn)行分割。利用手機(jī)采集5種谷物的圖像進(jìn)行粘連谷粒分割，結(jié)果表明，可獲得96.4%的谷粒計(jì)數(shù)準(zhǔn)確率。該方法可滿足于日常利用手機(jī)拍攝的谷粒圖像計(jì)數(shù)的需求。

圖像分割； 粘連谷粒； 分水嶺； 凹點(diǎn)； 標(biāo)記

在分析作物產(chǎn)量的影響因素和進(jìn)行作物優(yōu)良品種的選育過(guò)程中，往往需要對(duì)谷物進(jìn)行計(jì)數(shù)[1-3]。傳統(tǒng)的谷粒計(jì)數(shù)方法主要采用人工計(jì)數(shù)或光電計(jì)數(shù)[4-5]，這些計(jì)數(shù)方法存在效率低、準(zhǔn)確度不高、抗干擾能力弱等缺點(diǎn)。利用數(shù)字圖像處理技術(shù)對(duì)谷粒進(jìn)行計(jì)數(shù)快速、準(zhǔn)確、受外界干擾小，因此受到廣泛的關(guān)注。應(yīng)用數(shù)字圖像處理技術(shù)對(duì)谷粒計(jì)數(shù)之前，往往需要對(duì)谷粒進(jìn)行粘連分割。目前，針對(duì)不同形狀的粘連顆粒狀物體，學(xué)者們提出了不同的分割方法，主要包括基于數(shù)學(xué)形態(tài)學(xué)的分割算法[6-11]，利用凹點(diǎn)進(jìn)行分割[12-15]和分水嶺算法及其改進(jìn)算法[16-21]等?；跀?shù)學(xué)形態(tài)學(xué)的分割方法主要是利用極限腐蝕來(lái)進(jìn)行圖像分割，其缺陷是容易導(dǎo)致目標(biāo)對(duì)象變形，且其結(jié)構(gòu)元素較難確定；利用凹點(diǎn)進(jìn)行分割需要準(zhǔn)確地定位凹點(diǎn)、匹配凹點(diǎn)并對(duì)相應(yīng)的凹點(diǎn)進(jìn)行準(zhǔn)確地連線。分水嶺分割算法[16]將梯度幅值圖像看成1幅地形圖，梯度對(duì)應(yīng)于海拔高度，模擬浸水過(guò)程實(shí)現(xiàn)分割。由于傳統(tǒng)的分水嶺算法中，每個(gè)區(qū)域最小值點(diǎn)對(duì)應(yīng)1個(gè)區(qū)域，當(dāng)目標(biāo)形狀不規(guī)則或目標(biāo)粘連嚴(yán)重時(shí)，在1個(gè)區(qū)域會(huì)產(chǎn)生多個(gè)極小值點(diǎn)，容易造成過(guò)分割現(xiàn)象。為了獲得更好的粘連物體分割效果，一些學(xué)者分別研究和改進(jìn)了凹點(diǎn)分割和分水嶺分割算法，或者將2種算法結(jié)合起來(lái)。如高星[22]分別改進(jìn)了分水嶺算法和凹點(diǎn)分割算法進(jìn)行粘連大米分割，但對(duì)于較復(fù)雜的粘連情況分割效果較差；童振等[23]先應(yīng)用分水嶺算法分割粘連細(xì)胞的內(nèi)邊緣，然后由細(xì)胞的外邊界和凹頂點(diǎn)間的最短路徑來(lái)確定最終的分離曲線，在不損失細(xì)胞幾何特征的基礎(chǔ)上實(shí)現(xiàn)了粘連細(xì)胞的分割。

為了尋找多種類圓形的谷粒粘連分割方法，本文在分水嶺算法基礎(chǔ)上，提出在距離梯度方向上加強(qiáng)目標(biāo)粘連處的凹陷程度，以便獲得更有利于分割目標(biāo)的前景標(biāo)記，再進(jìn)行標(biāo)記分水嶺分割，以提高分水嶺算法對(duì)粘連谷粒分割的準(zhǔn)確率。

1 材料與方法

1.1 材料

以5種谷物為材料，分別為綠豆、紅豆、黃豆、小米、黏米。

1.2 圖像采集

根據(jù)谷粒顏色，選擇與谷粒反差較大的純色紙張放置在平臺(tái)上，將谷粒隨機(jī)撒在紙上。由于手機(jī)獲取圖像具有操作簡(jiǎn)單、成本低和便攜等優(yōu)點(diǎn)，本文使用安卓手機(jī)(像素1 300萬(wàn)，拍照環(huán)境為自然光)采集谷粒圖像。圖1為5種谷粒圖像。

圖1 手機(jī)拍攝的5種谷物圖像

1.3 凹點(diǎn)檢測(cè)

由于谷粒圖像存在粘連、光線不均勻和二值圖存在孔洞等問(wèn)題，首先對(duì)谷粒目標(biāo)進(jìn)行輪廓提取，然后在低尺度下計(jì)算曲率獲得候選的凹點(diǎn)，最后采用自適應(yīng)閾值和角度的比較去除圓角和虛假的凹點(diǎn)。

1.3.1 谷粒輪廓的提取

首先將彩色圖像灰度化，然后利用canny邊緣檢測(cè)器對(duì)谷粒邊緣進(jìn)行檢測(cè)，得到二值輪廓圖。從圖2可以看出，由于目標(biāo)表面灰度不均勻和canny邊緣檢測(cè)器本身的缺陷，在目標(biāo)內(nèi)部檢測(cè)出孔洞的邊緣，且存在斷裂邊緣，對(duì)后期處理結(jié)果可能造成不良影響。為了去除內(nèi)部錯(cuò)誤邊緣、連接斷裂邊緣，對(duì)二值輪廓圖像素進(jìn)行判斷。

從二值輪廓圖左上方第1個(gè)連通域的邊緣開始，對(duì)邊緣點(diǎn)的八連通區(qū)域進(jìn)行判斷，當(dāng)八連通區(qū)域內(nèi)的像素與該邊緣點(diǎn)的距離小于設(shè)定的閾值時(shí)，連接該像素和邊緣。由于對(duì)像素進(jìn)行掃描時(shí)，是以連通域?yàn)閱挝坏?，只?duì)最外層的邊緣進(jìn)行判斷，一般孔洞造成的虛假邊緣都位于連通域內(nèi)部，所以不對(duì)孔洞邊緣進(jìn)行判斷而將其作為非邊緣，從而去除錯(cuò)誤邊緣。連接斷裂邊緣，去除錯(cuò)誤邊緣后，獲得谷粒的輪廓(圖2)。

圖2 綠豆圖像粘連區(qū)域凹點(diǎn)檢測(cè)

1.3.2 候選凹點(diǎn)的獲取

首先，定義圖像的尺度空間L(x,y,σ)為高斯函數(shù)G(x,y,σ)與灰度圖像I(x,y)的卷積，即

L(x,y,σ)=G(x,y,σ)I(x,y)。

在低尺度空間上，對(duì)目標(biāo)輪廓計(jì)算曲率。設(shè)平面曲線坐標(biāo)表示為[x(μ),y(μ)]，μ為弧長(zhǎng)參數(shù)。曲線的曲率K[24]為：

其中：

式中：g(μ,σ)為尺度σ的高斯函數(shù)，gμ(μ,σ)，gμμ(μ,σ)分別是g(μ,σ)的一階和二階導(dǎo)數(shù)；σ為函數(shù)的寬度參數(shù)，控制了函數(shù)的對(duì)輪廓的平滑程度。獲得每個(gè)邊緣像素的曲率后，排除曲率大于0的凸點(diǎn)，取曲率極小值的點(diǎn)為候選的凹點(diǎn)。

1.3.3 去除虛假凹點(diǎn)

由于提取的目標(biāo)對(duì)象輪廓不平滑，在非粘連部分可能存在輕微的凹陷，造成虛假的凹點(diǎn)。為了去除虛假凹點(diǎn)，選取候選凹點(diǎn)前后的極值點(diǎn)A、B，先計(jì)算A、B之間像素的曲率絕對(duì)值的均值，若候選凹點(diǎn)的曲率絕對(duì)值小于中值，則將該點(diǎn)從凹點(diǎn)集排除。然后計(jì)算A、B與候選凹點(diǎn)形成的角度，剔除角度過(guò)大的凹點(diǎn)。利用上述方法對(duì)圖2中目標(biāo)輪廓提取進(jìn)行虛假凹點(diǎn)去除，結(jié)果在低尺度下計(jì)算綠豆輪廓曲率檢測(cè)凹點(diǎn)的方法可獲得較好的凹點(diǎn)定位效果，能夠滿足后續(xù)輔助尋找前景標(biāo)記的要求。

1.4 基于凹點(diǎn)尋找前景標(biāo)記的分水嶺分割

基于標(biāo)記的分水嶺算法使用一系列預(yù)定義標(biāo)記來(lái)引導(dǎo)圖像的分割，其本質(zhì)是利用先驗(yàn)知識(shí)來(lái)幫助分割。算法的關(guān)鍵在于如何獲得準(zhǔn)確的標(biāo)記圖像，即如何將前景物體與背景準(zhǔn)確地標(biāo)記出來(lái)。在1個(gè)目標(biāo)內(nèi)部存在多個(gè)極小值時(shí)可以通過(guò)合并極小值的方法來(lái)解決分水嶺的過(guò)分割；當(dāng)目標(biāo)嚴(yán)重粘連時(shí)，在粘連的多個(gè)目標(biāo)內(nèi)部?jī)H有1個(gè)極小值，此時(shí)無(wú)法很好地標(biāo)記目標(biāo)對(duì)象。本文在標(biāo)記之前先在圖像的凹點(diǎn)處對(duì)圖像處理，加深凹點(diǎn)處的凹陷程度。對(duì)提取的目標(biāo)輪廓圖像進(jìn)行像素?cái)U(kuò)充，在凹點(diǎn)所在位置加快擴(kuò)充的速度，將原二值圖像中擴(kuò)充像素的位置設(shè)置成背景，減少目標(biāo)的粘連。對(duì)處理過(guò)的二值圖尋找前景標(biāo)記，以此獲得更準(zhǔn)確的標(biāo)記。基于凹點(diǎn)尋找前景標(biāo)記的算法步驟如下。

對(duì)二值圖進(jìn)行歐式距離變換。

將凹點(diǎn)檢測(cè)提取的二值邊緣圖像Ic中的非零像素點(diǎn)Mi記為集合C，設(shè)其個(gè)數(shù)為L(zhǎng)，滿足Mi∈C，i=1，2，…，L；Gi表示Mi處距離變換圖像的值；檢測(cè)到的凹點(diǎn)Tj記為集合F，集合元素個(gè)數(shù)為W，滿足Tj∈F，j=1，2，…，W；對(duì)任意Mi∈F，標(biāo)記為1。

對(duì)任意Mi∈C，求其八連通區(qū)域A，Aki、BWki、Gki分別為Mi在k(k=0，1，2，…，7)方向上的像素點(diǎn)以及該點(diǎn)處二值圖像的值和距離變換圖像的值。

執(zhí)行下列操作：判斷BWki=0&&Gki>Gi是否為真，若為真，則往下執(zhí)行，否則k++；若Aki∈C，則往下執(zhí)行，否則，將Aki加入集合C中，L=L+1；若Mi∈F，則再次求取k方向上與Mi距離為上次距離2倍的像素，記為A2ki，重復(fù)前2步驟；判斷A2ki∈F是否為真，若為真，則往下執(zhí)行，否則，將A2ki加入集合F中，F(xiàn)=F+1。

重復(fù)執(zhí)行1次上述步驟。

記二值圖像Ib內(nèi)目標(biāo)對(duì)象的像素為集合B，O=B-C。

對(duì)集合O表示的圖像進(jìn)行歐式距離變換，取極小值作為前景標(biāo)記，對(duì)其進(jìn)行形態(tài)學(xué)變換得到方便觀察的標(biāo)記。

按照上述步驟，對(duì)綠豆粘連圖像進(jìn)行前景標(biāo)記和分割，結(jié)果見圖3。

圖3 綠豆圖像前景標(biāo)記和粘連分割

2 結(jié)果與分析

為了測(cè)試本文方法的有效性，同時(shí)與傳統(tǒng)的分水嶺方法[14]和基于標(biāo)記的分水嶺方法[25-26]進(jìn)行比較，對(duì)綠豆粘連圖像進(jìn)行分割，結(jié)果見圖4。從圖中可以看出，傳統(tǒng)分水嶺算法出現(xiàn)了嚴(yán)重的過(guò)分割現(xiàn)象；由于光照不均勻和目標(biāo)內(nèi)部存在孔洞，基于標(biāo)記的分水嶺算法將背景誤判為目標(biāo)對(duì)象，在圖像四周比較亮的區(qū)域也被認(rèn)為是目標(biāo)，并且還存在欠分割現(xiàn)象。本文方法由于前景標(biāo)記準(zhǔn)確，能夠很好地將目標(biāo)分割開，對(duì)于粘連嚴(yán)重的對(duì)象也能準(zhǔn)確分割。

為了驗(yàn)證本文方法的魯棒性，利用手機(jī)采集了5種谷物的粘連圖像，包括綠豆、紅豆、黃豆、小米和黏米。每種谷物拍攝了4幅圖，利用本文提出的分割方法對(duì)每幅圖的粘連谷粒進(jìn)行分割計(jì)數(shù)，結(jié)果見表1。從表1可以看出，本文提出的方法獲得谷粒計(jì)數(shù)準(zhǔn)確率平均為96.4%。其中，對(duì)于顆粒較大和類圓形谷粒，分割效果非常好；對(duì)形狀不規(guī)則且較小的谷粒如小米，則分割精度稍低，因?yàn)樵趯ふ野键c(diǎn)時(shí)，谷粒形狀不規(guī)則導(dǎo)致虛假的凹點(diǎn)無(wú)法去除，且在錯(cuò)誤凹點(diǎn)處加深了凹陷導(dǎo)致過(guò)分割。

圖4 利用3種不同方法對(duì)綠豆粘連圖像進(jìn)行分割

3 小結(jié)

針對(duì)運(yùn)用數(shù)字圖像處理實(shí)現(xiàn)谷粒計(jì)數(shù)中的圖像分割問(wèn)題，分析了分水嶺算法產(chǎn)生過(guò)分割和標(biāo)記分水嶺算法出現(xiàn)欠分割問(wèn)題的原因，提出了基于凹點(diǎn)尋找前景標(biāo)記的分水嶺谷粒分割方法。該方法首先利用canny算子進(jìn)行輪廓提取，連接斷裂邊緣，消除孔洞邊緣；然后在低尺度下計(jì)算曲率獲取候選凹點(diǎn)，并判斷曲率和角度大小去除虛假凹點(diǎn)，在凹點(diǎn)處進(jìn)一步加深凹陷，獲取準(zhǔn)確的前景標(biāo)記；最后運(yùn)用標(biāo)記分水嶺分割得到粘連谷粒的分割圖像，對(duì)其進(jìn)行連通域標(biāo)記并統(tǒng)計(jì)連通個(gè)數(shù)實(shí)現(xiàn)谷粒計(jì)數(shù)。

為了測(cè)試本文方法的有效性，比較了傳統(tǒng)的分水嶺方法、基于標(biāo)記的分水嶺方法和本文方法。結(jié)果表明，先對(duì)加深凹點(diǎn)處凹陷程度的二值圖提取前景標(biāo)記，再對(duì)原二值圖進(jìn)行標(biāo)記分水嶺分割的方法，可以解決傳統(tǒng)的分水嶺方法過(guò)分割和基于標(biāo)記的分水嶺方法欠分割的問(wèn)題，對(duì)粘連谷粒具有較好的分割效果。為了測(cè)試本文方法的魯棒性，對(duì)5種谷物的粘連谷粒圖像進(jìn)行分割測(cè)試，結(jié)果獲得了96.4%的谷粒計(jì)數(shù)準(zhǔn)確率，表明本方法具有較強(qiáng)的魯棒性。本文算法程序可以移植到手機(jī)中，利用手機(jī)在自然光條件下拍攝谷物圖像，即可對(duì)圖像中的谷粒進(jìn)行分割計(jì)數(shù)，該方法將具有操作簡(jiǎn)單、精度高、便攜和成本低等優(yōu)點(diǎn)，可推廣應(yīng)用于有谷粒計(jì)數(shù)需求的部門。

表1 5種谷物粘連谷粒分割計(jì)數(shù)結(jié)果

注：手機(jī)像素為1 300萬(wàn)，拍照環(huán)境為自然光。

[1] 張海燕, 焦碧嬋, 李貴全. 大豆產(chǎn)量及其相關(guān)數(shù)量性狀關(guān)系的分析[J]. 山西農(nóng)業(yè)科學(xué), 2006, 34(2): 27-29.

[2] 郭長(zhǎng)霞, 李俊獻(xiàn), 李建華, 等. 河南大豆主要數(shù)量性狀與產(chǎn)量的相關(guān)和通徑分析[J]. 大豆科技, 2013 (1): 26-28.

[3] 楊仕華, 廖琴, 胡小軍, 等. 我國(guó)常規(guī)水稻品種選育與推廣分析[J]. 中國(guó)稻米, 2009, 15(5): 1-4.

[4] 宋初蘇, 華嬌, 藍(lán)景針, 等. 轉(zhuǎn)盤斜刮式光電自動(dòng)數(shù)粒儀設(shè)計(jì)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2011, 42(11): 89-92.

[5] 宋珊珊. 花生種子自動(dòng)數(shù)粒儀的研制[D]. 保定: 河北農(nóng)業(yè)大學(xué), 2015.

[6] THIRAN J P, BECKS M O, MACQ B M M, et al. Automatic recognition of cancerous cells using mathematical morphology[C]//Visualization in Biomedical Computing 1994. International Society for Optics and Photonics, 1994: 392-401.

[7] PANCHANATHAN S. Automatic classification of cells using morphological shape in peripheral blood images [J]. Proc Spie, 2000, 4210: 290-298.

[8] 楊華東, 簡(jiǎn)淼夫. 基于灰度形態(tài)重構(gòu)的顆粒圖像分割方法[J]. 南京工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2005, 27(3): 98-102.

[9] 李毅, 謝利利, 王名福, 等. 粉體顆粒形貌特征的提取與識(shí)別技術(shù)[J]. 重慶大學(xué)學(xué)報(bào), 2000, 23(5): 67-69.

[10] 尤育賽, 于慧敏, 劉圓圓. 基于粒度測(cè)量的重疊圓形顆粒圖像分離方法[J]. 浙江大學(xué)學(xué)報(bào)(工學(xué)版), 2005, 39(7): 962-966.

[11] 周天娟, 張鐵中, 楊麗, 等. 基于數(shù)學(xué)形態(tài)學(xué)的相接觸草莓果實(shí)的分割方法及比較研究[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2007, 23(9): 164-168.

[12] 李宏輝, 郝穎明, 吳清瀟, 等. 基于凹點(diǎn)方向線的粘連藥品圖像分割方法[J]. 計(jì)算機(jī)應(yīng)用研究, 2013, 30(9): 2852-2854.

[13] 韋冬冬, 趙豫紅. 基于凹點(diǎn)匹配的重疊圖像分割算法[J]. 計(jì)算機(jī)與應(yīng)用化學(xué), 2010, 27(1): 99-102.

[14] 劉偉華, 隋青美. 基于凹點(diǎn)搜索的重疊粉體顆粒的自動(dòng)分離算法[J]. 電子測(cè)量與儀器學(xué)報(bào), 2010, 24(12): 1095-1100.

[15] 孫永, 鄭力新. 基于凹點(diǎn)搜尋的棒材計(jì)數(shù)方法研究[J]. 工礦自動(dòng)化, 2011, 37(5): 55-58.

[16] VINCENT L, SOILLE P. Watersheds in digital spaces: An efficient algorithm based on immersion simulations [J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 1991, 13(6): 583-598.

[17] 肖助明, 馮月亮, 李濤, 等. 形態(tài)分水嶺算法在重疊米粒圖像分割中的應(yīng)用[J]. 計(jì)算機(jī)工程與應(yīng)用, 2007, 43(24): 196-199.

[18] 楊蜀秦, 何東健, 寧紀(jì)鋒. 一種基于分水嶺的連接米粒自動(dòng)分割算法[J]. 光子學(xué)報(bào), 2009, 38(10): 2728-2732.

[19] 陳婷婷, 程小平. 采用模糊形態(tài)學(xué)和形態(tài)學(xué)分水嶺算法的圖像分割[J]. 西南大學(xué)學(xué)報(bào)(自然科學(xué)版), 2008, 30(3): 142-145.

[20] 高麗, 楊樹元, 李海強(qiáng). 一種基于標(biāo)記的分水嶺圖像分割新算法[J]. 中國(guó)圖象圖形學(xué)報(bào), 2007, 12(6): 1025-1032.

[21] LI D, ZHANG G, WU Z, et al. An edge embedded marker-based watershed algorithm for high spatial resolution remote sensing image segmentation [J]. IEEE Transactions on Image Processing, 2010, 19(10): 2781-2787.

[22] 高星. 基于標(biāo)記分水嶺和凹點(diǎn)的粘連大米圖像分割技術(shù)研究[D]. 鄭州: 河南工業(yè)大學(xué), 2015.

[23] 童振, 蒲立新, 董方杰. 基于改進(jìn)分水嶺算法和凹點(diǎn)搜索的乳腺癌粘連細(xì)胞分割[J]. 生物醫(yī)學(xué)工程學(xué)雜志, 2013 (4): 692-696.

[24] HE X C, YUNG N H C. Curvature scale space corner detector with adaptive threshold and dynamic region of support[C]//ICPR '04 Proceedings of the Pattern Recognition, 17th International Conference on (ICPR'04). Washington: IEEE Computer Society, 2004: 791-794.

[25] AUDIGIER R, LOTUFO R. Uniquely-determined thinning of the tie-zone watershed based on label frequency [J]. Journal of Mathematical Imaging and Vision, 2007, 27(2): 157-173.

[26] 陳潔, 胡永, 劉澤國(guó). 基于標(biāo)記的分水嶺圖像分割算法研究[J]. 軟件, 2012, 33(9): 115-117.

(責(zé)任編輯：侯春曉)

2017-05-11

國(guó)家863計(jì)劃項(xiàng)目(2013AA102402)；浙江理工大學(xué)521人才培養(yǎng)計(jì)劃

吳叔珍(1996—)女，江西上饒人，本科生，研究方向?yàn)閳D像處理，E-mail: wsue1996@163.com。

姚 青(1974—)，女，江蘇沭陽(yáng)人，教授，博士，研究方向?yàn)閳D像處理，E-mail: q-yao@zstu.edu.cn。

10.16178/j.issn.0528-9017.20170833

TP751.1

A

0528-9017(2017)08-1401-05

文獻(xiàn)著錄格式：吳叔珍，姚青. 基于凹點(diǎn)尋找標(biāo)記的分水嶺算法分割粘連谷粒[J].浙江農(nóng)業(yè)科學(xué)，2017，58(8)：1401-1405.