紫色土彩色图像的H阈值分割

发布时间：2024-03-02 09:49

　　【目的】将研究对象紫色土自然断面图像从复杂背景中分割出来,以消除复杂背景的影响,为对紫色土视觉图像进一步分析处理、识别打下基础。【方法】通过对紫色土自然断面图像统计分析,证明它的H域有良好的聚集特征,且在95%和97%置信点近似于正态分布;因此,根据正态分布确定紫色土壤自然断面的H阈值,分割紫色土壤自然断面图像。【结果】用获得的二值分割图像与原图像计算哈达玛积,分割提取出了完整的紫色土自然断面区域图像。【结论】算法分析及仿真实验显示:相对于对比算法,新的算法分割速度更快,分割提取出的紫色土自然断面图像更完整;该算法有效。

【文章页数】：10 页

【部分图文】：

图像ＨＳＶ聚集度ｅ紫色土杂质图１紫色土自然断面图像和背景杂ｄ紫色土

并给出了它关于ＨＳＶ颜色空间的聚集分析。在实际分析中，对每张图像人工提取３个１００×１００像素正常紫色土和３个１００×１００像素背景杂质图像分别在ＲＧＢ、ＨＳＶ等颜色空间，进行直方图聚集度分析。图１中为随机选取的分析范例，即１８＃图像样本（暗紫泥土属黄沙土，自然雨水淋浴＋苔藓杂草....

图像ＨＳＶ聚集度ｅ紫色土杂质背景Ｈ域直方图ｆ紫色土杂质背景ＨＳＶ聚集度图１紫色土自然断面图像和背景杂质图像ＨＳＶ颜色空间聚集度分析ｄ紫色土

并给出了它关于ＨＳＶ颜色空间的聚集分析。在实际分析中，对每张图像人工提取３个１００×１００像素正常紫色土和３个１００×１００像素背景杂质图像分别在ＲＧＢ、ＨＳＶ等颜色空间，进行直方图聚集度分析。图１中为随机选取的分析范例，即１８＃图像样本（暗紫泥土属黄沙土，自然雨水淋浴＋苔藓杂草....

图ｂ算法１分割结果图２算法１分割示例ａ原始

像素大小的区域（区域可重叠），取其中Ｈ域均值最为接近的３个区域块为紫色土样本Ｉｓａｍｐｌｅ。第２步，计算Ｉｓａｍｐｌｅ在Ｈ域的均值与方差，根据（１）～（２）式求Ｈ阈值的范围［Ｈｌｏｗｅｒ，Ｈｕｐｐｅｒ］；初始化与图像Ｉ相同大小的二值图像Ｉｂｉ。第３步，遍历图像Ｉ，在［Ｈｌｏｗｅｒ....

图２ｂ转化的二值图ｂ算法２边界识别ｃ形态学边界识别ｄ

Ｒｅｐｅａｔ｛第２步，将Ｉｂｉ与边界识别模板（图３）进行卷积，并计算其值；第３步，根据第２步的卷积值和表１规则，为Ｅｅｄｇｅ的元素赋相应的值；｝直到二值图像Ｉｂｉ被遍历。输出：边界点矩阵Ｅｅｄｇｅ。对图２ｂ进行边界识别和处理，如图４所示。ａ图２ｂ转化的二值图ｂ算法２边界识别ｃ形态....

本文编号：3916693