DIP_Presentation_Chapter9.pptVIP

任意2个二值图象A,B的 交 并 补 其中Ω为全为1的图 平移 a,p为平面坐标，即A以p为原点. 腐蚀 膨胀 在处理二值图像时，形态学的主要应用是提取能用在表示和描述形状的图像成分。特别是提取边界、连通区、凸壳和区域的骨架。 我们也开发一些与上述算法相关，常作为预处理和后处理的方法（区域填充、细化、粗化和剪枝） im=imread(‘fig9.35.jpg’); se14=strel(‘disk’,14); cim=imclose(im,se14); 灰色为1，x为任意 算法的核心是简化的Hit-or-Miss变换（不用背景匹配）, 实际上这时：A?B=A?B , B是表示前景的结构。 C.图是B1 对A进行 Hit/miss的结果。 经过4次重复完成 （X4=X3) 上述处理的一个明显缺点是长出的凸包超过其最小维数。 可以通过原始图像A在垂直、水平和对角线上的范围约束。 9.5.5 细化Thinning ? 集合A被结构B细化，记为A?B A?B = A-(A?B) =A∩(A?B)c 其中?仅考虑与结构B的模式匹配，因此没用背景操作。 B可以是{B}={B1,B2,…,Bn} A?{B} = ((…((A?B1) ?B2)…) ?Bn) d.图以后的 A均是上图 的结果。 第2轮从B4 后收敛 m连接 灰色是1 9.5.6 粗化Thickening ⊙ A⊙B = A∪(A?B) A⊙ {B} = ((…((A⊙B1) ⊙B2)…) ⊙Bn) A⊙B = (Ac)c∪((A?B)c)c = (Ac∩(A?B)c) c = (Ac?B)c 实际上，A的粗化可以通过对D=Ac的细化，然后取补集。 灰色是1 实际上，A的粗化可以通过对Ac的细化、然后取补集来完成。 9.5.7 骨架化 Skeletons Maximum disks 与边界有2个或 2个以上交点 (A?kB)-(A?kB)?B 其中: A?kB是结构B对集合A连续k次腐蚀，称为迭代腐蚀 K=max{k|(A?kB)≠?} 可重建A 骨架 例9.8 9.5.9 二值图像形态学操作小结 二值形态学的5个基本结构类型： 9.6 灰度图像的形态学 效果: 总体变亮; 暗细节减少 效果: 总体变暗; 亮细节减少 (f ? b)(s,t)= Chapter 9. Morphological Image Processing 第九章 形态学图像处理 9.1 预备知识 9.1.1 集合论的一些基本概念 本章涉及到的集合元素是像素坐标或图像中的特征。 设A是2维整数空间Z2,如果a=(a1,a2)是A的元素，那么记 如果a=(a1,a2)不是A的元素，那么记 如果集合A的每个元素也是另一个集合B的元素， 则称A是B的子集： 9.1 预备知识 并集 交集 补集 差集 位移 映像/折叠 (相对于图9.1中的B) 3个基本逻辑运算 AND,OR,NOT三个基本逻辑运算符 可以组合成任何其他逻辑操作。 9.1.2 涉及二值图的逻辑运算 “异或”Exclusive OR 黑色是1 9.2 Dilation and Erosion 9.2.1 膨胀 ? 设A,B是2维整数中的集合，则A被B膨胀记为： 通常A指图像，B指膨胀的结构单元。 关于原点的映像/折叠，z是位移矢量。 例： 操作上类似卷积： 折叠，位移，运算， 结果放到模板上某代表点 使用Dilation填补间隙的示例 B 9.2.2 腐蚀Erosion ? 对2维整数上的集合A和B, A被B腐蚀记为： B位移到z后，B中的所有点也在A中。 A?B = A?B=c A?B=e 膨胀与腐蚀是关于补集和映像的对偶运算 证明： 由 但是，在满足 的点集z的补集(位置)z’上， 因此， 证毕。 最后一步由定义： 这里?代替? (A⊕B)c=Ac ? (A?B)c=Ac? 例：应用腐蚀消除2值图像上的无关细节。 c.腐蚀后再用相同的结构膨胀 膨胀与腐蚀是关于补集和映像的对偶运算 膨胀与腐蚀不是直接、简单的互逆运算 9.3 Opening and Closing ? · 开运算和闭运算 开运算可平滑物体轮廓，打断狭窄连接，剔除毛刺。 结构B对集合A的开运算记为： 结构B对集合A的闭运算记为： 先腐蚀后膨胀 先膨胀后腐蚀 A?B=(A?B) ? B A·B=(A ? B) ?B 开运算的几何解释： 所有被A完全包含的B集合的联合 闭运算的几何解释： 腐蚀 膨胀 开运算： 闭运算： 膨胀 腐蚀 开运算与闭运算关于补集和折叠是对偶的： 开运算的性质： A?B 是A的子集（子图） 如果C是D的子集，则C ?B 是D