[发明专利]一种基于高斯滤波的分水岭算法的自由液面识别和提取的方法

说明书

一种基于高斯滤波的分水岭算法的自由液面识别和提取的方法，属于图像处理技术领域，用以解决现有液面图像识别和提取自由液面困难的技术难题。包括以下步骤：(1)收集液面图片，对图片进行灰度处理转化为二值化图像。(2)对灰度处理后的图像使用高斯差分滤波做卷积处理，凸显图像灰度值中梯度较大的边缘，弱化噪声和梯度较小的边缘，达到凸显自由液面边缘的目的。(3)对高斯差分滤波后形成的梯度图像进行分水岭分割，识别和提取自由液面。(4)将提取的自由液面叠加回液面图像中，检验分割效果。本发明能够精确地识别和提取图像自由液面，可用于航空航天、交通运输等储舱运载装备物理模型实验技术领域。

技术领域

本发明属于图像处理技术领域，特别是一种基于高斯滤波的分水岭算法的自由液面识别提取方法，可用于航空航天、交通运输等技术领域。

背景技术

随着基于光学图像测量技术的出现，通过图像采集设备无接触测量自由液面已经逐渐成熟。对采集的图片进行后处理是无接触测量技术提取自由液面的关键，目前最常用的自由液面图像分割算法包括：基于阈值的分割算法，基于边缘的分割算法。

对于液面图片处理的阈值分割算法阈值法的思想是基于图像的灰度特征来计算一个或多个灰度阈值，并将图像中每个像素的灰度值与阈值相比较，最后将像素据比较结果分到合适的类别中。此类分割算法最为关键的一步就是设定准则函数来计算最佳灰度阈值。C.Ferrera(2008)等利用阈值分割方法处理液面图像，追踪自由液面的运动。此类方法适用于目标灰度值均匀的分布在背景灰度值之外的图像，该方法计算量小，运行效率高，但分割效率不高。

基于边缘的分割方法指的是基于灰度值的边缘检测，它是建立在边缘灰度值会呈现出阶跃型或屋顶型变化这一观测基础上的方法。蒋梅荣(2013)，Tosun(2017)，E.Saatci(2018)都利用基于边缘检测的分割方法处理液面图像。该类方法最大的缺点是对噪声较为敏感，即使噪声的幅值很小，但当其频率较大时，噪声的一阶和二阶导数的幅值也会比较大，从而会产生错误的检测结果，因此很多情况下需要结合滤波器进行使用。

考虑到以上问题，高斯差分函数和分水岭算法可以凸显梯度变化较大的边缘，准确定位梯度响应较大的物体轮廓，而在液体与空气两种物体的交界边缘，梯度变化较大，因此，本发明试着利用高斯差分函数与分水岭算法处理自由液面图像,即基于高斯差分滤波的分水岭算法，来提取流体的自由液面。高斯差分滤波是把利用高斯差分函数调节图像的模糊程度，本发明中把自由液面的宽度和高斯函数凸起宽度设置成一样再对图像卷积，弱化空气和水区域得到自由液面。Sobel算子方法是计算图像每个像素的梯度，根据梯度情况把自由液面分离出来。此外，Lindeberg(1993)证明了利用高斯核卷积处理是实现图像尺度变化(模糊程度)的唯一滤波运算。

发明内容

针对上述已有技术的缺点，本发明提出一种基于高斯滤波的分水岭算法的自由液面识别和提取的方法，能通过液面图像识别和提取自由液面。

为了实现上述目的，本发明的技术方案为：

一种基于高斯滤波的分水岭算法的自由液面识别和提取的方法，包括以下步骤：

第一步，对采集的液面图像进行灰度处理转化为灰度图像。

1.1)通过实验拍摄自由液面运动的方式，采集自由液面图像，将液面图像结构元素分类，液面图像由水和空气组成。

1.2)对液面图像进行灰度处理，得到由水和空气组成的灰度图像，灰度图像可视为f(x,y)函数。灰度图像中水和空气交界处的自由液面呈现出一条深色的狭缝并具有特定宽度，自由液面处图像灰度值梯度变化较大。

第二步，对灰度处理后的灰度图像f(x,y)使用高斯差分滤波做卷积处理，达到凸显自由液面边缘的目的。

2.1)在液体图像中，自由液面的边缘图像灰度梯度变化大。高斯差分滤波采用两个高斯函数之差，能够凸显灰度图像灰度值中梯度较大的边缘，弱化噪声和梯度较小的边缘，表达式如下：