在作物的農業生產中，病害是影響作物產量的重要因素。因此，農作物生長過程中病害的防治就成了乙個關鍵問題。近些年來，計算機影象處理以及模式識別理論有了很大的發展，使得在計算機上對作物病害進行智慧型化診斷成為了可能。影象分割作為乙個關鍵的階段，其效果直接影響著後期的特徵提取和病害識別，因此，準確無誤地分割出病害葉片上的病斑是至關重要的。
近年來，分水嶺影象分割方法因其在處理影象分割問題時表現出的良好效能而成為影象分割領域的研究熱點之一。分水嶺演算法分割精度高，演算法簡單易實現，並且能產生單畫素寬度的連續邊界，使得分水嶺演算法得到了極其廣泛的應用。由於分水嶺演算法的這種特點，和其他分割演算法相比，它的分割結果通常更加穩定。
但是，分水嶺演算法也有其不足的地方。由於其精確性，容易對雜訊敏感從而產生「過分割」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，可以通過預處理來降低影象的雜訊，這在一定程度上可以減少過分割的區域。目前常見的消除過分割的方法有兩種：標記控制和區域合併。區域合併由於其計算量較大，需要對過分割的結果按照合併規則進行掃瞄合併，因此並不可取。標記控制的方法在影象上提取前景標記和背景標記，前景標記標識著目標，背景標識則表示背景區域。通過這種方法，一副影象被劃分為若干幅小影象，每一副小影象由背景區域表示，其內部含有唯一的乙個前景標識。然後針對每個小區域採用分水嶺演算法，最終得到分割的結果。
本文採用黃瓜病害葉片為例，**基於標記的分水嶺演算法在作物病害葉片影象分割中的應用。研究發現，直接採用基於標記的分水嶺演算法對黃瓜葉片進行分割，無法得到滿意的結果。為了提高黃瓜病害葉片影象分割的準確性，採用了一種改進的基於標記的分水嶺影象分割演算法。標記選取的準確性，直接影響到分水嶺演算法的分割效果，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偽標記；針對背景標記，為了保證影象邊緣資訊的完整性，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影象分割，能夠取得滿意的結果。考慮到日光條件下拍攝的黃瓜病害葉片都具有複雜的背景，這些複雜背景往往會使得常見的分割方法失效。為了解決這個問題，本文進一步提出了一種針對複雜背景的方案。該方案通過多重形態學變換來消除大部分背景，然後消除影象的邊緣部分，最後再採用基於標記的分水嶺演算法進行影象分割。採用該方法對具有複雜背景的黃瓜病害葉片影象進行分割，也取得了良好的效果。
分水嶺演算法
分水嶺變換是一種流行的影象處理演算法，用於快速將影象分割成多個同質區域。分水嶺演算法的思想是 把影象看成乙個拓撲地貌，那麼同類區域就相當於陡峭邊緣內相對平坦的盆地。分水嶺演算法通過逐步增加水位，把地貌分割成多個部分 目前比較著名的有模擬泛洪和降水 降水 水先是匯集到海拔低的地區，慢慢填充這每乙個盆地...
分水嶺演算法
在許多實際應用中，我們需要分割影象，但無法從背景影象中獲得有用資訊。分水嶺演算法在這方面往往是非常有效的。此演算法可以將影象中的邊緣轉化成 山脈 將均勻區域轉化為 山谷 這樣有助於分割目標。分水嶺演算法，是一種基於拓撲理論的數學形態學的分割方法，其基本思想是把影象看作是測地學上的拓撲地貌，影象中每一...
分水嶺分割演算法
如果影象中的目標物體是連在一起的，則分割起來會更困難，分水嶺演算法經常用於處理這類問題，通常會取得比較好的效果。分水嶺分割演算法把影象看成一副 地形圖 其中亮度比較強的地區畫素值較大，而比較暗的地區畫素比較小，通過尋找 匯水盆地 和 分水嶺界限 對影象進行分割。步驟 1.讀取影象 2.求取影象的邊界...