数字图像处理第8章要点解析.pptVIP

图8-17 灰度腐蚀示意图 (a)图像f； (b) 结构元素b ； (c)用结构元素b对f腐蚀； (d)腐蚀的结果 8.3.2 灰度膨胀 同样也可以用结构元素b对输入图像f(x, y)进行灰度膨胀。对灰度图像的膨胀操作有两类效果： ①如果结构元素的值都为正，则输出图像会比输入图像亮；②根据输入图像中暗细节的灰度值以及它们的形状和尺寸相对于结构元素的关系，它们(暗细节)在膨胀中被削减或消除。 图8-19 灰度膨胀示意图 (a) 灰度膨胀过程； (b) 灰度膨胀结果 图8-18 灰度腐蚀与膨胀前后的图像 (a) 原始图像; (b) 腐蚀后图像; (c) 膨胀后图像 下面介绍灰度膨胀和腐蚀的对偶性。灰度膨胀和腐蚀相对于函数的补(补函数)和反射也是对偶的，对偶关系为 （8-17) （8-18) 这里函数的补定义为f C(x, y)= -f(x, y)，而函数的反射定义为bV(x, y)=b(-x, -y)。 8.3.3 灰值开、 闭运算 灰值开和闭运算的定义与它们在二值形态学中的定义是一致的。用结构元素b(小的灰度图像)对灰度图像 f 做开运算记为f ○ b，其定义为 f ○b =（f b） b （8-19） 用结构元素b对图像 f 做闭运算记为 f●b， 其定义为 f ●b = （f b） b （8-20） 灰度开、闭运算的几何解释如图8-20所示。在图(a)中，给出了图像f(x, y)在y为常数时的剖面 f(x)，其形状为一连串山峰山谷。假设结构元素b为球状，投影到x--f(x)平面上是个圆。下面分别讨论开、闭运算。 用b对f 做开运算，可看作将b贴着f 的下沿从一端滚动到另一端。图(b)给出了b在开运算中的几个位置，图(c)给出了开运算的结果。从图(c)中可看出，所有比 b 直径小的山峰, 其高度和尖锐度都减弱了。 实际中常用开运算消除与结构元素相比尺寸较小的亮细节,而保持图像整体灰度值和大的亮区域基本不受影响。 图8-20 灰度开、闭运算示意图 开 闭 用b对f做闭运算，可看作将b贴着f 的上沿从一端滚动到另一端。图(d)给出了b在闭运算操作中的几个位置，图(e)给出了闭运算操作的结果。从图(e)可看出，山峰基本无变化，而所有比b直径小的山谷得到了“填充”。实际中常用闭运算消除与结构元素相比尺寸较小的暗细节，而保持图像整体灰度值和大的暗区域基本不受影响。具体说来，第一步的膨胀去除了小的暗细节并同时增强了图像亮度， 第二步的腐蚀减弱了图像亮度但又不重新引入前面去除的细节。 图8-21 灰值开闭运算实例 (a) 开运算的结果； (b) 闭运算的结果 8.4 形态学的应用 8.4.1 形态学滤波 由于开、闭运算所处理的信息分别与图像的凸、凹处相关， 因此，它们本身都是单边算子，可以利用开、闭运算去除图像的噪声、恢复图像，也可交替使用开、闭运算来达到双边滤波目的。一般可以将开、闭运算结合起来构成形态学噪声滤波器，例如(X○S)●S或(X●S)○S等。 通常可利用开运算消除图像中的小分支，利用闭运算填补图像中的空洞。 图8-23为消除噪声的实例。图(a)为目标X ，其内部有一些噪声孔而外部有一些噪声块。现在用图(b)所示的结构元素S通过形态学操作来滤除噪声，这里S比所有的噪声孔和块都要大。先用S对X进行腐蚀得到图(c)，再用S对腐蚀结果进行膨胀得到图(d)，即执行了一次开运算，它将目标外部的噪声块消除掉了。再用S对图(d)进行一次膨胀得到图(e)，然后用S对膨胀结果进行腐蚀得到图(f)，即执行了一次闭运算，它将目标内部的噪声孔消除掉了。整个过程为先开后闭。 图8-23 形态学滤波示意图 (a) (c) (b) (e) (d) (f) ● 比较图8-23 (a)和图8-23 (f)，可看出目标区域内外的噪声都消除掉了，而目标本身除原来的4个直角变为圆角外没有太大的变化。在利用开、 闭运算滤除图像的噪声时，选择圆形结构元素会得到较好的结果。为了能使从噪声污染的图像X中恢复出原始图像X0的结果达到最优，在确定结构元素的半径时，可以采用优化方法。 相似的方法也可以应用于灰度图像处理。灰值开运算可用于过滤信号上方的噪声。如果将图8-20信号上方的尖峰视为噪声，那么，开运算后可得到很好的滤波效果，如图8-20(c)所示。根据对偶性，闭运算可以滤掉信号下方的尖峰噪声,如图8-20(d)所示。可以利用适当形状和尺寸的结构元