在岩石薄片图像处理中,针对岩屑矿物个数未知、成像多为聚集的点状的特点,提出了一种基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法与数学形态学的矿物分割方法。首先,标记出每个颗粒目标,求得其中心坐...在岩石薄片图像处理中,针对岩屑矿物个数未知、成像多为聚集的点状的特点,提出了一种基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法与数学形态学的矿物分割方法。首先,标记出每个颗粒目标,求得其中心坐标;其次,利用DBSCAN算法对岩屑颗粒目标中心进行聚类,将不同区域的岩屑目标分离出来;最后,利用数学形态学方法对聚类结果做膨胀、填孔、腐蚀等处理,得到颗粒的边界。实验分析表明:该方法聚类效果良好,参数容易控制并有一定的抗噪性能,对岩屑颗粒目标的提取有较好的效果。展开更多
文摘在岩石薄片图像处理中,针对岩屑矿物个数未知、成像多为聚集的点状的特点,提出了一种基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法与数学形态学的矿物分割方法。首先,标记出每个颗粒目标,求得其中心坐标;其次,利用DBSCAN算法对岩屑颗粒目标中心进行聚类,将不同区域的岩屑目标分离出来;最后,利用数学形态学方法对聚类结果做膨胀、填孔、腐蚀等处理,得到颗粒的边界。实验分析表明:该方法聚类效果良好,参数容易控制并有一定的抗噪性能,对岩屑颗粒目标的提取有较好的效果。
