滩羊胴体眼肌切面图像处理及分级特征值的提取

为获得高质量滩羊胴体眼肌切面图像,采集图像用工业摄像机,并对样本图像分割算法进行研究。首先预处理样本图像,3×3模板中值滤波器去除干扰,采用加权平均值灰度化,用自动选择最优分割值OTSU算法去除复杂背景;再对其进行二值化,通过区域逐步分割对目标区域进行粗提取,通过区域标记和形态学处理进行有效眼肌区域的精确提取;最后对有效眼肌区域面积、背膘厚度进行计算。结果表明,图像处理算法具有较好的分割效果和计算效果。     

基于像素分割的改进分形图像压缩算法

提出了一个类似于图像块分割的快速分形编码算法．首先,利用像素抽样的方式将图像重新组合成新的块区域,选择其中的一个块区域作为模板,然后对模板区域进行分形图像压缩编码．再利用块区域之间的相似性,对其余的块区域进行编码．实验结果表明,本算法在解码图像的质量略有下降的情况下,大大缩短了编码的时间．     

基于改进OTSU的纸带孔型缺陷检测

提出了一种用于测量纸带孔型的视觉测量算法。算法首先将差因素引入传统分割算法,提出一种改进的最大类间分割算法。其次,对阈值化后的二值图像进行特定区域分块处理,并进行面积统计和边缘定位。最后,将传统的最大类间差法得出面积和边界数据与改进的最大类间差法得出的数据比较。实验结果：结果表明改进算法,分割更加准确有效,提取图像信息更完整能较好地完成对纸带孔型的缺陷检测。     

基于平滑滤波和分水岭算法的重组织织物图像分割

针对带有重组织的织物图像特点,提出了一种根据纱线颜色进行图像分割的方法。首先将织物图像转化为Lab颜色模式,采用混合中值滤波算法滤除扫描噪声;其次通过设置色差容许值改变高斯权值的平滑滤波算法进行滤波,去除织物图像中的重组织阴影和同颜色纱线纹理,保留纱线颜色特征;然后提取织物图像的色差梯度,通过分水岭算法进行图像分割,获得区域标记图像;最后将颜色相近的分割区域进行合并,得到织物图像的分色索引图像。实验结果表明,提出的算法可以对重织物图像进行较为准确地分割。     

类圆形区域的分割与统计分析

为了对类圆形区域进行统计分析,文章以彩色粘连药片图像为例,提出并分析了一种类圆形图像的分割与统计分析方法。首先,在预处理后,选择合适的图像分割算法,去除阴影噪声的影响,完整分割出类圆形区域是关键;其次,使用数学形态学处理算法,平滑图像边界和分割后的毛刺;最后,连通域标记并计数。实验结果表明,文章方法准确率更高。文末还分析了算法的一些应用领域。本研究可为其他相关研究提供参考。     

基于Criminisi算法的非周期性印花织物缺陷检测

由于非周期印花织物颜色多变、花型复杂、印花缺陷纹理及背景纹理之间对比度低,导致织物缺陷不易被识别,因此给出一种Criminisi算法。首先,采用频率谐调(frequency-tuned,FT)显著性算法对印花织物缺陷图像进行显著性增强,突出缺陷的边缘轮廓;其次,利用大津阈值法对显著图进行二值化处理,并将得到的二值图作为图像修复时的Mask掩码图;最后,运用Criminisi算法对原印花织物缺陷图像进行修复,将修复的印花图像减去原印花缺陷图像,获得缺陷区域。实验结果表明,该方法能准确分割出非周期性印花织物的缺陷区域,如漏墨、污渍等,且检测准确率达97.39%。同时,实验过程中不涉及参数的调节。     

基于最大熵快速迭代算法和边缘算子的织物疵点分割

将信息熵引入图像处理中,把疵点图像分为背景和目标两部分,分别对两个区域进行处理;通过求最大熵值的快速迭代算法,在满足信息熵最大要求的前提下对织物疵点区域进行分割,然后利用Canny边缘检测算子对分割后的疵点图像进行边缘检测,从而达到识别织物疵点的目的。仿真实验结果表明,将最大熵快速迭代算法与边缘算子结合进行疵点分割识别的方法是有效的。     

基于Mean Shift的织物图像分割算法

首先介绍了Mean Shift算法的处理过程,然后以处理织物图像分割为研究对象,将扩展形式的Mean shift算法用于解决织物图像分割问题。新提出的织物图像分割算法包括2个步骤:Mean Shift图像滤波和Mean Shift图像分割,并介绍了各自的原理。分割效果有3个关键参数控制:空域带宽、色度域带宽和最小区域限制。实验结果给出了3个参数的影响和选取分析,最后给出该织物图像分割算法与原CAD处理效果比较图,表明该算法具有可行性、有效性和鲁棒性。     

基于最大类间方差的图像分割算法研究

图像分割算法是当前计算机图像处理的难点之一,由于图像区域内部像素的灰度变化相似度高,而在图像边界上的像素变化不连续。为了将图像分割成不同的区域,实验分析了最大熵阈值分割法和迭代式阈值分割法原理,并在此基础上对比研究了最大类间方差法。实验结果表明:最大类间方差法的峰值信噪比最大,均方根误差,图像分割效果最好。     

解析CT图像中边缘病变的二维肺野分割

肺野分割的准确度在胸腔CT图像中的作用十分关键,传统的计算方法存在有不合理之处。为此,提出了一种新的分割算法。     

区域最大分割算法在色域边界描述中的应用

在基于样本测量值的基础上,为快速描述出设备的色域边界,拟合得到不同色相面的边界曲线,采用区域均匀分割算法,测量样本的L*a*b*值后,对CIE L*a*b*均匀颜色空间进行区域均匀分割,并对其中的空集区域插值,最后利用存储的色域边界描述矩阵中的点集信息拟合出边界曲线。插值后,矩阵点集信息更加完整,描述的色域边界连续性和平滑性增强。该算法在计算精度上可以实现色域剖面边界描述,经插值后,等色相面的边界拟合效果更好。     

基于JSEG算法的纺织品印花图像分割

 针对机器视觉对纺织品印花精度的检测问题,提出了利用JSEG算法对印花的纺织品图像进行分割。主要通过对图像的滤波,颜色的矢量化和区域的增长与合并,完成图像区域的分割。通过实验给出了颜色量化阈值和区域合并阈值对图像分割的影响以及选取的方法,最终给出该算法对印花纺织品图像的分割效果图,表明该算法利用颜色信息和区域信息,对包含纹理信息的彩色印花图像有良好的分割效果,并且对由日光引起的一些干扰有一定的抑制作用。     

基于图像处理的稻米垩白自动检测研究

应用大津算法自动选取分割阈值,对稻米图像进行两次分割,分别得到籽粒和垩白区域的二值图像,再根据区域内部象素的连通性,将不同区域赋予不同的标记,计算出籽粒和垩白粒数,以及二者对应的面积(象素)。研究结果表明,该算法的自动检测结果与人工检测相关性大于90%,可用于稻米垩白粒率和垩白度的自动检测。     

基于DSP的视频快速特征匹配跟踪算法研究

以TMS320C6418芯片(DSP)为主体,设计了一套视频模板匹配跟踪设备,实现一种稳定快速跟踪复杂背景下目标的算法。算法通过边缘增强、统计分割等去除背景影响,分割出具有特征目标图像信息,再进行模板图像快速特征匹配。本文提出的算法对传统的匹配算法进行了改进,不仅提升了匹配算法的运算速度,还增强了目标跟踪稳定性。     

基于图像显著性区域提取的垩白米检测

垩白度是衡量优质大米品质的重要指标,随着农业检测自动化发展,利用机器视觉准确检测大米垩白度对大米生产加工具有重要意义。针对现有算法在分割垩白区域时存在抗干扰能力弱、稳定性差以及准确度低等问题,本文提出了一种基于图像显著性区域提取的垩白区域提取算法。利用大米垩白区域图像显著性的特点,对图像特征变化边缘进行提取,计算出边缘像素点个数以及边缘的总像素值,从而计算出边缘像素的平均值作为该区域的阈值。最后,利用计算得到的阈值对该区域进行分割,分割出整张图片的垩白区域,并计算出大米的垩白度。实验结果表明,该算法识别准确率为96.76%,相较于传统的OTSU算法检测准确率平均提高了 26.87%,相较于改进的OTSU算法检测准确率平均提高了 7.26%。     

基于视觉注意的图像感兴趣区域分割算法

为了更好地对浅景图像和简单背景图像进行分析和处理,进而改善图像的质量和效果,在Itti注意力模型算法的基础上,提出了基于视觉注意的阂值分割算法.该算法主要通过对像素属性的分析提取图像的感兴趣部分,根据像素点与均值的偏离程度对图像进行增强,利用感知学原理使HSI颜色空间所成图像更符合人的视觉要求.实验结果表明,该方法符合生物学的视觉注意机制,在自动检测感兴趣区域时,可以有效减少过分分割,也能较好地提取出较大的感兴趣区域.     

提高双目视觉立体匹配精度的一种方法

针对基于相位的立体匹配算法无法得到相位真实值而导致匹配精度不高的问题,提出了一种将格雷码与相位移结合的匹配方法.该方法采用Otsu法寻找最佳分割阈值,实现了格雷码边界的精确分割,并采用高斯滤波对正弦光栅图像进行滤波.实验结果表明,该方法可以计算出较高精度的绝对相位值,提高匹配精度,获得较好的测量结果.     

基于Halcon的苹果品质视觉检测试验研究

基于视觉检测平台和Halcon开发环境进行苹果典型品质检测试验,采集图像并处理。提取感兴趣区域,找出包含苹果的区域,用动态阈值分割的方法提取苹果的轮廓,并计算轮廓面积,以该面积来评定苹果的大小。对苹果的腐烂这一典型缺陷进行试验,用阈值分割的方法完成图像分割,不同灰度值显示为不同的颜色,据此将缺陷部分显示出来。颜色特征的检测是依据RGB颜色模型,采用模板匹配的方法,选取好的区域创建匹配模板,进行参数设置,并根据标准颜色的R分量设定合适的阈值作为合格苹果的颜色。该试验完成了水果轮廓的提取及面积的计算,实现了苹果部分区域的缺陷检测以及苹果颜色的检测。采用Halcon和机器视觉的方法对苹果品质的大小、缺陷、颜色检测能取得较好的效果。     

自动点卤槟榔图像识别方法研究

针对机器对槟榔点卤出现漏点或者点空的情况,提出了一种基于H分量的图像分割方法来识别槟榔。将采集到的RGB彩色图像进行伽马增强再转换至HSV颜色空间,分离HSV颜色空间得H通道图像,再对H分量图像进行Otsu图像分割处理,结合图像形态学和区域生长法去除二值图像中出现的孔洞和小连通区域,最后通过绘制矩形框操作对识别出的槟榔进行标注。结果表明,该方法能完整地将槟榔从背景中分割出,且不会出现过度分割或者分割不足的问题。     

改进频率调谐显著算法在疵点图像分割中的应用

为提高织物疵点分割精度,提出了一种用于织物疵点图像分割的改进频率调谐显著（FT）算法。首先,利用织物疵点和背景区域透光率的不同,将光源和相机分别置于织物两侧来获取图像,提高疵点区域对比度;其次,应用非局部均值滤波器（NLM）替代FT 算法中的高斯滤波器,增强对背景纹理的平滑和降噪能力;研究发现NLM滤波器中滤波参数对疵点分割精度影响较大,提出了基于平均最大类间方差的参数优化方法;然后,将改进FT 算法应用于疵点图像预处理,进一步提高疵点对比度;最后,使用最大类间方差法对疵点显著图进行分割。对2 种不同织物疵点图像的分割实验结果表明,使用改进FT 算法对粗经、竹节、结头、断纬、油污和破洞等常见疵点图像进行预处理,可显著提高疵点分割精度。