8.3.2 数学形态学滤波器的设计
结合上节中分析的各种数学形态学运算的优点与缺陷，本节提出一种新的数学形态学滤波器来对粘连颗粒图像进行优化。其示意图如图8.21所示。
图8.21 一种新的数学形态学滤波器示意图
由于数学形态学处理中的算法速度都比较快，因此在该滤波器中对二值图像进行两次开运算，可以更好地消除小的杂质物体，使物体边缘那些突出的不规则部分变得圆滑。再用1×1圆形结构元素进行闭运算，可以消除像素直径不大于2μm 小孔洞，并且可以保持“伪”孔洞的形状不变。考虑到圆形结构因素腐蚀能力强，菱形结构能更好地保持物体形状的特性，用4×4圆形结构因素对图像进行腐蚀，用3×3菱形结构因素在腐蚀后的图像上进行膨胀，并重复2次相同的处理。该方法比单独利用2×2的菱形或圆形结构元素直接对图像进行一次腐蚀的效果要好，更能保持物体的基本形状。图8.22是利用该滤波器对本节所采用的粘连玉米颗粒二值图像进行优化处理的结果。(https://www.daowen.com)
图8.22 数学形态学滤波后的二值图像
(a)原二值图像；(b)滤波后的二值图像
从图像中可以看出数学形态学滤波器可以滤掉图像中的一些小颗粒物与物体边缘不圆滑的部分，同时减少颗粒物体粘连处互相接触的点。该优化结果让类圆性颗粒物体粘连处的凹形特征更加明显，可以在一定程度上抑制分水岭分割过程中的“伪”极小值，有效避免将互相粘连处单独分割成一个细长的长方形。
