《表1 本文算法与3R-G-B算法对测试图像分割效果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《采用K均值聚类和环形结构的狭叶锦鸡儿木质部提取算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：R、OR、UR分别为分割误差、过分割误差和欠分割误差。

1）采用聚类中心数目为3的K均值聚类算法对30幅供试图像处理，结果如图5所示，聚类后红色区域为目标区域，分割效果如表1所示。其中，图5a为动态巴特沃斯同态滤波后图像，可以看出，滤波后木质部图像细节、纹理、对比度和视觉效果得到明显改善，光照均匀度增强；图5b是未进行光照补偿直接采用K均值聚类算法分割后效果，由于受光照不足和不均影响，存在较严重的过分割现象；图5c为同态滤波光照补偿后K均值聚类算法分割后效果，可以发现分割效果得到明显改善，木质部分割的更为完整。由表1知，采用K均值聚类算法对未进行光照补偿处理的木质部图像分割误差R、过分割误差OR和欠分割误差UR均值分别为28.75%、9.23%和19.47%，同态滤波光照补偿后，K均值聚类算法分割误差R、过分割误差OR和欠分割误差UR均值分别为5.15%、1.48%和6.46%，较未进行光照补偿分别降低了23.60、7.75和13.01个百分点。由此可以发现，采用动态巴特沃斯同态滤波算法对木质部图像光照补偿后，不但能改善图像质量和分割效果，而且还能够提高分割算法分割精度；