自適應區域生長算法在彩色年輪圖像分割中的應用

文/朱琪 吳娟

1 引言

圖1：自適應的區域生長算法過程

區域生長算法[1]是一種圖像分割技術。基本方法是依據一定的準則，將圖像中具有相似屬性的像素點加以合并，逐漸構成統一的區域。其對圖像噪聲有很好的抑制作用，并且能夠獲得清晰的區域信息和分割結果，廣泛應用與圖像處理中。本區域生長算法根據彩色年輪的特點，結合區域信息和空間信息，對圖像進行分水嶺算法預處理后，自適應的對圖像中斷裂的區域進行修補，達到了保持原圖像信息完整，獲得清晰的分割區域的目的。

2 年輪圖像

年輪圖像是由早材和晚材組成的。早材又稱春材或心材，是由樹木在生長季節形成的色澤較淺，材質松軟的部分；晚材又稱秋材，是由樹木進入生長季節晚期，氣候變冷，細胞分裂速度減緩并逐漸停止，色澤較深，材質致密，堅硬的部分。年輪圖像很好的記錄了樹木所在地的氣候和環境的狀況，對研究溫室氣體排放對氣候的影響，水文氣候變化過程及其特點、太陽黑子的變化規律等方面都有很好的參考價值。年輪由于在生長過程中受外部環境因素的影響以及樣本采集過程中的損傷、樣本節疤等因素的影響，使預處理后的圖像分割結果出現斷裂的現象，本文通過自適應的區域生長算法來解決這一問題。

3 自適應的區域生長算法

通過分水嶺算法[2]對原始圖像進行預處理，在分割結果中，部分區域出現了斷裂的現象，本文的區域生長算法是在其基礎上進行進一步的處理。

3.1 確定斷裂區域

S為分水嶺算法處理后的得出的區域， P為區域S的邊界像素點，Pxman為區域S中X軸方向的最大值邊界點，Pyman為區域S中Y軸方向的最大值邊界點；

若S像素點無法同時滿足公式（1）和公式（2），則說明區域S為斷裂區域。

3.2 修補斷裂區域

S1、S2為未出現斷裂的兩個區域，P1為區域S1的邊界像素點，P1xman為區域S1中X軸方向的最大值邊界點，像素點為（P1xman，P1y），P1yman為區域S1中Y軸方向的最大值邊界點；像素點為（P1x，P1yman）。

則區域S1兩邊界點中心點的坐標為(Ms1X,Ms1Y)

區域S2兩邊界點中心點的坐標為(Ms2X,Ms2Y)

則兩中心點滿足方程：

則髓心坐標為（Ax，Ay）

若X=0時，Y＞0 根據公式（5），可求出髓心坐標值

若Y=0時，X＞0 根據公式（5），可求出髓心坐標值

LMIN為區域S1到髓心的最短距離

LMAX為區域S1到髓心的最長距離

若不屬于任何區域的像素點P到髓心的距離為Lp

若p點滿足公式（6），則為生長點，將其賦予紅色。

4 實驗和結果分析

以下為圖像處理描述（圖1）。

自適應的區域生長算法在彩色年輪圖像分割共分為3步：

（1）用分水嶺算法對圖像進行預處理，得到區域信息，這些信息包括完整的晚材區域，也包括出現斷裂的晚材區域。

（2）應用本文自適應的區域生長算法首先將區域標記為完整區域，和斷裂區域，再求出髓心坐標，根據本算法完成斷裂區域的修補。

（3）將出現斷裂的區域合并成一個完整的區域。

圖2：圖像處理結果

圖3：其他算法處理結果

圖2(a)為原始圖像，圖2(b)為分水嶺算法的對原始圖像進行處理后的結果，圖3為應用canny算法[3]、高斯拉普拉斯算法[4]處理的圖像。從圖2可以看出，本算法可以精確的找到出現斷裂的區域，并完成對斷裂區域的修補，結果達到了預期目的。

5 小結

采用自適應的區域生長算法對圖像出現斷裂的部分進行修補，充分利用圖像的區域信息、空間信息，結合年輪晚材本身的特點，可有效修補年輪晚材中出現節疤的部分，為后續處理打下良好的基礎。