图像分割是将原有的CT图像分割成特定的、具有独立性质的区域然后提取出自身研究的目标。图像分割是由图像处理到图像分析的关键步骤。目前,根据不同的分割依据将图像分割分为基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法等。
(1)边缘检测
从图3.31、图3.33可以看出,经过灰度处理后的CT整体图像比原始图像更加清晰,图像中的关键信息也更加明显,但是图像中各部分之间的边界通过肉眼很难区分出来,不利于图像中各部分的分割。边缘检测能够实现定量地划分各部分的边界,将代表不同属性的图像区分开,也保证了边缘区域的信息不被忽略。
图3.34为利用最有效的边缘检测算子——Canny算子处理后的图像。观察图3.34可以看出,边缘检测后的图像与原始图像对比,发现图3.34(b)中白色轮廓的位置与图3.34(a)中灰色部分和黑色部分的接触边界相一致。利用边缘检测来描绘灰色上下盘部分和黑色裂隙部分的变化轮廓,也能作为受剪切荷载作用的加锚节理试件内部破损的研究手段之一。
图3.34 Canny算子边缘检测处理后的图像
(2)CT图像阈值分割
阈值分割方法实际上是输入图像f到输出图像g的如下变换:(www.xing528.com)
式中 T——阈值,对于物体的图像元素g(i,j)=1,对于背景的图像元素g(i,j)=0。
阈值的确定是图像分割的重中之重,合适的阈值能将CT图像准确地分割开来。选出合适的阈值后,将其与像素点的灰度值一一进行对比,且对图像中的各像素点是同时进行的,从而能直接得到分割区域。目前,阈值处理技术包括全局阈值、自适应阈值、最佳阈值等。
为确定二值化图像分割阈值T,在图3.32(a)中随机选取一条同时穿过节理试件与节理以及锚杆的扫描线,统计该扫描线上的灰度值。由图3.32(b)可知,图像中裂隙的灰度值在图像的最下边,试件基质的灰度值在锚杆和裂隙虚线中间,利用该虚线确定的灰度值可区分试件基质和节理以及锚杆。对于同一试件,其CT试验条件相同,因此,可选取同一阈值进行二值化处理。通过图3.32(c)的灰度直方图也能确定出最佳的分割阈值。
图3.35的15张图是选取不同阈值进行图像分割而得来的结果。通过对图3.35中的15张处理后的图像进行对比分析得出:当阈值选取为132及以上时,图像分割出来的是加锚节理试件中的锚杆和节理试件;若阈值取45～132,则为节理试件和裂隙部分的图像分割,但是在此范围内,不能把范围内所有的阈值当作最佳阈值,此次CT图像分割的最佳阈值为45,所得的图像与图3.34(b)勾勒出来的边缘基本一致;若阈值选取小于45,则显现出来的图像中的裂隙部分小于原始图像,不能达到处理要求。通过阈值分割得出的图像的像素点灰度值只有0和1,没有原始图像中的0～255,原始图像中的1～255被转化成图像分割后的1,这样有利于肉眼观察,更有利于图像中要研究的目标的定量分析。
图3.35 不同阈值下的图像分割
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
