第三章 形态学处理.ppt

形态学图像处理 形态学 形态学是生物学的一个分支，它是研究动物和植物的形态和结构的学科。 数学形态学被作为工具从图像中提取对于表达和描述区域形状有用处的图像分量，例如边界、骨架以及凸壳。 主要内容 集合论 膨胀和腐蚀 开操作与闭操作 常用形态学提取 灰度级图像扩展 9.1集合论的几个基本概念 二值图像的逻辑运算 二值图像的逻辑运算 9.2膨胀与腐蚀 9.2膨胀与腐蚀 9.2膨胀与腐蚀 2、结构元素形状对腐蚀运算结果的影响 腐蚀运算的结果不仅与结构元素的形状(矩形、圆形、菱形等)选取有关，而且还与原点位置的选取有关。 9.2膨胀与腐蚀 灰度膨胀 灰度腐蚀 灰度开和闭运算 灰度形态学处理应用 9.6.1 灰度膨胀 一维灰度膨胀图示 9.6.2 灰度腐蚀 一维灰度腐蚀图示 灰度膨胀和腐蚀运算应用实例 9.6.3 灰度开和闭运算 开、闭运算的效果 开、闭运算的属性 9.6.4 灰度形态学处理应用 形态学平滑 形态学梯度 Top-hat 变换 纹理分割 粒子测度 (granulometry) 形态学平滑 形态学梯度 Top-hat 变换 纹理分割 思路与步骤 粒子测度 思路与步骤 5、细化：根据击中或击不中变换进行定义： B是几个适当的结构元素，反复使用击中或击不中变换。如果定义B为： 则有： 9.5 基本的形态学算法 其中 是结构元素序列，且Bi是对Bi-1旋转而来 的。 对所有结果元素操作一遍后，如果没收敛，再依次对各个结构元素重复进行运算，直至没有变化为止。 9.5.5 细化 6、粗化：粗化在形态学上是细化的对偶过程。 B是几个适当的结构元素，反复使用击中或击不中变换。如果定义B为： 则有： 9.5 基本的形态学算法 其中所使用的结构元素序列与细化算法一样，并把所有的1和0互换。 9.5.6 粗化 实际应用中，很少直接用粗化算法，而是先对问题集合的补集（即背景集合）进行细化，接着对细化结果求补来得到粗化结果。但这种方式会产生不连续点，因此必须进行一些简单的后处理来去掉不连续的点。 9.5.7 骨架 7、骨架：提取图像的骨架的过程，可以用腐蚀和开操作表达。 B是几个适当的结构元素，对Sk(A)反复使用腐蚀变换： 有： 9.5 基本的形态学算法 9.5.7 骨架 （a）原图像 （b）提取的原图像的骨架图像 骨架提取实例 9.5.7 骨架 9.5.8 裁剪 9.6 灰度级图像扩展 令f(x, y)表示图像，b(x, y)表示结构元素，(x, y)是整数坐标值对。f和b取实数或整数。 b对f进行灰度膨胀可定义为： 为对其有个清楚的理解，先看一下一维的情况，这时上式变为： 灰度膨胀的效果： 如果所有的结构元素的值是正的，则输出图像比输入图像更亮； 暗的细节可被减少或消除，其程度依赖于这些暗细节的值和形状与结构元素间的关系。 注意：此图中移动的是b而不是定义中的f，但结果是一样的，因为膨胀运算满足交换律。移动b而不是f更直观，更简单，因为b的尺寸通常小于f。 定义： 同样可以先看一下一维的情况，这时上式变为： 灰度腐蚀的效果： 如果所有的结构元素的值是正的，则输出图像比输入图像更暗； 在比结构元素还小的区域中的亮细节效果将减弱，其程度依赖于环绕亮细节的灰度值，及结构元素的形状和幅度值。 对一维膨胀示例中的同样 f 和 b，腐蚀的结果如下： 灰度膨胀和腐蚀相对函数补和反射变换成对偶关系： 注意不同图中亮和暗细节的变化 灰度结构元素 灰度膨胀和腐蚀运算应用实例 开运算： 闭运算： 开、闭运算也相对补和反射操作成对偶关系 开运算通常用于去除小的（相对于结构元素而言）亮细节，而保留总体的灰度及和大的亮的特征不变。因为开始的腐蚀操作消除小细节的同时也使图像变暗，所以后面的膨胀过程用于增加图像的整个强度，但不会再引入被去除的细节。 (a)Y为某常数时的图像界面 (c）b在f下方滑动 (d)开运算结果 灰度开运算过程示意图 灰度开运算 采用该结构元素对目标图像进行开运算的过程是： 在目标图像下方滑动结构元素时，在每 一点记录结构元素上的最高点，则由这些 最高点构成的集合即为开运算的结果。 (b)球形结构元素b的界面 灰度闭运算 采用该结构元素对目标图像进行闭运算的过程是： 在目标图像上方滑动结构元素时，在每 一点记录结构元素上的最低点，则由这些 最低点构成的集合即为闭运算的结果。 (b)球形结构元素b的界面 (a)Y为某常数时的图像界面 (c）b在f上方滑动 (d)闭运算结果 灰度闭运算过程示意图 9.6.3 灰度开和闭运算 9.6.3 灰度开和闭运算 开运算通常用于去除小的（相对于结构元素而言）亮细节，而保留总体