8.4　颗粒图像分水岭分割方法

在粘连颗粒图像处理过程中，通常颗粒物体会粘连在一起，妨碍单独颗粒特征参数的提取。这时需要一种有效的方法将互相粘连的颗粒分割开来。图像分割的结果好坏直接影响着后续图像分析的准确性，但是颗粒图像的复杂性和图像分割结果的不确定性，使得要得到一个良好的分割结果变得十分困难，因此颗粒图像分割是目前图像处理领域研究的热点和难点之一。分水岭分割方法借助地形学概念进行图像分割，分割结果为连通封闭的、单像素宽度的、位置准确的目标边界，对确定图像中目标所在的区域位置非常有利。在分水岭分割过程中，由于无法判断哪些点为合理的局部最小值点，因分水岭算法存在对噪声敏感，很容易产生过分割的问题，经常会将一个单独的目标错分割为几个目标。(https://www.daowen.com)

本节首先对图像进行数学形态化处理，在简化图像目标和增强颗粒粘连的凹点特性的基础上，将二值图像进行距离变换后变为层次分明的灰度图像，再对图像进行分水岭分割，使得粘连颗粒分离开来。针对分水岭造成的过分割问题提出了改进的算法，即利用面积阈值法来判断分割的区域是否合理，如果不合理则进行区域合并来减少过分割的区域，有效地改善了分割的结果，为后续的图像分析、特征提取打下良好的基础。