图像的膨胀与腐蚀运算比较zjg..docxVIP

数字图像课程设计实验报告设计题目：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；示意图如下： 膨胀示意图膨胀(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。示意图如下： 腐蚀的示意图其中，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：1=imread(‘circles,tif’)Inshow(I)Se=strel(‘boll’,8.8);I2=imdilate(I,se);Imshow(I2)图像膨胀处理过程运行结果如下：腐蚀：1=imread(‘circles,tif’)Inshow(I)Se=strel(‘boll’,32.32);I2=imerode(I,se);Imshow(I2)图像腐蚀处理过程运行结果如下：上面腐蚀与膨胀基于的原图如下：六、实验总结：通过本次的实验，我了解了二值形态学的基本运算，掌握了二值图像膨胀、腐蚀的基本方法，并且会运用编程实现膨胀、腐蚀，本次的实验目的已经完成，意识到在以后的生活中要了解做事情的目的，注重每一个与细节，认真思考遇到的所有问题，提高自己各方面的能力。感谢老师教会我们理论与实践知识，也让我明白了什么是学习，怎么样学习，为以后的生活奠定的基础与指引了方向。