基于MATLAB 的粘连小球球径提取方法

对来源于某生物学电子实验室的小球制取实验的小球,运用MATLAB软件对其进行图像处理,以获得其尺寸参数,为后续的血红蛋白分析实验提供基础,涉及到图像增强、图像形态学、分水岭算法等。针对小球之间的粘连现象,设计一种改进的分水岭算法,即首先将二值化后的图像进行距离变换,然后根据形态学开重构运算的定义对距离变换图进行形态学开重构运算,这样可以消除微小波动,并保留原有形态。最后用标准分水岭算法对图像进行分割重构。实验结果表明,该方法能够有效防止过分割现象。     

基于数学形态学的棒材自动计数方法

针对图像中棒材存在粘连,从而造成误计数的问题,研究了一种基于数学形态学的棒材自动计数方案,以实现对棒材实时、精确的计数.该方案针对棒材类计数无需考虑被测物体截面真实形状的特点,将每根棒材处理成单个像素,避免了粘连对计数的影响.为有效克服光照、噪声的干扰以及棒材快速运动造成的图像模糊,该方案首先对采集到的原始棒材图像进行预处理,然后采用腐蚀、细化算法初步实现了棒材粘连的分离,最后采用收缩与检测直线端点算法,实现了单个像素点与原始图像棒材的一一对应,为后续计数奠定了基础.实验证明,该方法不仅能够保证棒材自动计数的精度,并且为棒材定支数包装创造了条件.     

基于数学形态学的医学图像分割方法研究

文章介绍了医学图像处理中的医学图像分割的有关概念和数学形态学进行图像分析的基本步骤,重点论述了几种医学图像分割方法和基于数学形态学的分水岭分割算法,并给出了该算法的优点。     

基于变结构元素的复杂图像分割方法

数学形态学是图像处理和分析的一种有效方法.用数学形态学的方法对图像分析的关键是恰当地选取结构元素.构造结构元素的许多方法被提出,适用于不同图像的形态学算法已经被广泛运用.传统的多结构形态学方法处理纹理简单图像时效果很好,但对于纹理复杂的图像时,分割效果并不理想.为了解决多结构元素的不足,构造了变结构元素,并提出了基于变结构元素的具有选择性的腐蚀算子和膨胀算子.通过实验表明:该方法可以剔除复杂图像的毛刺和不规则的斑点,保留图像边缘细节,取得较好的图像分割效果.     

粘连颗粒分割方法研究

颗粒图像的分割中,经常遇到颗粒粘连、重叠在一起的现象,需要将它们分离为单个颗粒目标。本文提出了一种基于灰度形态学重建的图像分割新算法,实验结果表明,该算法既能更有效地分割粘连颗粒,其应用于图像处理也有着较好的应用前景。     

基于小波变换和形态学分水岭的血细胞图像分割

医学图像处理提取细胞中使用分水岭方法时,容易产生过分割现象且对噪声的干扰极为敏感,为了解决此缺点,提出一种基于小波变换和形态学分水岭的细胞图像分割新方法。首先采用小波变换多分辨率分析对图像进行分解,选取合适的小波基和改进去噪阈值函数对图像进行小波去噪,然后对去噪后小波重构的细胞图像应用数学形态学距离变换、灰度重建等技术产生的区域标记进行分水岭变换,最终得到分割结果。实验结果表明,该算法能稳定、准确地提取细胞和实现粘连细胞的自动分割,同时具有很好的鲁棒性和普适性。     

数学形态学在图像分割中的应用研究

本文以数学形态学基本运算的介绍为基础,阐述了图像处理中常见的一些数学形态学方面的应用,其中有形态学图像重建、形态学图像滤波和形态学图像梯度。最后介绍了一种基于形态学的图像分割算法—分水岭算法,并以基于标记的分水岭分割算法为例,研究了形态学运算在图像分割前的预处理步骤和图像分割中帮助提取标记的作用,由此证明了数学形态学运算是图像处理领域中的一种有效方法和手段。     

基于VC的棒材自动计数方法的研究与应用

本文提出了一种利用图像技术实现棒材的自动计数的方法，该方法以Visual C 6.0为开发平台，实现了对棒材端面图像分割，然后对分割得到的二值图像实施形态学运算，使粘连部分彼此分离，最后通过8－邻域标注计数。     

粘连血细胞图像分离计数算法的实现

目前相关文献中提出的分割算法很多,但都没有一种通用的图像分割算法。不论采用何种分割算法,其分割结果图像中总会存在一些细胞粘连的现象,因而影响到细胞的分析。本文利用数学形态学中的腐蚀运算对二值细胞区域进行层层剥离,然后根据剥离结果判断是否找到了细胞中心点,并对中心点进行适当的修正,解决了因细胞粘连或噪声等原因造成中心点的增加(减少),进而完成细胞的计数统计。文中主要叙述了算法的设计思想及实现,程序运行结果表明,基于vc++.net的算法设计是有效的。     

图像边缘分割算法的优化研究与仿真

研究图像边缘分割问题,提高分割的准确性.针对图像中物体像素与其边缘像素容易发生像素粘连,粘连部分由于发生像素灰度混合,造成像素差异极小,传统的基于灰度的边缘检测算法由于不能很好的区分粘连部分的灰度差异,不能完整检测图像边缘的问题.提出了一种离散余弦变换(DCT)和数学形态学边缘分割算法.通过对提取过的特征图像在同一尺度下用多个结构元素分别对图像进行边缘分割,经过合成得到多尺度多结构元素形态学检测的边缘图像,摆脱分割算法对像素灰度的依赖.仿真结果表明:方法具有较好的抗干扰性和定位准确性,分割的边缘更为完整准确,取得了令人满意的效果.