中北大学2014届本科毕业论文
好的将与阴影同侧的轮廓线凸显出来了。但同时，前景其他部分内容随同阴影一同被去除了，如图2.11所示。
图2.11 黄瓜图像二次分割后的图像
观察图2.11，前景中丢失的内容肯定是在聚类的过程中，同阴影部分聚类在一起了。为此，需要将这部分内容与阴影部分进行区分。由阴影区域的性质可知，其区域较为光滑，像素较为一致，波动小。而黄瓜表明则相对粗糙，像素值波动较大。基于这一区别，利用梯度算子来将两部分区分开来，如图2.12所示，已经对其进行了膨胀，腐蚀等处理，其中白色部分是梯度值大于所设定的梯度阈值的部分，黑色反之。
图2.12 梯度化操作后的图像
观察黄瓜图像分割后的图像和图2.12，可以发现若将两幅图像进行逻辑与操作，则可以大致得到图2.11所丢失的那部分前景内容（注意，不完全是丢失的那部分），再将与操作后的图像与图2.11进行或操作，则可以将阴影部分给去除了，如图2.13所示。
- 12 -
中北大学2014届本科毕业论文
黄瓜 茄子 图2.14 含阴影的蔬菜图像分割后的图像
2.4 实验结果与分析
观察图2.9可以发现花菜图像聚类后边缘存在着很多的噪声，针对这种情况，考虑将具有封闭外层轮廓的蔬菜图像的背景去除算法与K-Means聚类算法结合起来。因为，若直接对图像进行外层轮廓跟踪，则可能因为边界部分像素与背景像素差异不大，导致不能得到一封闭的外层轮廓。通过聚类后的图像，虽然存在噪声，但图像边缘很好得凸显出来了。图2.14为所以蔬菜图像背景去除后的图像。
(a1) 花菜原图像 (a2) 花菜分割后图像 (b1) 西红柿原图像
(b2) 西红柿分割后图像 - 13 -
中北大学2014届本科毕业论文
(c1) 黄瓜原图像 (c2) 黄瓜分割后图像 (d1) 萝卜原图像 (d2) 萝卜分割后图像 (e1) 菠菜原图像 (e2) 菠菜分割后图像 (f1) 韭菜原图像 (f2) 韭菜分割后图像 - 14 -
中北大学2014届本科毕业论文
(g1) 芹菜原图像 (g2) 芹菜分割后图像 (h1) 青菜原图像 (h2) 青菜分割后图像 (i1) 包菜原图像 (i2) 包菜分割后图像 图2.14 各类蔬菜分割图像
2.5 本章小结
图像预处理是后续特征提取工作的前提，其中图像分割是图像预处理阶段高级的层面，其实质就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。本设计分割的目的是将图像的前景部分从图像中分割出来。由于图像背景简单，光照均匀，使用两种方法对图像进行分割：一、具有封闭外层轮廓的蔬菜图像的背景去除算法，二、K-Means聚类算法。实验结果证实了两种方法分割图像的有效性，获得了满意的结果。
虽然，利用两种算法对本设计采集的图像分割效果良好，但这两种方法也有局限性： 第一、外层边缘跟踪算法仅仅对边缘部分像素值与背景像素值差别较大的情况，对于差
- 15 -
中北大学2014届本科毕业论文
别较小的情况，往往不能起到很好的分割效果。因此它仅作为一种辅助算法。 第二、K-Means聚类算法是本设计分割过程中的主要算法，对本设计所采集的图像中95%
以上的图像能起到很好的分割效果。但由于本设计所采集的图像大部分是在光照较均匀的情况下拍摄的，若图像的光照不均匀（即带阴影的图像）则不能起到好的分割效果，还需对阴影做进一步处理。
- 16 -