基于数学形态学的边缘检测改进算法.docVIP

第章 从第二章对数学形态学的基本理论的介绍中我们知道，数学形态学是一种建立在集合论基础上的，应用于图像处理和模式识别领域的新方法。其基本思想就是用具有一定形态的结构元素来充当“探针”的角色，去探测和提取出图像中的特定相关信息来达到对图像进行分析处理和识别目标的目的。基于数学形态学的边缘检测方法相比基于微分运算的检测算法有很多优点，它不像微分运算那样容易受到噪声的影响，而且它检测得到的边缘比较光滑，既能满足实时性的要求又易于硬件实现，并且可以通过改变结构元素的尺度大小来克服噪声的影响。 3.1 基本形态学边缘检测算子 数学形态学变换的两个最基本运算就是膨胀与腐蚀，对它们进行简单的先后顺序的组合便构成了开闭运算。利用数学形态学来对图像进行边缘提取的原理，主要是根据形态学变换的一些基本性质，通过把待检测图像经过简单的形态学变换后所得到的结果与待检测图像作差，或者是各种不同的形态学变换之间作差的方法得到待检测图像的边缘。与传统方法的性质不同，它们的运算都比较简便，几何意义也很清楚，而且它们能通过调整结构元素的形态来获取相应的边缘的基本特征。下面主要介绍一些常见的基本形态学边缘检测算子。 我们利用灰度形态学的基本性质，可以得出以下结论[58]： (3-1) (3-2) 这里表示原图，表示所采用的结构元素，并且中包含了坐标原点。因此我们可以用差分的形式构造出如下三种最基本的形态学梯度算子[58]： (1) 膨胀型算子： (3-3) (2) 腐蚀型算子： (3-4) (3) 膨胀腐蚀型算子： 图3-3 腐蚀型算子的边缘检测结果图-4 膨胀腐蚀型算子的边缘检测结果 3-6，3-7，3-8 (a) 原图 (b) 膨胀型算子 (c) 腐蚀型算子 (d) 膨胀腐蚀型算子 图3-6 基本形态学边缘检测算子检测结果（不含噪声） (a) 原图加入椒盐噪声 (b) 膨胀型算子 (c) 腐蚀型算子 (d) 膨胀腐蚀型算子 图3-7 基本形态学边缘检测算子检测结果（椒盐噪声） (a) 原图加入高斯噪声 (b) 膨胀型算子 (c) 腐蚀型算子 (d) 膨胀腐蚀型算子 图3-8 基本形态学边缘检测算子检测结果（高斯噪声） 由上述各图可以看出，在不含噪声的情况下，三种算子都能较好地检测出图像的边缘，区别就是膨胀腐蚀型算子检测出来的边缘较其它两种宽，但是这三种基本算子都对噪声十分敏感。因此在实际应用中，这三种边缘检测算子并不能达到抗噪性能的要求，我们有必要设计能够提高抗噪性能的形态学边缘检测算法。 3.2 改进的形态学边缘检测算子 3.2.1 抗噪型形态学边缘检测算子 在上一节中，我们具体介绍和分析了三种最基本的边缘检测算子的性能，为了能够改善基本形态学边缘检测算子的不理想的抗噪性能，很多学者提出了许多改进的算子，在这里我们主要讨论一些比较典型的改进算子。 由于开运算和腐蚀运算可以较好地抑制图像中的峰值（正脉冲）噪声。而闭运算和膨胀运算可以较好地抑制图像中的底谷（负脉冲）噪声，因此根据上述这些特点，我们可以定义基本抗噪型边缘检测算子如下[59]： 开运算型算子： (3-6) 闭运算型算子： (3-7) 开闭运算型算子： (3-8) 开运算型算子又可称为Top-Hat变换（波峰检测器），它的工作原理是用原图像来减去原图像作开运算后的图像，因此能够检测出原图中的波峰；闭运算型算子（波谷检测器）是用原图像作闭运算后的图像减去原图像，因此能够检测出原图中的波谷。在相关文献里，开运算型算子为白Top-Hat变换，表示成WTH；闭运算型算子为黑Top-Hat变换，表示成BTH我们可以利用开闭运算型算子来同时检测出原图中的波峰和波谷，主要工作原理是分别对