吉江燕，方 挺

（安徽工业大学 电气与信息工程学院，安徽 马鞍山 243032）

0 引言

参考图像的手工分割对衡量图像分割算法的性能具有非常重要的意义。目前衡量图像分割算法性能的主要方法是通过其与手工分割的参考图像进行差异性对比来实现。由于差异性可以通过定义相关分割评价指标来具体完成，所以该方法具有很高的评价分辨率。本文将以多目标的矿石图像为例，使用基于种子标记的分水岭算法获取算法分割的矿石图像，通过LabelMe在线注释并结合离散点连线和闭合多边形内部填充算法完成手工分割的参考图像的获取，并将矿石目标的等面积直径作为分割评价指标来衡量矿石图像分割的效果。

1 矿石图像的算法分割

图1给出了640×512的矿石灰度图像，由于该图像中有大量的细碎铁矿石目标且相互粘连，所以本文先通过预处理获取图2所示的种子标记图像，在此基础上采用基于种子标记的分水岭算法完成图像分割[1-2]。基于种子标记的分水岭算法是通过标记所在的区域对原图像进行区域生长，以此抑制噪声对图像分割的影响，标记区域的结果影响图像分割的准确性。图3给出了基于种子标记分水岭算法的分割结果图像。该矿石图像被基于种子标记的分水岭算法分割成为246个矿石目标。

图1 640×512的细碎铁矿石灰度图像

图2 二值种子标记

图3 标记分水岭分割

为了检验矿石图像分割算法的可行性，本文将重点介绍如何使用LabelMe在线标识工具完成矿石图像的手动分割并保存参考图像。……