随着木材科学研究的发展和深入,通过计算机视觉(CV)来对木材细胞图像进行分析成为当今木材研究的一个重要方向。图像分割技术是计算机视觉的主要组成部分,是进行细胞面积、个数、胞壁率等反映木材性质重要参数检测的一种快速准确的手段,也是木材细胞形态的定量计算和分析的基础,其检测的准确性直接影响木材特性的分析结果。 本文首先简要介绍了具有代表性的各种分割算法的原理以及功能,在分析比较后确定适合木材细胞图像的分割算法。并从传统的典型边缘检测算子的原理入手,对木材细胞图像进行了分割,比较了各种经典算子之间的性能差异,并深入剖析了它们对木材细胞图像进行分割的优缺点。 本文又针对传统边缘检测算子无法解决的问题,将几何型变模型引入木材细胞显微图像的分割中。文中较全面的介绍了几何曲线演化方法、由Osher和Sethian提出的基于水平集的图像分割方法、窄带方法、Mumford和Shah提出的Mumford-Shah图像分割模型、Chan和Vese提出的Mumford-Shah模型的水平集解法。将这些分割方法应用于木材细胞图像中,通过实验结果说明各种分割方法针对木材显微图像的优势与不足。 本文针对针叶材细胞图像的特点,对Mumford-Shah图像分割模型进行了改进,将模型中的内部像素的灰度平均值改为目标物体的核心灰度,这样有效的去除了模型分割的盲目性,为细胞的分类识别打下基础,使分割更有意义,更准确。