全 文 ：第 wu卷 第 v期
u s s y年 v 月
林 业 科 学
≥≤Œ∞‘׌„ ≥Œ∂ „∞ ≥Œ‘Œ≤„∞
∂²¯1wu o‘²1v
¤µqou s s y
基于分水岭算法的木材缺陷边缘检测 3
王国柱t 周海宾u 李文彬t 撒 潮t
kt1 北京林业大学 北京 tsss{v ~ u1 中国林业科学研究院木材工业研究所 北京 tsss|tl
关键词 } 分水岭算法 ~木材缺陷 ~边缘检测 ~过度分割
中图分类号 }≥z{t1x 文献标识码 }„ 文章编号 }tsst p zw{{kussylsv p sttt p sx
收稿日期 }ussw p ts p u| ∀
基金项目 }木材表面缺陷计算机视觉检测 ) ) ) 教育部/ utt0工程 !振兴行动计划资助 ∀
3 周海宾为通讯作者 ∀
Ωοοδ ∆εφεχτ Εδγε ∆ετεχτιον Βασεδ ον Ωατερσηεδ Αλγοριτηµ
• ¤±ªŠ∏²½«∏t «²∏‹¤¬¥¬±u ¬• ±¨¥¬±t ≥¤ ≤«¤²t
kt1 Βειϕινγ Φορεστρψ Υνιϖερσιτψ Βειϕινγ tsss{v ~ u1 Ρεσεαρχη Ινστιτυτε οφ Ωοοδ ΙνδυστρψoΧΑΦ Βειϕινγ tsss|tl
Αβστραχτ } ׫¨ ³¤³¨µ©¬µ¶·§¨¶¦µ¬¥¨¶·«¨ º¤·¨µ¶«¨§¤¯ª²µ¬·«°¤±§¶²¯√¨ ¶·«¨ ³µ²¥¯ °¨ ²©·«¨ ²√¨ µp¶¨ª°¨ ±·¤·¬²±©µ²°·«¨ º¤·¨µ¶«¨§
¤¯ª²µ¬·«° ¥¼ ∏¶¬±ª·«¨ °¤µ® º¤·¨µ¶«¨§·µ¤±¶©²µ°~·«¨ ± º²²§§¨©¨¦·¬°¤ª¨ ¬¶·µ¨¤·¨§ º¬·«¤¯ª²µ¬·«°~©¬±¤¯ ¼¯ ·«¨ ¦²°³¤µ¬¶²± ¬¶
°¤§¨ ¥¨·º¨ ±¨·«¨ ²µ¬ª¬±¤¯ ¬°¤ª¨ ¤±§·«¨ §¨ª¨ ¬°¤ª¨ §¨·¨¦·¨§q׫¨ µ¨¶∏¯·¶«²º¨ §·«¤··«¨ º²²§§¨©¨¦·¬°¤ª¨ ¦²∏¯§¥¨ ¶¨ª°¨ ±·¨§
º¬·«·«¨ °¤µ®p¦²±·µ²¯¯¨ §º¤·¨µ¶«¨§·«¬¶¤¯ª²µ¬·«° ¤±§·«¨ §¨©¨¦·¨ §ª¨ ¬°¤ª¨ ¥¨ ¬¨¤¦·¯¼ §¨·¨¦·¨§q ²µ¨²√¨ µo·«¨ ·µ¨¤·°¨ ±·¤¯¶²
³µ²√¬§¨§·«¨ ¦²±√¨ ±¬¨±¦¨ ©²µ·«¨ ©²¯ ²¯º¬±ª·µ¨¤·°¨ ±·¶∏¦«¤¶³¤·¨µ± µ¨¦²ª±¬·¬²±q
Κεψ ωορδσ} º¤·¨µ¶«¨§¤¯ª²µ¬·«°~º²²§§¨©¨¦·¶~ §¨ª¨ §¨·¨¦·¬²±~²√¨ µp¶¨ª°¨ ±·¤·¬²±
获取边缘图像的一种典型方法是利用梯度算法作用于图像 o然后对得到的梯度图像做阈值处理 o从而得
到二值边缘图像 ∀这种方法的缺点是很难选取适当的阈值 ∀如果阈值选得太低 o不但会产生假的边缘 o而且
得到的边缘很厚 o必须做细化处理 o而细化后的边缘位置往往不是很精确 ~如果阈值取得太高 o许多边缘可能
检测不到 o或边缘出现过多的断裂部分 ∀
分水岭算法k…¨ ∏¦«¨µετ αλqot||vl是一种自适应二值化有关的流域分割算法 o它不是简单地将图像在最
佳灰度级进行阈值处理 o而是从一个偏低但仍然能正确分割各个物体的阈值开始 o随着阈值逐渐上升到最佳
值 o使各个物体不会被合并 ∀这个方法可以解决那些由于物体靠得太近而不能用全局阈值解决的问题 ∀只
要也只有所采用最初的阈值进行分割的结果是正确的 o那么最后的分割也是正确的 ∀也就是说 o图像中每个
实际物体都有相应的边界 ∀
木材缺陷边缘检测是现代木材加工利用中不可缺少的一个环节 o边缘检测的精确性决定了木材加工的
利用率 ∀本文采用分水岭算法对木材缺陷图像进行图像分割 o旨在为木材缺陷边缘检测提供一种新思路 !新
方法 ∀
图 t 地形示意图
ƒ¬ªqt ׫¨ ·¨µµ¤¬± ³µ²©¬¯¨
t 分水岭算法
分水岭算法k崔屹 ousss ~陈小梅等 ousst ~龚天旭等 oussv ~马丽红
等 oussvl可以把图像中围绕区域极小点的像素聚类为许多小的区
域 ∀设想一个拓扑图形表面 o如果一滴水滴入这个表面 o在重力的作
用下 o它会沿最陡峭的路径到达某一极小点 ∀在整个拓扑表面上 o沿
各自最陡峭路径注入同一个局部极小点或全局极小点的所有点的集
合就构成了一个蓄水盆 k图 tl o而划分相邻蓄水盆的地带则成为分
水岭 ∀由于分水岭变换把输入图像中的对象与极小点标记相关联 o
其中的山脊线对应于对象的边界 o因此对图像实施分水岭变换可以
把图像分割成各个对象区域 ∀
分水岭算法以形态学梯度k或其他梯度l的极小点作为溢流的标记点 ∀由于原始信号中的噪声或一些微
小的灰值起伏波动 o在梯度图像中可能存在许多假的极小值 o造成过度分割k崔屹 ousss ~王伟凝 ousstl ∀图 u
是经过闭开滤波后的缺陷图像 o直接经过分水岭算法处理后得到图 v ∀从图 v能够看出过度分割造成缺陷
很难辨别 o这会给缺陷图像的边缘检测带来困难 ∀
即使对梯度图像做过平滑处理 o存在的极小点集往往会多于原始图像中物体的数目 ∀因此 o在流域处理
过程中 o相应的标记点可以利用其他的预处理方法获得 o而不是直接应用梯度图像中的极小点 ∀事实上 o建
立标记点的过程可以交互地完成 ∀虽然标记点集可能是梯度极小点集的一个子集 o但并不要求必须满足这
一点 ∀一旦这些标记点被标记出来后 o便可以进行流域算法 ∀
图 u 闭开滤波后的图像形态学梯度
ƒ¬ªqu ׫¨ ªµ¤§¬¨±·¤©·¨µ¦¯²¶¬±ª2²³¨ ±¬±ª
图 v 分水岭算法处理结果图
ƒ¬ªqv ׫¨ µ¨¶∏¯·º¬·« º¤·¨µ¶«¨ §¤µ¬·«°¨ ·¬¦©¬¯·¨µ
根据以上思路 o构造一个标记控制分水岭算法k王伟凝 ousst ~²«±ot|||l o具体过程如下 ∀
首先把某形态学梯度图像ª看作一地形学流域 o假设 Ωιkªl表示流域ª在高度为 ι处的新的集水盆地的
一个截面 o则有 }
Ωιntkªl € ΙΖΖιnt Γ Μ≈ Ωιkªl  ktl
对上式进行迭代运算 o开始时 Ωp tkªl € Μo其中 Μ为 ι n t高度的极小区域 ∀经过迭代运算后分水线
∆Λkªl为 }
∆Λkªl € ΩΧΝkªl kul
同时有 Ν€ ¤¬kªl
从标记控制分水岭算法中可看出 o标记集的构造是否适当 o直接影响图像分割的效果 o标志点集为二值
图像 o可分为内标志k目标标志l !外标志k背景标志l o作为溢流的起始点和边界k图 wl ∀
图 w 标志集和流域
ƒ¬ªqw ׫¨ °¤µ®¨µ¶¨·¤±§¥¤¶¬±¶
2 二值数学形态学的基本运算
二值形态学中运算对象是集合 o一般设 Α为图像集合 o
Β为结构元素 o数学形态学运算就是用 Β对 Α进行操作
k崔屹 ousss ~王伟凝 ousstl ∀对于每个结构元素 o我们指定
一个原点 o作为结构元素参与形态学运算的参考点 ∀
u1t 二值腐蚀 原图 Α被结构元素 Β腐蚀记为 ΑÂ Β o定
义为 }
Α Â Β € ¾Ξ Β Ξ n Β < ΑÀ kvl
上式表明腐蚀运算由将 Β平移 Ξ o但仍然包含在 Α内
的所有点 Ξ组成 ∀
u1u 二值膨胀 原图 Α被结构元素 Β膨胀记为 ΑÀ Β o它的定义为 }
Α À Β € Ψ¾Β n Ξ oΞ Ι ΑÀ kwl
上式表明将结构元素 Β对图像 Α的所有像素做平移 o然后对平移得到的结果做并运算 o便可得到膨胀
运算的结果 ∀即膨胀运算可以通过相对结构元素的所有点平移输入图像 o然后计算并集得到 ∀
utt 林 业 科 学 wu卷
u1v 二值闭
Α# Β € kΑ À kp Βll  kp Βl kxl
如图 x所示 o闭运算沿图像的外边缘填充 o磨光了凸向图像内部的尖角 ∀还可以填平小沟 o弥合孔洞和
裂缝 ∀图 x为闭运算的示意图 ∀
u1w 二值开
Α ο Β € kΑ  Βl À Β kyl
开运算具有反扩张性 }Αο ΒΑ Αo即开运算的结果总是包含在原图像中 ∀开运算还可以等价表示为 }
Α ο Β € Ψ¾Β n ξ oξ n Β Ι ΑÀ kzl
图 x 闭运算
ƒ¬ªqx ׫¨ ¦¯²¶¬±ª²³¨µ¤·¬²±
式kzl表明 o开运算可以通过计
算所有可以填入图像内部的结构元
素平移的并求得 ∀即对每一个可填
入位置做标记 o计算结构元素平移到
每一个标记位置时的并 o便可得到开
运算结果 ∀如图 y所示 o在结构元素
为圆盘时 o开运算沿图像内边缘填
充 o磨光内边缘 o使目标轮廓光滑 o并
去掉了毛刺和孤立点 o可以起到低通
滤波的效果 ∀
图 y 开运算
ƒ¬ªqy ׫¨ ²³¨ ±¬±ª²³¨µ¤·¬²±
3 缺陷边缘检测
在对缺陷k死节l图像分割前 o首先要进行构造
标志集 ∀将选取形态滤波后的缺陷图像进行反相
处理k图 zl ∀将形态滤波后的缺陷反相图像利用直
方图选取一定的阈值进行二值化k图 {l ∀二值化后
的图像先后通过式kxl !式kzl运算处理 o以平滑缺
陷图像 o消除噪声干扰k图 |l ∀采取一个较大k Ρ €
txl的结构元素对其进行式kvl腐蚀运算 o得到内标
记k图 tsl ∀将滤波后的二值图像用一个 Ρ € us的结构元素对其进行式kwl膨胀运算后 o求出其形态学梯度
得到外标记k图 ttl ∀最后将内标记和外标记合并为标记点集k图 tul ∀
图 z 板材反相图像
ƒ¬ªqz ׫¨ µ¨√ µ¨¶¨ ¬°¤ª¨ ²©·«¨ ∏¯°¥¨µ
图 { 对板材反相图像二值化处理
ƒ¬ªq{ ׫¨ ¥¬±¤µ¼¬°¤ª¨
标志集构造完成后 o接着以标志集点作为溢流的起始点对板材形态学梯度图像修筑堤坝 o得到结果即缺
陷边缘图像 ∀图 tv为以图 tu的标记点集控制溢流对形态学梯度图像进行分水岭算法得到的边缘图像 o由
图看出 o边缘准确 !闭合 o取得了良好的效果 ∀图 tw为原缺陷图像与边缘图像k黑线部分l的合并图像 o可以
看得出原缺陷边缘和检测出的边缘图像非常吻合 ∀
vtt 第 v期 王国柱等 }基于分水岭算法的木材缺陷边缘检测
图 | 对图 y闭开滤波处理
ƒ¬ªq| ׫¨ ¦¯²¶¬±ª2²³¨ ±¬±ª©¬¯·¨µ¬±ª²©·«¨ ©¬ªqy
图 ts 内标记
ƒ¬ªqts ׫¨ ¬±±¨ µ°¤µ®¨µ
图 tt 外标记
ƒ¬ªqtt ׫¨ ¬¨·¨µ±¤¯ °¤µ®¨µ
图 tu 标记点集
ƒ¬ªqtu ׫¨ ¶¨·²©·«¨ °¤µ®¨µ¶
图 tv 缺陷边缘图像
ƒ¬ªqtv ׫¨ §¨ª¨ ¬°¤ª¨ ²©·«¨ §¨©¨¦·
图 tw 原图像与边缘图像的合并图像
ƒ¬ªqtw ׫¨ ²µª¬±¤¯ ¤±§ §¨ª¨ ¬°¤ª¨¶
采用同样的算法分别对板材缺陷中的活节和腐朽也进行了试验 o处理结果见图 tx ∀从处理结果中 o我
们能够看出活节和腐朽缺陷图像的缺陷边缘检测也同样取得了非常好的效果 ∀
4 结论
通过运用构建的标记控制分水岭算法分别对木材死节 !活节和腐朽缺陷图像进行图像分割 o取得了满意
的效果 ~能够准确检测出缺陷的边缘图像 ∀
缺陷边缘图像的准确检测也有助于后期的处理 o比如模式识别等 o它是实现木材加工过程中木材缺陷精
确定位的前提 ∀
wtt 林 业 科 学 wu卷
图 tx 其他缺陷原图像与边缘图像
ƒ¬ªqtx ׫¨ ²µ¬ª¬±¤¯ ¤±§ §¨ª¨ ¬°¤ª¨ ²©·«¨ ¬¯√¬±ª®±²·¤±§·«¨ §¨¦¤¼
¤活节 ¬√¨ ±²§¨ ~¥腐朽 ²¯§¨µq
参 考 文 献
陈小梅 o倪国强 o刘明奇 qusst q基于分水岭算法的红外图像分割方法 q光电子#激光 otuktsl }tszu p tszx
崔 屹 qusss q图像处理与分析 ) ) ) 数学形态学方法及应用 q北京 }科学出版社
龚天旭 o彭嘉雄 qussv q基于分水岭变换的彩色图像分割 q华中科技大学学报 ovtk|l }zw p zy
马丽红 o张 宇 o邓健平 qussv q基于形态开闭滤波二值标记和纹理特征合并的分水岭算法 q中国图形图像学报 o{ktl }zz p {v
王伟凝 qusst q基于数学形态学的视网膜血管图像增强 q华南理工大学硕士学位论文
…¨ ∏¦«¨µ≥ o  ¼¨¨ µƒ qt||v q / ׫¨ °²µ³«²¯²ª¬¦¤¯ ¤³³µ²¤¦«·² ¶¨ª° ±¨·¤·¬²±}·«¨ º¤·¨µ¶«¨ §·µ¤±¶©²µ°¤·¬²±0 °¤·«¨ °¤·¬¦¤¯ °²µ³«²¯²ª¼ ¬± ¬°¤ª¨ ³µ²¦¨¶¶¬±ªq ∞ •
⁄²∏ª«¨µ·¼ ∞§q ‘¨º ≠²µ®} ¤µ¦¨¯ ⁄¨ ®®¨µowvv p w{t
²«±  qt||| qŒ°¤ª¨ ¶¨ª° ±¨·¤·¬²± ¤±§¤±¤¯¼¶¬¶√¬¤ °∏¯·¬¶¦¤¯¨ªµ¤§¬¨±·º¤·¨µ¶«¨ §«¬¨µ¤µ¦«¬¨¶qŒ∞∞∞ ×µ¤±¶¤¦·¬²±¶²± Œ°¤ª¨ °µ²¦¨¶¶¬±ªo{ktl }y| p z|
k责任编辑 石红青l
xtt 第 v期 王国柱等 }基于分水岭算法的木材缺陷边缘检测