文章基于計(jì)算機(jī)視覺(jué)和圖像處理技術(shù),對(duì)圖像分割在魚(yú)苗自動(dòng)技術(shù)系統(tǒng)中的應(yīng)用進(jìn)行了研究。首先分析了常用的圖像分割算法的特征,然后結(jié)合魚(yú)苗計(jì)數(shù)的實(shí)際場(chǎng)景選擇了Otsu算法的圖像分割算法,采用聯(lián)通區(qū)域標(biāo)記法從而實(shí)現(xiàn)魚(yú)苗的自動(dòng)計(jì)數(shù)。通過(guò)實(shí)驗(yàn)表明該方法能夠?qū)崿F(xiàn)魚(yú)苗的自動(dòng)化計(jì)數(shù),并且精準(zhǔn)度高。

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

圖2魚(yú)苗計(jì)數(shù)流程

本文中主要采用連通區(qū)域標(biāo)記方法進(jìn)行魚(yú)苗的計(jì)數(shù)，其實(shí)現(xiàn)步驟如下：首先對(duì)二值的圖像進(jìn)行掃描，并記錄每行連通區(qū)域的行號(hào)和起始點(diǎn)；然后對(duì)連通區(qū)域進(jìn)行逐步的標(biāo)記并判斷與上一行的連通區(qū)域是否相同，如果相同則將重合其他的標(biāo)號(hào)賦值給改區(qū)域，否則賦予該連通區(qū)域新的標(biāo)號(hào)；對(duì)第一次掃描后的相同區(qū)域進(jìn)行....

圖3硬件設(shè)備

本試驗(yàn)中采用的硬件設(shè)備是IntelI57400,8Gb內(nèi)存，編程工具是MATLAB，實(shí)驗(yàn)中采用的是普通魚(yú)苗，如圖3所示。本文首先選取了稀疏魚(yú)苗和密集魚(yú)苗進(jìn)程處理后的圖像，其中a和c為稀疏魚(yú)苗與密集魚(yú)苗分割處理后的結(jié)果圖像，b和d為稀疏魚(yú)苗和密集魚(yú)苗經(jīng)過(guò)處理后的對(duì)比，如圖4所示....

圖4稀疏魚(yú)苗和密集魚(yú)苗處理后的結(jié)果圖像

圖3硬件設(shè)備通過(guò)采用連通區(qū)域標(biāo)記法計(jì)數(shù)，得出的結(jié)果與人工計(jì)數(shù)相比，如表2所示。

圖5不同環(huán)境下的魚(yú)苗分割處理后的結(jié)果

因此，基于上述的試驗(yàn)的驗(yàn)證，在不同的光照環(huán)境下，利用Ostu閾值分割方法對(duì)魚(yú)苗的圖像進(jìn)行多次分割，其結(jié)果表現(xiàn)如圖5所示。不同環(huán)境下對(duì)魚(yú)苗進(jìn)行計(jì)數(shù)的結(jié)果如下表3所示。

本文編號(hào)：3914108