Page 96 - 2025年第56卷第10期
P. 96
水划分为流凌，进而导致阈值分割结果与事实严重不
符，分割失效。如图 7—8 所示，未采用顶帽算法时经阈
值分割后的流凌分布密度高达 49.6%，与流凌实际分布
情况存在明显差异，而经顶帽算法处理后（图 8）可以很 图 6 彩色流凌图像 2
明显观察到本次阈值分割很好地将流凌与河水区分开
来，最终计算结果为 1.2%，前后结果相差 41.3 倍。
图 7 未经顶帽算法变换的阈值分割图 2 图 8 经过顶帽算法变换的阈值分割图 2
图 9—11 展示了顶帽算法对原始灰度图亮度的均衡作用。从图 9 中可以观察到其下方走势参差不
齐，这是图中背景亮度不均衡的表现。为使背景亮度均衡化，本文对原灰度图像进行开运算处理，如
图 10 所示，通过选取合适的结构单元，可以得到基于原灰度图的背景灰度三维图，最后通过原始灰度
图像的灰度与开运算的结果相减，可得到较为平缓的背景灰度走势（图 11）。这便是整个顶帽算法完整
的运行过程。综上，使用顶帽算法的灰度图使 OTSU 阈值分割算法可以更好地分辨河水与河冰，使得
程序运行的结果更为准确，效率更高。
图 9 原始灰度图像三维图 图 10 经过开运算处理后的背景灰度三维图
图 11 经过顶帽变换处理后的灰度三维图
4.2 维纳滤波降噪对比分析 由于早晨 5：30—7：30 时段太阳高度角的原因，使河水部分亮度在岸
基摄像机中增强，导致河水与流凌灰度值相近，难以进行区分。如图 3 所示，强烈的反光使得图像整
体亮度偏高，虽然通过顶帽算法使得局部亮度得以降低，但仍存在很多由于波浪反光所导致的高亮区
— 1343 —
