形态学图像处理介绍.ppt

* * * * * * * * * * In?image processing, closing is, together with?opening, the basic workhorse of morphological?noise?removal. Opening removes small objects, while closing removes small holes. Other morphological operation Extract boundaryRegion fillingConnectivity detection Remove noisethinning Extract skeleton Extract boundary Region fillingConnectivity detectionRemove noise thinning Extract skeleton Extract boundary Region fillingConnectivity detectionRemove noise Thinning Extract skeleton Extract boundary Region fillingConnectivity detectionRemove noise Thinning Extract skeleton Shrinking Outline * * * * * * * * * * * * * * * * * * * * * * * 灰度图像开闭操作 去掉外角 去掉内角 灰度图像开闭操作示例 形态学平滑 骨架抽取 把一个平面区域简化成图（Graph）是一种重要的结构形状表示法。利用细化技术得到区域的细化结构是常用的方法。因此， 寻找二值图像的细化结构是图像处理的一个基本问题。在图像识别或数据压缩时，经常要用到这样的细化结构，例如，在识别字符之前，往往要先对字符作细化处理，求出字符的细化结构。骨架便是这样的一种细化结构，它是目标的重要拓扑描述，具有非常广泛的应用。 图6-18 骨架抽取示例 (a) 一幅二值图像； （b） 用3×3的结构元素S得到的骨架； (c） 用5×5的结构元素得到的骨架； （d）用7×7的结构元素得到的骨架 细化 利用前面所介绍的形态学知识，下面给出一种实用的对二值区域进行形态学细化的一种算法。如前所述，一个图像的“骨架”， 是指图像中央的骨骼部分，是描述图像几何及拓扑性质的重要特征之一。求一幅图像骨架的过程就是对图像进行“细化”的过程。在文字识别、地质构造识别、工业零件形状识别或图像理解中， 先对被处理的图像进行细化有助于突出形状特点和减少冗余信息量。 在细化一幅图像X时应满足两个条件： 在细化的过程中， X应该有规律地缩小； 在X逐步缩小的过程中， 应当使X的连通性质保持不变。 BW1 = imread(circles.tif); imshow(BW1) BW2 = bwmorph(BW1,remove); BW3 = bwmorph(BW1,skel,Inf); figure, imshow(BW2) figure, imshow(BW3) Matlab 提取骨架 Set a pixel to 0 if its 4-connected neighbors are all 1s, thus leaving only boundary pixels Inf, remove pixels on the boundaries of objects without allowing objects to break apart load imdemos steel; figure,subplot(331),subimage(steel),title(Original ); bw_70 = steel 70; subplot(332), subimage(bw_70) ,title(Thres=70 ); [r,c] = find(bw_70 == 0); bw_210 = steel 210; subplot(333), subimage(bw_210); title(Thres=210 ); bw_clean = bwselect(~bw_210, c, r, 8); subplot(334), subimage(bw_clean); title(Clean ); bw_skel = bwmorph(bw_clean, skel, 6); subplot(335), subimage(bw_sk