张红民，王一博

(重庆理工大学 a.光电信息学院;b.电子信息与自动化学院，重庆 400054)

基于分水岭的分割算法因其具有速度快、精度高的特点，在细胞图像分割领域得到广泛应用。但是分水岭算法存在的过分割问题一直没有得到很好的解决。因此，有效降低过分割问题是目前研究的焦点之一。现有的改进算法主要是在分水岭算法之前通过图像滤波或标记提取进行预处理，或者在分水岭算法之后对过分割区域进行区域合并。文献［1］利用子二维图像中各像素点间的规则空间关系来改进分水岭算法。文献［2］采用多尺度滤波的方法消除局部极小值。文献［3－5］通过一定的合并准则将小区域合并到相邻区域中。文献［6］引入浮点函数图像来代替梯度变换。上述方法不但运算复杂，而且分割结果也不准确。本文在充分研究细胞图像性质的基础上，提出了一种改进的基于分水岭的细胞图像分割算法，有效地去除了图像杂质点和细胞孔洞，并较好地解决了分水岭算法在细胞分割时的过分割和漏分割问题。

1 经典分水岭算法原理

Vincent和 Soille［7］最早根据水面浸没地形的过程提出了分水岭算法。该算法把梯度图比作地形曲面，以灰度值表示地形中的海拔高度，局部最小值表示“谷底”，最大值表示“山峰”。水面从“谷底”开始上涨，在浸没地形过程中，由“谷底”形成的“积水盆地”被修筑的“坝”包围，当所有“积水盆地”都修筑“坝”之后，停止浸没过程，这些坝就构成分水岭。因为梯度幅度图像在对象的边缘处有较高的像素值，而在其他地方有较低的像素值，所以分水岭变换通常是作用于梯度图像上的。……