1 圖像分析及預處理
拍攝圖像會産生随機的擾動，圖像有一定的噪聲，為消除掉圖像中的無關資訊，對圖像進行預處理。
1.1 灰階化
為降低運算量，需要将拍攝的三通道的RGB圖像轉化為單通道的灰階圖像。采用權重平均法的灰階化方法，其中心理學灰階公式根據人眼對RGB三色的敏感程度選擇不同的權重：
式（1）中，R、G、B分别為RGB三通道灰階值，灰階化結果如圖1 (a）所示。
1.2 平滑處理
為了盡可能避免将背景當作缺陷，需要對圖像進行平滑處理，這樣雖然會使缺陷的邊界模糊，但是有利于減少背景的幹擾。注意所采用的去噪處理為均值濾波，均值濾波公式為：
式（2）中，m、n分别為所選擇的濾波核的長和寬，Sxy是以(x,y)為中心的濾波核對應像素的位置集合，平滑處理結果如圖1 (b）所示。均值濾波的缺點是會使一些細節如邊緣等資訊丢失，是以在找到種子點後，對沒有經過平滑處理的圖像進行區域生長，找到缺陷邊界。
2 算法原理
2.1 門檻值分割
門檻值分割是圖像分割中最簡單、基礎的方法，性能比較穩定，計算量較小，運算速度快；它主要有全局門檻值分割、局部門檻值分割、自适應門檻值分割等方法。門檻值算法基于門檻值T，将像素灰階值大于門檻值T和小于門檻值T的部分分别叫做前景和背景。變換函數表達式：
圖1 均值濾波處理
式（3）中，T為門檻值，g (x,y)為原圖像像素點(x,y)的灰階值，f (x,y)為分割後圖像像素點(x,y)的灰階值，門檻值分割結果如圖2所示。
圖2 門檻值分割結果
2.2 形态學開運算降噪
數學形态學簡稱形态學，其處理方式為領域運算，即把領域結構元素與圖像對應位置像素進行邏輯運算，這種運算的影響因素主要有結構元素大小、形狀和邏輯運算的規則。形态學操作主要有膨脹、腐蝕、梯度運算、禮帽運算、黑帽運算、開運算和閉運算等，但其基礎為腐蝕和膨脹，利用膨脹和腐蝕就能完成不同形式的運算。
腐蝕運算能消除輪廓邊界點，使邊界向内縮小，主要用于細化二值圖像目标輪廓、去除噪聲等。
式（4）中，A為原圖像，B為結構元素。首先給結構元素B定義一個原點，當結構元素B的原點移動到圖像A的(x,y)上時，如果結構元素B上等于1的像素點對應圖像A也等于1，則将圖像A的(x,y)的灰階值置為1，否則置為0，腐蝕示意圖如圖3所示。
圖3 腐蝕示意圖
膨脹運算則與腐蝕運算相反，使邊界向外擴張，主要用于填補圖像分割後的空白，使相近的不相連的輪廓相連。其公式為：
式（5）中，A為原圖像，B為結構元素。首先給結構元素B定義一個原點，當結構元素B的原點移動到圖像A的(x,y)上時，如果結構元素B上等于1的像素點對應圖像A中至少有一個等于1，則将圖像A的(x,y)的灰階值置為1，否則置為0。
先進行腐蝕操作，然後在腐蝕的基礎上進行膨脹操作，主要用于去噪和計數等。其公式為：
式（6）中，A為原圖像，B、C為結構元素。開運算效果如圖4所示，圖5為開運算處理的結果。
圖4 開運算效果
2.3 區域生長法
區域生長的思想就是把領域（四領域、八領域等）相同的化為一個區域。首先需要一個種子點作為生長的開始，然後将種子點領域内滿足相似準則要求的像素點合并到種子的區域，将這個區域的像素做為種子點，繼續進行生長，直到沒有符合要求的點，生長結束，所有種子點像素作為生長的區域。分割的好壞由初始種子點和相似準則決定。
圖5 形态學開運算結果
2.3.1 種子點選擇與檢測
經過門檻值分割和形态學處理後，将二值圖像各輪廓中心作為待定種子點。如果選擇的種子點位于缺陷的絕對區域，那麼種子點總有一個方向各像素的深度值呈現高-低-高的形态。設計檢測模闆如圖6所示，計算出種子點在0°、45°、90°、135°方向上的深度變化，判斷其變化是否呈高低高形态。
圖6 檢測模闆
種子點左右兩側r個像素的灰階平均值分别為：
各方向的灰階變化為：
深度形Si态變化判定：
式（10）中，I (u)為檢測模闆中第u個像素的灰階值，w=1,2,3,4，分别代表0°，45°，90°，135°方向，mwm為w方向兩側的最小灰階值，T1為形态變化門檻值。如果種子點不滿足深度形态變化判定，則去除該待定種子點。
2.3.2 生長過程
區域生長的具體流程如下：
(1）将種子點坐标放入種子點集seeds。
(2）頂出種子點集中的一個種子點，對種子點八鄰域的像素點進行相似準則判斷；滿足相似準則條件的點，視為種子點放入種子點集seeds。
(3）将頂出的種子點存入種子集S。
(4）如果種子點集内沒有元素，則跳到步驟（4）；如果種子點集中還有元素，則跳到步驟（2）。
(5）生成一張和輸入圖像長寬一緻，像素值全為0的圖像I。
(6）将圖像I中對應種子集S坐标的像素值置為255，得到分割圖像I’。
其中生長的相似準則為：
式（11）中，gray (seed)為當輪種子點的灰階值，gray (8＿n)為其八鄰域各點的像素值，Thresh為設定的門檻值。區域生長結果如圖7所示。
圖7 區域生長結果
3 實驗過程
圖像分割就是按照預先設定的規則，将圖像分割為有意義的前景和背景的過程。區域生長是一個分割效果比較好的算法，但前提是需要找到适合的種子點。單一的分割算法就容易遇到這種不足的情況，結合使用形态學和門檻值分割的方法來找到合适的種子點，幫助區域生長算法完成分割任務，達到滿足要求的分割效果，分割方法流程如圖8所示。
圖8 分割流程圖
首先對輸入的圖檔進行灰階化處理，變成單通道的灰階圖檔，然後濾波去除噪聲，使圖像更平滑，選擇合适的門檻值進行門檻值分割，在利用開運算去除掉分割後較小的前景，以各前景區域的中心點為起始種子點，進行區域生長，得到最終所滿足要求的前景。
1 matlab版本
2014a
2 參考文獻
[1] 蔡利梅.MATLAB圖像處理——理論、算法與執行個體分析[M].清華大學出版社，2020.
[2]楊丹,趙海濱,龍哲.MATLAB圖像處理執行個體詳解[M].清華大學出版社，2013.
[3]周品.MATLAB圖像處理與圖形使用者界面設計[M].清華大學出版社，2013.
[4]劉成龍.精通MATLAB圖像處理[M].清華大學出版社，2015.