[发明专利]一种非均匀背景离散相灰度图像二值化处理方法

说明书

本发明提供一种非均匀背景离散相灰度图像二值化处理方法，主要包括以下步骤：求解图像梯度图；采用最大类间方差方法分别求解灰度图像和梯度图像阈值；确定离散相轮廓为同时满足灰度阈值和梯度阈值的像素点；求解轮廓像素点平均灰度值，以此为增长上限，以轮廓像素点为初始种子点进行区域增长；增长完成后以初始种子点和增长点为对象，对邻域内灰度值满足灰度阈值的点进行膨胀，膨胀后的像素点为目标图像；对图像背景进行填充，完成图像处理。本发明提出的图像处理方法可以在保证目标边缘精确提取的同时大幅降低图像噪点。

技术领域

本发明属于图像处理研究领域，具体涉及一种非均匀背景离散相灰度图像二值化处理方法。

背景技术

气-液、液-液两相破碎以及气-固两相流等广泛存在于科研和生产当中，比如燃油喷雾、生物柴油制备、流化床等。精确监测液滴、气泡等离散相尺寸、分布等特征参数对科学研究和生产效率具有重要的实际意义。离散相测量途径主要分为三类：机械测量、电子测量和光学测量。其中光学测量的一个优势是非接触测量。光学测量途径中的高速摄影方法操作相对简便，能够实现流场可视化，在近些年应用比较广泛。

对高速摄影获得的灰度图像进行二值化处理，有利于特征信息的提取和计算。比如在灰度图像中，离散相边缘由一系列渐变灰度像素组成，给离散相尺寸等参数的精确测量带来困难。灰度图像经过二值化处理，可以在保证测量精度的同时大幅降低信息获取难度。对于科学研究，图像二值化处理的首要任务是保证离散相拾取的精确性，包括边缘检测和区域分割。传统边缘检测利用图像梯度与区域模板卷积运算锐化边缘。需要说明的是，这是一种近似运算，对由几十个像素构成的小离散相，可能造成较大的检测误差。最大类间方差和区域增长是两种经典的区域分割算法，至今仍然是图像处理的有力工具。

离散相灰度图像往往具有一些特征或缺点，给二值化处理带来很大挑战。典型地，实验室较小尺度多相流实验图像具有离散相多尺度、噪点、光斑以及背景不均匀等问题。噪点问题通常采用滤波算子或噪点算子进行处理，背景不均匀问题则采用分块、近似均匀、局部阈值等方法进行处理。噪点处理及非均匀背景处理极有可能抹去小尺寸离散相，造成图像信息丢失。本发明提出一种基于最大类间方差耦合区域增长的非均匀背景离散相灰度图像二值化处理方法，平衡离散相检测精度和噪点抑制问题。

发明内容

本发明的目的是针对上述问题提供一种非均匀背景离散相灰度图像二值化处理方法，在保证离散相精确拾取的同时有效解决光斑、非均匀背景及噪点抑制问题。

本发明的技术方案是：一种非均匀背景离散相灰度图像二值化处理方法，包含如下步骤：

步骤S1、求解灰度图像对应的灰度梯度图像；

步骤S2、求解灰度图像阈值T_gray和梯度图像阈值T_gradient；

步骤S3、确定同时在灰度图像阈值和梯度图像阈值内的像素点为目标轮廓；

步骤S4、计算轮廓像素点平均灰度值δ，以此为增长上限，以轮廓像素点为初始种子点进行区域增长，并对增长像素点进行标记；

步骤S5、增长完成后以初始种子点和已标记的增长像素点为对象，对每个像素点邻域内灰度值满足灰度阈值T_gray的点进行膨胀运算，膨胀后的已处理像素点为目标图像，即二值化图像。

上述方案中，所述步骤S1具体为：

读入拟处理灰度图像，根据公式一、公式二和公式三求解图像矩阵的梯度矩阵，获得灰度图像相应的灰度梯度图像，