数学形态学的基本运算及仿真结果.docVIP

数学形态学的基本运算 一. 引言 随着计算机技术的发展，图像及信号处理技术越来越为大众所需求。经典的信号处理方法主要是基于线性系统的理论、传统的信号与系统的概念及Fourier分析，并广泛地运用于不同的科学与技术领域中。然而，对于图像的形态特征和几何结构等非线性因素的分析和描述却由于系统的线性特征而受到限制。近几十年发展起来的数学形态学[1]从理论和方法上弥补了这一缺憾，数学形态学不仅提供了描述和分析图像几何及形状特征的多种技术和方法，同时它对于经典的信号处理技术也产生了极大的影响并扩展了原有的技术。基于数学形态学的图像处理技术是一种采用集合的概念表示图像、非线性叠加方式描述图像的非线性系统技术，称之为形态系统[2]，它广泛地应用于生物医学和电子显微镜图像的分析以及数字图像处理和计算机视觉等领域，并已发展成为一种新型的图像处理方法和理论。用于图像处理的形态系统，具有完备的结构和理论体系，是进行非线性性态分析和描述的有力工具。 二. 形态学的相关理论 1.图像的表示方法 如同信号处理中线性时不变系统的建立和描述基于信号的多频表示一样，形态系统的描述和分析方法的建立则是基于图像的集合表示以及相应的集合变换。用R和Z分别表示实数集合和整数集合，E=Rd或Zd(d=1、2、…)分别表示连续的或离散的d维空间，则一个d维图像可表示为E上的一个函数，其取值范围为R或Z。如果函数仅取两个不同的值，则图像可用E中的集合表示。如二值图像可表示为取值为1和0的函数，图像的前景可表示为，背景可表为余集，或简单地用X的特征函数来表示。对于多值（灰度）图像可以通过阀值变换[1，2]获得其二值图像，采用阀值的方法还可以实现对于灰值图像的集合表示。为此，若引入图像的阀集： 这里幅值a取值于R或Z，取决于f(x)是模拟还是数字图像。利用阀集可重构图像。如果引入的特征函数 则即给出了一个二值图像，并且有。 2 基本的形态变换 2..1二值腐蚀和膨胀 二值图象是指那些灰度只取两个可能值的图象，这两个灰度值通常取为0和1。习惯上认为取值1的点对应于景物中的点，取值为0的点构成背景。这类图象的集合表示是直接的。考虑所有1值点的集合(即物体)X，则X与图象是一一对应的。我们感兴趣的也恰恰是X集合的性质。 如何对集合X进行分析呢?数学形态学认为，所谓分析，即是对集合进行变换以突出所需要的信息。其采用的是主观“探针”与客观物体相互作用的方法。“探针”也是一个集合，它由我们根据分析的目的来确定。术语上，这个“探针”称为结构元素。选取的结构元素大小及形状不同都会影响图象处理的结果。剩下的问题就是如何选取适当的结构元素以及如何利用结构元素对物体集合进行变换。为此，数学形态学定义了两个最基本的运算，称为腐蚀和膨胀即1。 2.1 .1二值腐蚀运算 腐蚀是表示用某种“探针”(即某种形状的基元或结构元素)对一个图象进行探测，以便找出图象内部可以放下该基元的区域。它是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。腐蚀的实现同样是基于填充结构元素的概念。利用结构元素填充的过程，取决于一个基本的欧氏空间概念—平移。我们用记号A二表示一个集合A沿矢量x平移了一段距离。即: 集合A被B腐蚀，表示为AB，其定义为: 其中A称为输入图象，B称为结构元素。AB由将B平移x仍包含在A内的所有点x组成。如果将B看作模板，那么，AB则由在将模板平移的过程中，所有可以填入A内部的模板的原点组成。根据原点与结构元素的位置关系，腐蚀后的图象大概可以分为两类: (1)如果原点在结构元素的内部，则腐蚀后的图象为输入图象的子集，如图2.1所示。 (2)如果原点在结构元素的外部，那么，腐蚀后的图象则可能不在输入图象的内部，如图2.2所示。 图2.1腐蚀类似于收缩 腐蚀除了用填充形式表示外，还有一个更重要的表达形式: 这里，腐蚀可以通过将输入图象平移 -b(b属于结构元素)，并计算所有平移的交集而得到。 2 1.2二值膨胀运算 膨胀是腐蚀运算的对偶运算，可以通过对补集的腐蚀来定义。我们以Ac表示集合A的补集，表示B关于坐标原点的反射。那么，集合A被B膨胀，表示为A⊕B，其定义为: 为了利用结构元素B膨胀集合A，可将B相对原点旋转180°得到，再利用对Ac进行腐蚀。腐蚀结果的补集，便是所求的结果，如图2.3所示。 图2.3利用正方形膨胀 膨胀还可以通过相对结构元素的所有点平移输入图象，然后计算并集得到，可用如下表达式描述: 此方程定义的膨胀，历史上称为Minkowski和。 2.1 .3腐蚀和膨胀的代数性质 膨胀满足两个最基本的运算关系，一个是交换律，另一个是结合律。即: 由式(2.2)可见，腐蚀运算是不可交换的，