扦插地不同因素对于弗森虎耳成活地影响.doc

扦插的不同因素对于弗森虎耳成活的影响 1、相关定义 1.1、数学形态学概念 形态学(Morphology)最初是生物学的一个分支,后来渐渐也用数学形态学作 为表示以形态为基础的图像分析数学工具。数学形态学的基本思想是利用一定形 51 基于机器视觉的毒株胚蛋成活性自动无损检测系统研究 态的结构元素来度量和提取图像中的特征形状,从而实现对图像进行分析和识别 的目的[99]。 数学形态学的数学基础和使用的语言是集合论,其基本的运算有四种:膨胀 (或扩张)、腐蚀(或侵蚀)、开运算和闭运算。基于这四种基本运算可以推导和 组合成各种数学形态学运算方法。数学形态学的运算对象是集合,也就是二值矩 阵,通常给出一个图像集合和一个 SE (Structure Element, 结构元素)集合,利用结 构元素对图像进行操作[100]。结构元素是用来定义形态操作中所用到的邻域的形状 和大小的一个数阵,该数阵中的元素仅由 0 和 1 组成,数值 1 代表领域内的像素。 1.2、连通区域概念 区域标记的实现必须通过确定像素间的连通性来实现,所谓像素间的连通性 即为;假设在一个二维图像中,以任意一个像素点为原点,则此像素点周围一定 有m (m ≤ 8 )个相邻的像素,如果此原点像素灰度值与它周围m 个像素中的某一 像素 x灰度值相等,则称此原点像素和 x 像素具有连通性。图像处理中常用的像 素连通性有 4 连通和 8 连通两类。像素的 4 连通一般选取原点像素的上、下、左、 右四个点。而像素点 8 连通则选取原点像素周围贴近的m (m = 8 )个相邻像素。 依次为左上、上、右上、右、右下、下、左下、左方向 8 个像素点。下面,将通 过 8 邻域连通性对图像连通区域进行标记。 因此,通过将具有相同连通性的像素点依次进行标记,最终就可以将整个图 像不同区域区分开来。进行区域标记之前图像都已经被二值化,故对于本文来说, 每个被分割的白色区域可视为不同的连通区域,相对的,对于不同的黑色区域也 连通区域。下面将讨论如何通过像素的连通性来标记各个不同的区域。 29 1.3、连通域的相关概念 所谓的二值图像连通域是指具有相关特征的像素所组成集合区域,该区域中 的像素必须满足以下两个条件[106]: 1) 二值连通域中的像素灰度值都为 1,即必须是目标像素而不是背景像素; 2) 同一个连通域内的像素之间相互连通,即同一连通域中的任意两个像素 之间能够形成一条通路,并且这个通路都是由该连通域集合中的元素组成。 在理解连通域标记之前,需要清楚邻域和邻接的概念。对于任意像素( x , y ), 将包含该像素在内的一个集合称为像素 的邻域。从直观上看,就是像素 附近的像素形成的区域,连通域标记中最常采用的是 4-邻域和 8-邻域。像素 的 4-邻域(4-Neighbor)也称作像素 的直接邻域,包括本身在内上下左右方向 的像素区域,其符号表示为d-近邻。像素( x , y )的 8-邻域(8-Neighbor)除了包括 近 邻的像素外,还包含了像素 对角线上的 4 个像素,像素 的 8-邻域又称 作非直接邻域,其符号是i-近邻。相同灰度值的两个像素能够在 4-邻域或 8-邻域 内通过具有相同像素值的像素序列相连接,则称这两个像素 4-邻接或 8-邻接[107]。 连通域标记是指从元素灰度值为 0 和 1 的二值点阵图像中,将相互邻接(4- 邻接或 8-邻接)的灰度值为 1 的像素集合提取出来,并将二值图像中不同的连通 区域用不同的标号(数字或文字)标记出来,同时统计图像中不同连通域的个数。 1.4、浮泥的定义 原位浮泥流变性质的测量非常困难,到目前为止,学术界对于浮泥的定义和 界限一直存在分歧。一般认为,浮泥是贴近底床的一层高含沙水体,它与上层水 体间有明显的界面,且其流动性很大。从广义上说,浮泥是悬浮在底床中的由悬 移质,冲泻质颗粒组成的高含沙水体。浮泥在能量相对较低的环境中(如港池) 一般是是静止的,而在能量较高的环境中(如河口海岸地区)则是运动的。 由于浮泥的许多特性与容重有密切的联系,因此大多是研究者都采用浮泥的 容重或含沙浓度来定义浮泥。关于浮泥的上下限,曹祖德[10]认为,浮泥的下限是: 含沙水体泥沙在絮凝沉降过程中,底部泥浆与上部水体出现清晰界面,泥浆性质 由牛顿体变为宾汉体。浮泥的上限是:浮泥的流动性明显消失,流变参数随浮泥 容重的增加而急剧上升,即为上限。Ross 和 Mehta(1988)[11]认为浮泥层的上边 界是泥跃层(粘性细颗粒悬沙浓度垂向分布的不连续性,即垂向悬沙浓度出现明 显的变化),其形成是由于两种非线性关系的作用:垂向扩散和浓度梯度,垂向泥 沙沉降和聚集。浮泥的流型会随着含沙量的变化而变化:当含沙量甚小时为牛顿 流体,当含沙浓度