本申请提供了一种粘连目标物的分割方法及装置、处理器以及电子设备，通过确定目标二值图像，对目标二值图像进行加权欧式距离变换，得到灰度图像；对灰度图像进行灰度值处理，得到目标灰度图像，其中，灰度值处理为将灰度图像中的所有像素点对应的灰度值乘以
【技术实现步骤摘要】
粘连目标物的分割方法及装置、处理器以及电子设备
[0001]本申请涉及粘连目标物分割领域，具体而言，涉及一种粘连目标物的分割方法及装置、处理器以及电子设备。
技术介绍
[0002]相关技术中，传统分水岭算法是一种基于数学形态学的图像分割算法，其主要应用于梯度图像。分水岭算法原理可通过对一个高低起伏的地貌图从下向上注水进行阐述。首先将梯度图像认为是一个高低起伏的地貌图，其存在盆地和山谷。随后，在所有盆地的最低点位置开始注水，这些积水盆地形成集水区。当任意两个不同的集水区开始合并时，出现了分水岭线。最后，这些分水岭线将梯度图像划分为几个不同的区域。传统的分水岭算法在医学领域得到了广泛地应用，适合于类似圆形的粘连细胞的分割与计数。当粘连目标物的纵横比较大时，传统的分水岭分割方法不仅不能实现分割任务，而且往往容易产生过分割的现象。
[0003]图1展示了基于深度学习语义分割的结果，它是一个二值图像。从图1可以看出两个类似于椭圆形状的物体粘连一起，它们有较高的横纵比，传统的分水岭分割方法不仅不能实现分割任务，而且往往容易产生过分割的现象。
[0004]关于相关技术中存在的上述问题，还未提出有效的解决手段。
技术实现思路
[0005]本申请的主要目的在于提供一种粘连目标物的分割方法及装置、处理器以及电子设备，以解决相关技术中对包含较高横纵比的粘连目标物的图像进行分割处理时，容易产生过分割的现象的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种粘连目标物的分割方法，包括：确定目标二值图像，对目标二值图像进行加权欧式距离变换，得到灰度图像，其中，目标二值图像中包含有至少一个粘连目标物的图像；对灰度图像进行灰度值处理，得到目标灰度图像，其中，灰度值处理为将灰度图像中的所有像素点对应的灰度值乘以
‑
1处理；依据分水岭变换算法处理目标灰度图像，以得到粘连目标物分割图像，其中，所粘连目标物分割图像中的粘连目标物的图像存在过分割情况；依据区域融合算法以及K均值聚类算法，处理粘连目标物分割图像，以得到目标分割图像，其中，在目标分割图像中不存在过分割情况。
[0007]进一步地，确定目标二值图像，包括：获取原始二值图像；通过中值滤波法处理原始二值图像，去除原始二值图像中的椒盐噪声以得到初始目标二值图像；基于四联通方法处理初始目标二值图像，以去除初始目标二值图像中大于预设阈值的噪声，得到目标二值图像。
[0008]进一步地，对目标二值图像进行加权欧式距离变换，得到灰度图像，包括：确定目标二值图像中包含的所有像素点；对每个像素点进行加权欧式距离变换，以确定每个像素点与粘连目标物的边缘之间的最短距离，并将最短距离对应的数值确定为像素点的灰度
值，以得到灰度图像。
[0009]进一步地，依据区域融合算法以及K均值聚类算法，处理粘连目标物分割图像，以得到目标分割图像，包括：确定粘连目标物分割图像中存在的多个区域图像；确定每个区域图像中包含的多个子区域图像，并确定多个子区域图像对应的多个质心，以及多个质心对应的多个质心坐标；依据多个质心坐标，识别区域图像对应的对象是粘连目标物还是非粘连目标物，并确定识别结果；依据识别结果，确定目标分割图像。
[0010]进一步地，依据多个质心坐标，识别区域图像对应的对象是粘连目标物还是非粘连目标物，并确定识别结果，包括：确定多个质心坐标中的最大横坐标值以及最小横坐标值；确定最大横坐标值与最小横坐标值之间的差值绝对值；依据差值绝对值，确定识别结果。
[0011]进一步地，依据差值绝对值，确定识别结果，包括：在差值绝对值大于等于预设阈值的情况下，确定区域图像对应的对象为粘连目标物；在差值绝对值小于预设阈值的情况下，确定区域图像对应的对象为非粘连目标物。
[0012]进一步地，在粘连目标物为两个目标物粘连在一起的情况下，依据识别结果，确定目标分割图像，包括：确定粘连目标物对应的区域图像，并通过2
‑
均值聚类算法将区域图像对应的多个子区域图像分为两组；分别控制同属于一个组别的子区域图像融合成一个目标物对应的图像；确定非粘连目标物对应的区域图像，并控制区域图像中包含的多个子区域图像融合成一个图像。
[0013]进一步地，预设阈值为目标物短轴长度对应的数值。
[0014]根据本专利技术实施例的另一方面，还提供了一种粘连目标物的分割装置，包括：第一确定单元，用于确定目标二值图像，对目标二值图像进行加权欧式距离变换，得到灰度图像，其中，目标二值图像中包含有至少一个粘连目标物的图像；第一处理单元，用于对灰度图像进行灰度值处理，得到目标灰度图像，其中，灰度值处理为将灰度图像中的所有像素点对应的灰度值乘以
‑
1处理；第二处理单元，用于依据分水岭变换算法处理目标灰度图像，以得到粘连目标物分割图像，其中，所粘连目标物分割图像中的粘连目标物的图像存在过分割情况；第三处理单元，用于依据区域融合算法以及K均值聚类算法，处理粘连目标物分割图像，以得到目标分割图像，其中，在目标分割图像中不存在过分割情况。
[0015]根据本专利技术实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的程序，其中，程序执行一种粘连目标物的分割方法。
[0016]根据本专利技术实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行一种粘连目标物的分割方法。
[0017]根据本专利技术实施例的另一方面，还提供了一种电子设备，包括：一个或多个处理器，存储器以及一个或多个程序，其中，一个或多个程序被存储在存储器中，并且被配置为由一个或多个处理器执行，一个或多个程序包括用于执行一种粘连目标物的分割方法。
[0018]在本专利技术实施例中，通过确定目标二值图像，对目标二值图像进行加权欧式距离变换，得到灰度图像，其中，目标二值图像中包含有至少一个粘连目标物的图像；对灰度图像进行灰度值处理，得到目标灰度图像，其中，灰度值处理为将灰度图像中的所有像素点对应的灰度值乘以
‑
1处理；依据分水岭变换算法处理目标灰度图像，以得到粘连目标物分割图像，其中，所粘连目标物分割图像中的粘连目标物的图像存在过分割情况；依据区域融合
算法以及K均值聚类算法，处理粘连目标物分割图像，以得到目标分割图像，其中，在目标分割图像中不存在过分割情况，达到了避免了过分割现象的目的，从而实现了提高粘连目标物的分割效率以及分割精度的技术效果，进而解决了相关技术中对包含较高横纵比的粘连目标物的图像进行分割处理时，容易产生过分割的现象的技术问题。
附图说明
[0019]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0020]图1示出了基于深度学习语义对粘连目标物进行分割的结果示意图；以及
[0021]图2是根据本申请实施例提供的一种粘连目标物的分割方法的流程图；
[0本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种粘连目标物的分割方法，其特征在于，包括：确定目标二值图像，对所述目标二值图像进行加权欧式距离变换，得到灰度图像，其中，所述目标二值图像中包含有至少一个粘连目标物的图像；对所述灰度图像进行灰度值处理，得到目标灰度图像，其中，所述灰度值处理为将所述灰度图像中的所有像素点对应的灰度值乘以
‑
1处理；依据分水岭变换算法处理所述目标灰度图像，以得到粘连目标物分割图像，其中，所粘连目标物分割图像中的所述粘连目标物的图像存在过分割情况；依据区域融合算法以及K均值聚类算法，处理所述粘连目标物分割图像，以得到目标分割图像，其中，在所述目标分割图像中不存在所述过分割情况。2.根据权利要求1所述的方法，其特征在于，确定目标二值图像，包括：获取原始二值图像；通过中值滤波法处理所述原始二值图像，去除所述原始二值图像中的椒盐噪声以得到初始目标二值图像；基于四联通方法处理所述初始目标二值图像，以去除所述初始目标二值图像中大于预设阈值的噪声，得到所述目标二值图像。3.根据权利要求1所述的方法，其特征在于，对所述目标二值图像进行加权欧式距离变换，得到灰度图像，包括：确定所述目标二值图像中包含的所有像素点；对每个所述像素点进行加权欧式距离变换，以确定每个所述像素点与所述粘连目标物的边缘之间的最短距离，并将所述最短距离对应的数值确定为所述像素点的灰度值，以得到所述灰度图像。4.根据权利要求1所述的方法，其特征在于，依据区域融合算法以及K均值聚类算法，处理所述粘连目标物分割图像，以得到目标分割图像，包括：确定所述粘连目标物分割图像中存在的多个区域图像；确定每个所述区域图像中包含的多个子区域图像，并确定多个所述子区域图像对应的多个质心，以及多个所述质心对应的多个质心坐标；依据多个所述质心坐标，识别所述区域图像对应的对象是粘连目标物还是非粘连目标物，并确定识别结果；依据所述识别结果，确定所述目标分割图像。5.根据权利要求4所述的方法，其特征在于，依据多个所述质心坐标，识别所述区域图像对应的对象是粘连目标物还是非粘连目标物，并确定识别结果，包括：确定多个所述质心坐标中的最大横坐标值以及最小横坐标值；确定所述最大横坐标值与所述最小横坐标值之间的差值绝对值；依据所述差值绝对值，确定所述识别结果。6.根据权利要...
【专利技术属性】
技术研发人员：陈轶辉，刘威，胡骏，闻继伟，邓德兵，曹斌，
申请(专利权)人：东软睿驰汽车技术沈阳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。