数学形态学去噪.docVIP

目 录 一 绪论 1 1.1 数学形态学简介 1 1.2 数学形态学与数字图像处理 1 1.3 本次课程设计的目的与要求 2 二 数学形态学的基本运算 3 2.1 基本概念 3 2.1.1结构元素 3 2.1.2膨胀与腐蚀 3 2.2 二值形态学图像处理 4 2.2.1 膨胀 4 2.2.2 腐蚀 6 2.2.3 开运算 7 2.2.4 闭运算 8 2.3 灰度形态学图像处理 9 2.3.1 膨胀 9 2.3.2 腐蚀 10 2.3.3 开运算与闭运算 11 2.4 综述 13 三 数学形态学滤波器去噪 15 3.1 概述 15 3.2噪声模型 16 3.2.1 高斯噪声 16 3.2.2 椒盐噪声 16 3.3形态学滤波器 17 3.4形态学图像去噪原理 20 3.5形态学图像去噪的应用 20 小结与体会 21 参考文献 22 附录 23 一 绪论 1.1数学形态学简介 数学形态学作为一门新兴的图像处理与分析学科，1964年由法国的G.Mathern和J.Serra在积分几何的基础上首次创立。70年代初，采用数学形态学的学者们开拓了图像分析的一个新的领域。经过十多年的理论与实践探索，G.Mathern和J.Serra等人在研究中认识到，对图像先作开运算接着再作闭运算，可以产生一种幂等运算;采用递增尺寸的交变开闭序列作用于图像，可有效地消除图像的噪声，1982年他们正式提出了形态学滤波器的概念。90年代数学形态学有两个显著的发展趋势，第一个是致力于运动分析，包括编码与运动景物描述;第二个是算法与硬件结构的协调发展，用于处理数值函数的形态学算子的开发与设计。 目前国内许多有效的图像处理系统有的是基于数学形态学方法原理设计的，有的是把数学形态学算法纳入其基本软件，并以其运算速度作为系统性能的重要标志之一 1.2数学形态学与数字图像处理 数学形态学在图像处理中属于非线性滤波方法，现在数学形态学的方法已经发展成为图象处理技术的一个重要方面，并且被广泛的应用到图象处理的各个领域，利用数学形态学可以进行图像去噪、图象分割、增强、边缘检测、形态分析、图象压缩等各个方面。可以通过以下几个步骤来实现数学形态学算法对数字图像的处理： 步骤 1、提取图像的几何结构特征，也就是针对所要处理的图像找出相应的几何结构模式。 步骤 2、根据步骤 1 找出的几何结构模式选合适的结构元素，这里结构元素的选择标准择首先是要能最有效的展现该几何结构模式，其次该结构元素的形态还应该尽量的最简。 步骤 3、为了得到比原始图像更能显著突出物体特征信息的图像，用步骤 2 选取的结构元素对目标进行相应的数学形态学变换，如果能对结构元素给予合适的变量，则还能够定量的表示出目标的几何结构模式。 步骤 4、通过上面的三个步骤，相对于我们的处理需求，目标图像会变得更加清晰、明了，并且更有利于我们提取出相应的图像信息。 现在，数学形态学处理图像已经发展成为一个专门的图像科学领域。该领域已经形成了一个理论概念、非线性滤波、设计算法以及应用系统相互连贯而有广阔的整体。与其他很多图像处理技术相比，数学形态学技术的理论框架完善、算法效率高、易于在专门硬件上使用并且适合处理很多与形状相关的问题。例如对于图像噪声去由于可以在去除噪声前有效的探究目标图像的几何结构模式，尽可能的解决去除噪声与保护图像边缘细节信息相冲突的基本矛盾。再如在提取图像边缘时，与其他算法相比，数学形态学方法提取的边缘更为连续，间断点也会少很多。所以很多学术机构及工业研究所在处理数字图形图像、计算机视觉、模式识别等很多问题时都会重点考虑数学形态学方法。 1.3本次课程设计的目的与要求 （1）通过形态学方面的知识处理各种图像。 （2）学会应用形态学知识处理加有高斯噪声与椒盐噪声的图像。 （3）理解不同的形态学运算在处理图像方面的应用。 （4）通过运用MATLAB软件实现仿真。 二 数学形态学的基本运算 2.1基本概念 数学形态学是由一组形态学的代数运算子组成的，它的基本运算有4个：?膨胀（或扩张）、腐蚀（或侵蚀）、开运算和闭运算，?它们在二值图像和灰度图像中各有特点。基于这些基本运算还可推导和组合成各种数学形态学实用算法，用它们可以进行图像形状和结构的分析及处理，包括图像分割、特征抽取、边界检测、?图像滤波、图像增强和恢复等。数学形态学方法利用一个称作结构元素的“探针”收集图像的信息，当探针在图像中不断移动时，?便可考察图像各个部分之间的相互关系，从而了解图像的结构特征。数学形态学基于探测的思想，与人的FOA(Focus?Of?Attention)的视觉特点有类似之处。作为探针的结构元素，可直接携带知识（形态、大小、甚至加入灰度和色度信息）来探测、研究图像的结构特点。 2.1.1结构元素 所谓结构元