图像测量中的边界跟踪算法改进

５５４橡胶工业２００８年第５５卷图像测量中的边界跟踪算法改进

王玉琨，魏国军

（河南理工大学计算机科学与技术学院，河南焦作４５４０００）

摘要：针对传统边界跟踪算法计算次数多、易陷人死循环等同题，提出一种改进的边界跟踪算法。利用像素领域寻找边界点，将被检测到的边界两相邻像素点所确定方向逆时针旋转９０。后，以顺时针方向搜索下一个边界点，同时

采用爬虫的记忆算法，篇决边界跟踪算法中的迷路和绝路问题。改进后的边界跟踪算法能准确计算区域外轮廓，不

受内外轮廓和外部分支的影响。改进后的算法用于炭黑分散度定量分析，可提高计算速度和准确度。

关键词：边界跟踪Ｉ算法；爬虫；炭黑分散度

中图分类号：ＴＱ３３０．４＋９２ＩＴＰ３１２文献标识码：Ｂ文章缡号：１０００—８９０Ｘ（２００８）０９一０５５４一０３

近年来，图像精确测量技术在工业、医学等领域得到了广泛应用［１矗］，图像测量一般涉及目标的面积、周长、直径和中心矩等。边界跟踪属于图像分割技术的范畴，是图像精确测量的关键，边界跟踪的准确度和精度直接影响到后续处理［３］。因此，为使图像精确测量达到满意的效果，必须从边界跟踪算法着手。

传统边界跟踪方法主要有虫随法、光栅扫描法和Ｔ算法等。这些算法均需多次重复计算才能得到结果，有时还会出现迷路和绝路问题，使程序陷入死循环［４］。文献［５］中的一种基于优先搜索方向的边界跟踪算法能够很好地满足对边界宽度为一个像素、同一个区域的边界连通封闭及准确定位在区域外围轮廓上的要求，但对外围轮廓以外的小分支和小区域会造成迷路和绝路问题，因此想获得正确的边界需要在此基础上进行改进。文献Ｅ６］中的一种有记忆的变窗爬虫图像边界跟踪算法是在虫随法的基础上通过让虫有记忆功能和改变跟踪过程中窗口的大小［７－９］，这种方法有效地解决了跟踪速度和跟踪准确性的矛盾，并且也解决了迷路和绝路问题，但由于该算法考虑所有区域边界内外出现的小区域和分支现象，造成计算量增加，因此不利于快速提取边界。针对这些算法存在的问题，本工作提出一种改进的边

作者简介：王玉琨（１９６０一），男，河南焦作人，河南理工大学教授，学士，主要从事从事计算机图形学、地理信息系统、图像处理和ＣＡＤ等方面的教学和研究工作。界跟踪算法，并将该方法应用于炭黑分散度测量中。

１算法原理

由于图像中的目标区域存在着不确定的规格和形状，因此目标区域边界内外会存在如图１所示的大量小区域和小分支。

（ａ）（ｂ）

图１不同规格和形状的图像

图１（ａ）中所示为目标区域边界内存在有小区域。采用有记忆的爬虫算法时，对图像进行从左到右、从上而下的边界扫描，当扫描到边界上点Ａ时，会出现３条路径，根据爬虫的记忆分别沿ＡＤＯ，ＡＯＤ和ＡＥ三条路径爬行。选择ＡＤＯ方向时，会回到Ａ点，此时爬虫发现回到一个走过的点（但该点不是跟踪的起始点），此时程序会选择ＡＯＤ方向，当又回到Ａ点时，依然发现是走过的点（但该点不是跟踪的起始点），然后沿ＡＥ方向，爬虫才走对方向，不会迷路。若目标区域存在多种这样问题时，爬虫记路需占大量时间和计算量，导致系统效率降低。在图１（ｃ）中，采用文献［５］的方法，当爬虫走到Ｂ和Ｃ点时，会选择Ｂ点的小回路和ＣＫ方向爬行。用二值图像来分析这

　万方数据