基于分水岭算法和最小生成树的分布均匀性评估方法技术

本发明专利技术提供一种基于分水岭算法和最小生成树的分布均匀性评估方法，对图像进行灰度处理与中值滤波；使用OTSU大津法进行二值化处理；进行形态学运算，得到特征标记图像；利用分水岭算法进行分割；计算分割后的图像中分割区域的质心及质心距离组成的邻接矩阵；利用Prim算法，计算最小生成树；基于最小生成树分析图像中颗粒或斑点的分布均匀性。本发明专利技术提供的方法对图像的干扰、噪声等无效信息进行过滤，为分水岭算法的提供了标记来源，避免了颗粒或斑点尺寸不一致时产生的误分割以及噪声造成的过分割现象；基于分水岭算法的分割更好表征颗粒或斑点之间以及颗粒或斑点与整体分布之间的关系；利用Prim算法获得最小生成树，时间复杂度低，效率高，对分布均匀性的评估更准确。

【技术实现步骤摘要】
基于分水岭算法和最小生成树的分布均匀性评估方法
本专利技术涉及一种分布图像均匀性评估方法，特别地涉及一种基于分水岭算法和最小生成树的分布均匀性评估算法，可用于包括微纳米颗粒分布、金相分析、缺陷检测分布及细胞生物形态分布的均匀性评估分析。
技术介绍
均匀性分析是图像分析和金相检测等分布检测手段的重要环节，它是研究图像中目标物体在整体区域上分布的均匀程度的一个指标。通过将这些分布图像中的目标物体转变或定义为二值化的连通区域，或者是质心坐标信息，可以准确分析分布的均匀性和均匀度。图像均匀性评估通常作为对图像中目标物分散效果的评估手段而存在的，其分析的结果直接影响到后续分析工作的进行。主流的均匀性分析，大多是建立在将图像中的目标物体定义为质心点或者质心区域而进行的。主流的图像均匀性评估方法有：网格计数法，克里斯琴森对喷灌均匀度提出了一个用均匀系数来描述喷灌水量的均匀性的方法，其公式给予不同的物理意义，具体做法是将图像均匀分割，计算每个网格的计数，或者观察随机视域进行定量计算。截距法是对待分析的图像拍摄多张照片，利用网格模板，对颗粒的间距进行测定。面积法与网格计数法相似，求出均匀网格内或随机视域内颗粒的面积分数；区域法，即voronoi图法，将分布图中的每个目标物体定义为二维空间的一个点，在任意两个相邻点之间做垂直平分线，可将图像分割为多个区域，每个区域中包含一个目标。通过分析这些区域的变长，面积等信息，对均匀度进行评估。这些评估分析方法，由于并没有考虑实际目标物体的大小，因而在简化处理时，其分割容易切割到实际目标物体，造成无效的区域划分，且由于大多数方法，都只考虑了局部区域的目标数目与均匀度之间的关系，并没有深入研究目标之间的距离这一核心指标对均匀度分析的重要性，因此，这些方法的准确性不高。
技术实现思路
针对现有技术中存在的不足，本专利技术的目的在于提出一种分布均匀性评估方法，既能够保证图像分割的准确性，且时间复杂度低，效率高，对分布均匀性的评估更准确。图论中的最小生成树算法，是在一个给定的无向图中，以顶点和顶点之间的连线为加权的边，寻找最短路径的方法。在图像分布中，顶点即为基于分水岭划分后包含目标物的多边形区域的质心，而加权的边则为各质心之间的距离，通过计算最小生成树算法，可以寻找到不同顶点所代表的不同目标之间距离的最短路径。该最短路径遍历了分布图像中的所有颗粒或斑点，因此可以有效的表征目标之间的距离和目标与整体分布之间的关系。基于分水岭算法和最小生成树的分布均匀性评估算法，其最小生成树使用Prim算法，将分水岭算法对图像分割后得到的区域质心作为Prim算法中的顶点，将各区域质心之间的距离，作为Prim算法中的边的子集。质心距离的大小，则为Prim算法中边的权重，通过对这些距离进行重排，寻找到可以遍历所有颗粒或斑点的最短路径，并根据其路径的值，对分布均匀性进行评估。该方法能够保证对目标物的图像分割的准确性，且时间复杂度低，效率高，对分布均匀性的评估更准确。Prim算法为最小生成树的算法之一，Prim算法最早是由罗伯特·普里姆发现的(PrimRC.Shortestconnectionnetworksandsomegeneralizations[J].Bellsystemtechnicaljournal,1957,36(6):1389-1401)。该方法作为贪心算法的一种，其计算的效率和时间复杂度都要远远优于其他评估方法。由于基于分水岭算法(MeyerF,BeucherS.Morphologicalsegmentation[J].Journalofvisualcommunicationandimagerepresentation,1990,1(1):21-46.)在对图像进行分割时，考虑了实际目标物体的大小对分割的影响，因此Prim算法在计算分布图像中目标之间的最短路径时更加接近实际的情况。因此，如何将分水岭算法对图像的分割，以及对分布图像中目标所属区域的质心的计算，与Prim算法中对这些距离的加权结合起来，以及如何将这两者结合后计算出的结果应用于对图像分布的均匀性评估，即成为需要我们解决的问题。本专利技术的技术方案是：先对原始图像进行灰度处理，并进行中值滤波，消除噪点和干扰信息，得到滤波后的图像；在此基础上，用OTSU大津法进行处理，获得初步标记的图像；接着使用分水岭算法，对图像进行分割；然后，计算分割后生成的多个区域的质心以及它们之间的质心距离；在此基础上，使用Prim算法，对每个质心相连的距离矩阵重新选取和排列，按照权值的大小，将所有的顶点，即代表目标物的多边形质心的点加入进来，生成最短路径的最小生成树；通过分析最小生成树的边的长度均值，标准差和变异系数，以及边值与完美分布时最小生成树的边的长度的比值，对分布均匀性进行评估。本专利技术提供一种基于分水岭算法和最小生成树的分布均匀性评估方法，包括以下步骤：(1)对图像进行灰度处理，并进行中值滤波，得到滤波后的图像；(2)对滤波后的图像使用OTSU大津法，得到二值化图像；(3)对二值化处理进行形态学运算，得到特征标记图像；(4)利用分水岭算法对特征标记图像进行变换，得到分割后的图像；(5)计算分割后的图像中不同分割区域的质心及质心距离组成的邻接矩阵；(6)利用Prim算法，获得最小生成树；(7)基于最小生成树分析图像中颗粒或斑点的分布均匀性。本专利技术提供的基于分水岭算法和最小生成树的分布均匀性评估方法，采用的形态学运算及二值化处理，能够将图像中无效的信息过滤掉，不会使其影响到分水岭分割的效果，因此为后面最小生成树算法的分析提供了准确的邻接矩阵信息和顶点信息。利用中值滤波及形态学处理，对图像的杂质和噪点进行过滤，为分水岭算法的分割提供了标记来源，避免了颗粒或斑点尺寸不一时产生的误分割，以及噪声造成的过分割现象。本专利技术提供的基于分水岭算法和最小生成树的分布均匀性评估方法，基于分水岭算法的分割，计算得到各个分割区域的质心坐标和质心距离组成的邻接矩阵，可以较好的表征颗粒或斑点之间的位置距离关系，以及颗粒或斑点与整体分布之间的关系。邻接矩阵是一个固有说法，即某个点与其他点之间的距离组成的矩阵，该矩阵包含所有点与点的位置信息和质心距离数据。采用的分水岭算法，可适用于颗粒或斑点尺寸相差较大的情况，其分割区域的面积大小，分割区域质心之间的距离，可以较好的表征原始颗粒或斑点自身的尺寸大小，以及颗粒或斑点之间分布的距离和位置，从而避免了现有技术中的分布均匀性评估方法没有考虑实际目标物体的大小，在简化处理时，其分割容易切割到实际目标物体，造成无效的区域划分的问题，因而保证对目标物的图像分割的准确性，对分布均匀性的评估更准确。进一步地，步骤(1)中的中值滤波包括以下步骤：(11)选择sobel算子，对灰度处理后的图像进行水平和垂直方向的滤波；(12)计算模值。进一步地，步骤(3)中的形态学运算包括以下步骤；(31)将二值化后的图像中连通域的孔洞的填补起来；(32)对二值化图像中边界处的像素，进行删除操作；(33)明显小于颗粒或斑点特征尺寸的分割区域。进一步地，步骤(4)中的分水岭变换算法，是以二值化图像中像素点的欧拉距离作为判断标准。进一步地，步骤(5)中的计算分割区域的质心及质心距离组成本文档来自技高网...

【技术保护点】
一种基于分水岭算法和最小生成树的分布均匀性评估方法，其特征在于，包括以下步骤：(1)对图像进行灰度处理，并进行中值滤波，得到滤波后的图像；(2)对所述滤波后的图像使用OTSU大津法，得到二值化图像；(3)对所述二值化处理进行形态学运算，得到特征标记图像；(4)利用分水岭算法对所述特征标记图像进行变换，得到分割后的图像；(5)计算所述分割后的图像中分割区域的质心及质心距离组成的邻接矩阵；(6)利用Prim算法，获得最小生成树；(7)基于最小生成树分析图像中颗粒或斑点的分布均匀性。

【技术特征摘要】
1.一种基于分水岭算法和最小生成树的分布均匀性评估方法，其特征在于，包括以下步骤：(1)对图像进行灰度处理，并进行中值滤波，得到滤波后的图像；(2)对所述滤波后的图像使用OTSU大津法，得到二值化图像；(3)对所述二值化处理进行形态学运算，得到特征标记图像；(4)利用分水岭算法对所述特征标记图像进行变换，得到分割后的图像；(5)计算所述分割后的图像中分割区域的质心及质心距离组成的邻接矩阵；(6)利用Prim算法，获得最小生成树；(7)基于最小生成树分析图像中颗粒或斑点的分布均匀性；其中，步骤(6)中的利用Prim算法，获得最小生成树的方法包括以下步骤：(61)获取质心距离组成的邻接矩阵中的边的信息，将边的大小作为权重重新排序；(62)按照权重从小到大开始提取边的信息，并将边的顶点收入新的点集中，确保每次提取的边都为最小权重的边；(63)检查新的点集与分水岭分割后计算获得的质心点集之间的关系，当新的点集与质心点集完全相同，且这些边没有重复计算，顶点没有重复时，获得最小生成树，所述最小生成树是指遍历所有颗粒或斑点但不为环的最短路径；步骤(7)中的基于最小生成树分析图像中颗粒或斑点的分布均匀性，包含以下步骤：(71)计算最小生成树的平均路径长度以及标准差，从而计算最小生成树的变异系数值，作为评估分布均匀性的稳定性的指标，所述变异系数为所述平均路径长度与所述标准差的比值。2.根据权利要求1所述的基于分水岭算法和最小生成树的分布均匀性评估方法，其特征在于，步骤(1)中的中值滤波包括以下步骤：(11)选择sobel算子，对灰度处理后的图像进行水平和垂直方向的滤波；(12)计算模值。3.根据权利要求1所述的基于分水岭算法和最小生成树的分布均匀性评估方法，其特征在于，步骤(3)...

【专利技术属性】
技术研发人员：熊振华，袁鑫，盛鑫军，朱向阳，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31