“尖刺物体”的边界上有更多的角，因此一种方法是为此调整角检测器。

例如，我计算了距离变换图像的结构张量（下面的 Mathematica 代码）的行列式：

使用滞后进行二值化生成此图像，这应该是您选择的分割算法的良好起点：

Mathematica 代码（src是您发布的源图像）

首先，我计算输入图像的距离变换。这会在整个对象区域（而不仅仅是边界）上产生对比，因此可以检测到整个对象。

dist = ImageData[DistanceTransform[src]];

接下来我准备结构张量的组件。高斯导数的滤波器大小如果为 5，则窗口大小为 20。

gx = GaussianFilter[dist, 5, {1, 0}];
gy = GaussianFilter[dist, 5, {0, 1}];
gx2 = GaussianFilter[gx^2, 20];
gxy = GaussianFilter[gx*gy, 20];
gy2 = GaussianFilter[gy^2, 20];   

为了计算每个像素的角滤波器，我只需将它们插入结构张量的符号行列式中：

corners = Det[{{dx2, dxy}, {dxy, dy2}}] /. {dx2 -> gx2, dxy -> gxy, dy2 -> gy2};

这与以下内容基本相同：

corners = gx2 * gy2 - gxy * gxy;

将其转换为图像并将其缩放到 0..1 范围会产生上面的角检测器图像。

最后，用正确的阈值对其进行二值化，得到最终的二值图像：

MorphologicalBinarize[Image[corners], {0.025, 0.1}]