贾 超，郁志宏，王 亮，武智慧，温 鹿

（内蒙古农业大学机电工程学院，呼和浩特 010018）

随着图像处理技术和计算机硬件的发展，机器视觉技术越来越广泛的应用到农产品的品质检测中。在鸡蛋品质检测方面，机器视觉技术起着举足轻重的作用。为了能快速、准确的获取鸡蛋表面的脏斑、血斑等信息，必须对获取的鸡蛋图像进行分割。图像分割是由图像处理到图像识别、分析的关键技术之一，从图像中把有关结构区域分离出来是图像处理与识别首要解决的问题，同时分割效果的好坏直接影响图像处理中其他相关技术的发展。Horowitz和Pavlidis提出[1]，区域的分裂合并技术是一种基于区域的串行图像分割技术，其基本思想就是先确定一个分裂合并的准则，即区域特征一致性的测度，当图像中某个区域的特征不一致时就将该区域分裂成4个相等的子区域，当相邻的子区域满足一致性特征时则将它们合并成一个大区域，直至所有区域不再满足分裂合并的条件为止。分裂合并算法首先要确定区域特征一致性测度，常用的测度多是基于灰度统计特征[2]，如一致性区域的灰度差等。一致性测度的选择对算法性能影响很大，对不同运用，采用不同的测度准则。在图像分割时为避免单一方法分割色彩、纹理等特征变化较大的自然图像不能满足实际要求，提高分割质量。FAN等尝试将边缘检测和基于区域的方法结合[3-4]，经试验验证该方法对图像纹理等细节信息具有较好的鲁棒性，结果与人的视觉系统判断基本一致。……