基于K均值聚类和数学形态学的小麦彩色图像分割

被引:16
作者
何建斌
梁威
李晓明
机构
[1] 郑州轻工业学院电气信息工程学院
关键词
K均值聚类; 数学形态学; L*a*b*色彩空间;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
对小麦植株图像进行分割,是将机器视觉技术应用到动态监测小麦生长状况的基础。采用K均值聚类和数学形态学相结合的方法进行分割,充分利用了小麦植株颜色和背景颜色的差异。首先根据图像色彩对图像进行聚类,然后对聚类后的图像进行形态学开运算,实现了小麦植株与背景的分离,并达到了较好的效果。
引用
收藏
页码:829 / 832
页数:4
相关论文
共 6 条
[1]  
数字图像处理.[M].(美) 冈萨雷斯 (Gonzalez;R.C.) ; 著.电子工业出版社.2003,
[2]   一种CIELab颜色空间中的车牌定位方法 [J].
郑成勇 .
五邑大学学报(自然科学版), 2010, 24 (01) :21-26
[3]   一种K-均值脸谱图聚类新算法 [J].
王金甲 ;
洪文学 ;
李昕 .
仪器仪表学报, 2007, (10) :1916-1920
[4]   彩色图像分割方法综述 [J].
林开颜 ;
吴军辉 ;
徐立鸿 .
中国图象图形学报, 2005, (01) :1-10
[5]   基于综合特征的图像分割 [J].
田玉敏 ;
梅丽霞 .
计算机工程与应用, 2004, (20) :92-94
[6]   计算机视觉在农产品检测中的应用 [J].
王桂琴 ;
杨子彪 ;
郑丽敏 ;
朱虹 ;
廖树华 ;
单成钢 ;
吴富宁 .
中国农业科技导报, 2003, (03) :52-56