图像分割在图像处理领域中是一种基本且重要的技术,也是进行目标识别和图像分析的前提和关键,其结果的好坏对后续的识别和分析过程有很大的影响。图像分割被广泛应用在人脸识别、机器视觉、医学图像和行人检测等领域中,在实际生活中扮演着十分重要的角色。但是利用计算机来进行图像的自动分割仍然是一个难题,由于研究对象本身的不同性质,目前还找不到一个可以应用在所有图像分割问题中的统一的解决方案。本文提出一种基于骨架的物体分离算法,用于分割粘连的刚性物体。为了对算法进行验证,本文设计了一个物体分离计数系统,实现对粘连物体的分离和物体数量的统计。为了获取更大的视场面积,系统中用来采集图像的摄像头使用了鱼眼镜头,但是通过鱼眼镜头采集的图像具有严重的径向失真,对后续的处理过程有很大的影响,因此如何解决鱼眼图像失真的问题是本文的第一个难点。本文提出的基于骨架的物体分离算法可以不对鱼眼图像进行非线性校正就可以实现粘连物体的分离,从一个新的角度解决了这个问题。骨架作为一种非常有用的形状描述符,被广泛应用在模式识别领域中,它集成了物体的几何和拓扑特征,因而可以很好地对物体的形状进行描述。但由于骨架对噪声和物体边缘的变形非常敏感,尤其是本系统中鱼眼图像的变形,使得求骨架成为了本文研究的第二个难点。本文首先采用一种快速的基于两次扫描的算法来进行欧氏距离变换,该算法能够在线性时间内完成欧氏距离变换,大大提高了程序的效率;然后通过求取局部极大值的方法来提取骨架。在实际采集到的图像中除了包含一些不同程度粘连的物体之外,通常还存在一些孤立物体,为了只对图像中的粘连物体进行处理,首先必须对其中的孤立物体进行判别,并将其提取出来,以免对粘连物体的分离造成影响,且每分离出一部分粘连物体,都要对其进行单体判别并从图像中提取出来,因此如何判别孤立物体是本文的第三个研究重点。根据先验知识本文提出一个基于骨架的孤立物体判定标准,通过物体的骨架线特征,对孤立物体进行判断,从而将其从图像中提取出来。本文最后一个需要解决的问题就是粘连物体的分离,对于不同程度粘连的物体本文采取了不同的分离方法。对于轻粘连物体,在骨架裁剪阶段,将灰度值较小的骨架点从骨架线中去除,从而先把它们的骨架分离开来;然后利用裁剪后的骨架对轻粘连物体进行重构,即可分离得到各个轻粘连的物体。对于重粘连物体,本文提出一种利用骨架信息查找粘连处分割点的方法。首先,在骨架裁剪阶段,将骨架中由于物体粘连而形成或产生灰度值异常变化的骨架点去除;然后对经过裁剪得到的骨架段中满足一定长度要求的骨架进行延伸,还原出物体的完整骨架;最后以延伸后的骨架上的骨架点为中心在一定范围内搜索粘连处的分割点,将成对的分割点进行连接,从而达到分离粘连物体的目的。实验结果证明本文提出的基于骨架的物体分离算法可以对不同程度粘连的物体进行有效地分离。