图像的膨胀与腐蚀运算比较zh.docxVIP

设计题目：图像的膨胀与腐蚀运算比较 学院： 班级： 学号： 设计人： 指导老师： 设计时间：2014年12月14日 图像的膨胀与腐蚀运算比较 实验目的： 1.了解膨胀与腐蚀的基本运算； 2.掌握膨胀与腐蚀的基本方法； 3.编写Matlab程序实现膨胀与腐蚀。 实验要求： 1.使用imdilate函数进行图像膨胀，并观察膨胀后图像的变化； 2.使用imerode函数进行图像腐蚀，并观察腐蚀后图像的变化； 实验原理： 膨胀：将于物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程，利用它可以填补物体中的空洞，以及消除包含在目标区域中的小颗粒噪声。膨胀处理是腐蚀处理的对偶，可定义如下： 膨胀是以得到B的相对与它自身原点的映像并且由z对映像进行移位为基础的。A被B膨胀是所有EQ \* jc2 \* Font:微软雅黑 \* hps11 \o\ad(\s\up 10(wèiyí),位移)z的集合，这样， 和A至少有一个元素是重叠的。我们可以把上式改写为：?结构元素B可以看作一个卷积模板，区别在于膨胀是以集合运算为基础的，卷积是以算术运算为基础的，但两者的处理过程是相似的。⑴ 用结构元素B，扫描图像A的每一个像素；⑵ 用结构元素与其覆盖的二值图像做“与”操作；⑶ 如果都为0，结果图像的该像素为0。否则为1； 膨胀(dilation)可以看做是腐蚀的对偶运算，其定义是：把结构元素B平移a后得到Ba，若Ba击中X，我们记下这个a点。所有满足上述条件的a点组成的集合称做X被B膨胀的结果。用公式表示为：D(X)={a | Ba↑X}=X B，图中X是被处理的对象，B是结构元素，不难知道，对于任意一个在阴影部分的点a，Ba击中X，所以X被B膨胀的结果就是那个阴影部分。阴影部分包括X的所有范围，就象X膨胀了一圈似的，这就是为什么叫膨胀的原因。 同样，如果B不是对称的，X被B膨胀的结果和X被 Bv膨胀的结果不同。 让我们来看看实际上是怎样进行膨胀运算的。在图中，左边是被处理的图象X(二值图象，我们针对的是黑点)，中间是结构元素B。膨胀的方法是，拿B的中心点和X上的点及X周围的点一个一个地对，如果B上有一个点落在X的范围内，则该点就为黑；右边是膨胀后的结果。可以看出，它包括X的所有范围，就象X膨胀了一圈似的。 腐蚀：是一种消除边界点，使边界点向内部收缩的过程，可以用来消除小且无意义的目标物。如果两目标物间有细小的联通，可以选取足够大的结构元素，将细小连通腐蚀掉。可定义如下： 对Z中的集合A和B，B对A进行腐蚀的整个过程如下： （1） 用结构元素B，扫描图像A的每一个像素； （2） 用结构元素与其覆盖的二值图像做“与”操作； （3） 如果都为1，结果图像的该像素为1。否则为0； 腐蚀处理的结果是使原来的二值图像减小一圈。 其中，X是被处理的对象，B是结构元素。不难知道，对于任意一个在阴影部分的点a，Ba 包含于X，所以X被B腐蚀的结果就是那个阴影部分。阴影部分在X的范围之内，且比X小，就象X被剥掉了一层似的，这就是为什么叫腐蚀的原因。 值得注意的是，上面的B是对称的，即B的对称集Bv=B，所以X被B腐蚀的结果和X被 Bv腐蚀的结果是一样的。如果B不是对称的，让我们看看图6.9，就会发现X被B腐蚀的结果和X被 Bv腐蚀的结果不同。 四、实验代码： 膨胀： %% imdilate膨胀 clc clear A1=imread(you.png);%读取图像 B=[0 1 0 1 1 1 0 1 0]; A2=imdilate(A1,B);%图像A1被结构元素B膨胀 A3=imdilate(A2,B); A4=imdilate(A3,B); subplot(221),imshow(A1); title(imdilate膨胀原始图像); subplot(222),imshow(A2); title(使用B后1次膨胀后的图像); subplot(223),imshow(A3); title(使用B后2次膨胀后的图像); subplot(224),imshow(A4); title(使用B后3次膨胀后的图像); 腐蚀： %% imerode腐蚀 clc clear A1=imread(biao.png); subplot(221),imshow(A1); title(腐蚀原始图像); %strel函数的功能是运用各种形状和大小构造结构元素 se1=strel(disk,5);%这里是创建一个半径为5的平坦型圆盘结构元素 A2=imerode(A1,se1); subplot(222),imshow(A2); title(使用结构原始disk(