形态学重建

 在形态学梯度图像的基础上，利用形态学的开闭重建运算对梯度图像进行重建，在保留重要区域伦敦的同时去除细节和噪声。

 分水岭变换存在过分割现象，原因在于检测的局部极值过多，造成极值过多的原因在于图像中的非规则灰度扰动和噪声。对于好的分水岭图像分割方法，不仅能消除过分割现象，而且应保证分割后的区域伦敦边缘具有较准确的定位能力。

方法1：利用形态学开闭重建运算对原始图像的形态学梯度图像进行滤波重建，在简化梯度图像的同时，保持伦敦分水线的准确定位，消除产生过分分割现象的根源。分割过程中需选择一个结构元素，以对图像进行形态学重建。该结构元素对图像应该有:处理后，图像中的灰度跃变急剧增强，消除梯度对边缘方向的依赖性，同时，结构元素半径较小，避免梯度图像产生过厚边缘造成的区域伦敦定位误差。由于噪声的影响，采用形态学开闭重建运算对梯度图像进行重建。消除噪声，保留重要的伦敦极值信息。随着结构元素的递增，图像中的局部极值会消除，而不会产生新的区域极值。