[发明专利]基于形态学重构和自适应阈值的棉花图像分割方法及系统

权利要求书

1.基于形态学重构和自适应阈值的棉花图像分割方法，其特征是，包括：

获取待处理棉花图像；将待处理棉花图像由RGB颜色空间转换为HSV颜色空间；

提取HSV颜色空间的棉花图像的饱和度S分量；

对饱和度分量图像进行滤波处理，以去除图像中的随机噪声；

对滤波处理后的图像进行形态学重构，以去除图像中的暗点和瑕疵；

对形态学重构处理后的图像进行灰度变换，以增强棉花区域与背景区域之间的对比度；

对灰度变换后的图像进行阈值分割，得到棉花图像的分割结果。

2.如权利要求1所述的基于形态学重构和自适应阈值的棉花图像分割方法，其特征是，对饱和度分量图像进行滤波处理，以去除图像中的随机噪声；具体包括：

对饱和度分量图像进行中值滤波处理，以去除图像中的随机噪声。

3.如权利要求1所述的基于形态学重构和自适应阈值的棉花图像分割方法，其特征是，对滤波处理后的图像进行形态学重构，以去除图像中的暗点和瑕疵；具体包括：

对图像进行开运算重构；

对开运算重构后的图像，进行闭运算重构。

4.如权利要求3所述的基于形态学重构和自适应阈值的棉花图像分割方法，其特征是，对图像进行开运算重构；具体包括：

开运算重构就是先腐蚀后进行重构的过程：首先是利用结构元对原图像，即模板图像进行腐蚀操作，然后将腐蚀后的图像作为标记图像进行重构运算。

5.如权利要求3所述的基于形态学重构和自适应阈值的棉花图像分割方法，其特征是，对开运算重构后的图像，进行闭运算重构；具体包括：

闭运算重构则是基于开运算重构之后的图像进行处理，先对图像进行膨胀操作，然后分别对膨胀前和膨胀后的图像分别进行取反运算，将膨胀前的图像进行反运算的结果，作为新的模板图像；将膨胀后的图像进行反运算的结果，作为标记图像，再进行重构运算。

6.如权利要求4或5所述的基于形态学重构和自适应阈值的棉花图像分割方法，其特征是，所述重构；具体包括：

(1)：将h1初始化为标记图像f；标记图像f必须是模板图像g的一个子集，即h1表示最原始的标记图像；

(2)：创建结构元b，采用半径为10像素的圆盘形结构元；

(3)：迭代h_k+1＝(h_k⊕b)∩g，直到h_k+1＝h_k，h_k表示经过第k次迭代的标记图像；b是结构元；

交集运算保证模板图像g限制标记图像h的生长，直到标记图像h迭代之后不再发生变化，重构结束。

7.如权利要求1所述的基于形态学重构和自适应阈值的棉花图像分割方法，其特征是，对灰度变换后的图像进行阈值分割，得到棉花图像的分割结果；具体包括：

基于Otsu方法，对灰度变换后的图像进行阈值分割，得到棉花图像的分割结果。

8.基于形态学重构和自适应阈值的棉花图像分割系统，其特征是，包括：

获取模块，其被配置为：获取待处理棉花图像；将待处理棉花图像由RGB颜色空间转换为HSV颜色空间；

饱和度分量提取模块，其被配置为：提取HSV颜色空间的棉花图像的饱和度S分量；

滤波模块，其被配置为：对饱和度分量图像进行滤波处理，以去除图像中的随机噪声；

形态学重构模块，其被配置为：对滤波处理后的图像进行形态学重构，以去除图像中的暗点和瑕疵；

灰度变换模块，其被配置为：对形态学重构处理后的图像进行灰度变换，以增强棉花区域与背景区域之间的对比度；

图像分割模块，其被配置为：对灰度变换后的图像进行阈值分割，得到棉花图像的分割结果。