二值图像处理.ppt

二值图像分析 二值图像分析 —— 问题的提出 经过图像分割之后，获得了目标物与非目标物两种不同的对象。但是提取出的目标物存在以下的问题： 1）提取的目标中存在伪目标物； 2）多个目标物中，存在粘连或者是断裂； 3）多个目标物存在形态的不同。 二值图像分析的目的 二值图像的分析首先是区分所提取出的不同的目标物，之后，对不同的目标物特征差异进行描述与计算，最后获得所需要的分析结果。 二值图像分析的基本概念 连接 连通域 连接 四连接：当前像素为黑，其四个近邻像素中至少有一个为黑； 八连接：当前像素为黑，其八个近邻像素中至少有一个为黑。 连通域 将相互连在一起的黑色像素的集合称为一个连通域。 二值图像的分析方法 贴标签 腐蚀 膨胀 开运算与闭运算 贴标签 —— 基本思路 因为不同的连通域代表了不同的目标，为了加以区别，需要对不同的连通域进行标识。 贴标签 —— 算法步骤 设一个二值矩阵表示一个黑白图像，为讨论方便起见，令“黑=1”，“白=0”。 贴标签 —— 算法步骤 初始化：设标签号为Lab=0,已贴标签数N=0，标签矩阵g为全0阵，按照从上到下，从左到右的顺序寻找未贴标签的目标点； 贴标签 —— 算法步骤 2. 检查相邻像素的状态：根据模板中的相邻像素的状态进行相应的处理； 贴标签 —— 算法步骤 如果扫描过的像素均为0，则Lab=Lab+1, g(i,j)=Lab,N=N+1; 贴标签 —— 算法步骤 如果扫描过的像素标签号相同，则g(i,j)=Lab; 贴标签 —— 算法步骤 贴标签 —— 算法步骤 如果扫描过的像素标签号不相同，例如：Lab2 Lab1, 则g(i,j)=Lab1，N=N-1，修改所有为Lab2的像素值，使之为Lab1; 贴标签 —— 算法步骤 3.将全部的像素进行2.的处理，直到所有的像素全部处理完成; 贴标签 —— 算法步骤 贴标签 —— 应用示例 腐蚀 —— 基本概念 腐蚀 是一种消除连通域的边界点，使边界向内收缩的处理。 腐蚀 ——设计思想 设计一个结构元素，结构元素的原点定位在待处理的目标像素上，通过判断是否覆盖，来确定是否该点被腐蚀掉。 腐蚀 —— 算法步骤 1）扫描原图，找到第一个像素值为1的目标点； 2）将预先设定好形状以及原点位置的结构元素的原点移到该点； 3）判断该结构元素所覆盖的像素值是否全部为1： 如果是，则腐蚀后图像中的相同位置上的像素值为1； 如果不是，则腐蚀后图像中的相同位置上的像素值为0； 4）重复2）和3），直到所有原图中像素处理完成。 腐蚀 —— 例题 腐蚀 —— 应用 腐蚀举例 I = imread(cameraman.tif); se = strel(‘ball’,5,5);%定义椭圆形结构元素 I2 = imerode(I,se); subplot(1,2,1),imshow(I), title(Original) subplot(1,2,2), imshow(I2), title(Eroded) 膨胀 —— 基本概念 膨胀是将与目标区域的背景点合并到该目标物中，使目标物边界向外部扩张的处理。 膨胀 —— 设计思想 设计一个结构元素，结构元素的原点定位在背景像素上，判断是否覆盖有目标点，来确定是否该点被膨胀为目标点。 膨胀 —— 算法步骤 1）扫描原图，找到第一个像素值为0的背景点； 2）将预先设定好形状以及原点位置的结构元素的原点移到该点； 3）判断该结构元素所覆盖的像素值是否存在为1的目标点： 如果是，则膨胀后图像中的相同位置上的像素值为1； 如果不是，则膨胀后图像中的相同位置上的像素值为0； 4）重复2）和3），直到所有原图中像素处理完成。 膨胀 —— 例题 膨胀 —— 应用 膨胀举例 bw = imread(cameraman.tif); se = strel(‘line’,11,90）； bw2 = imdilate(bw,se); subplot(1,2,1),imshow(bw), title(Original) subplot(1,2,2),imshow(bw2), title(Dilated) 开运算与闭运算的提出背景 前面介绍的膨胀与腐蚀运算，对目标物的后处理有着非常好的作用。但是，腐蚀和膨胀运算的一个缺点是，改变了原目标物的大小。 为了解决这一问题，考虑到腐蚀与膨胀是一对逆运算，将膨胀与腐蚀运算同时进行。由此便构成了开运算与闭运算。 开运算 思路：先腐蚀，再膨胀 定义：B ? S = （B ? S）? S 结果： 1）消除细小对象 2）在细小粘连处分离对象 3）在不改变形状的前提下，平滑对象的边缘 开运算 —— 算法原理 开运算是对原