数学形态学及其应用[精选].pptVIP

数学形态学及其应用 （一）基本集合定义 （二） 二值形态学基本运算 膨胀和腐蚀 膨胀和腐蚀 膨胀和腐蚀 膨胀和腐蚀 膨胀和腐蚀 膨胀和腐蚀 膨胀和腐蚀 膨胀和腐蚀 膨胀和腐蚀 膨胀和腐蚀 膨胀和腐蚀 膨胀和腐蚀 膨胀和腐蚀 开启和闭合 开启和闭合 开启和闭合 开启和闭合 开启和闭合 （三）二值形态学实用算法 （三）二值形态学实用算法 （三）二值形态学实用算法 （一） 灰度图像的排序 （一）灰度图像的排序 （一）灰度图像的排序 （一）灰度图像的排序 （二）灰度形态学基本运算 膨胀和腐蚀 膨胀和腐蚀 膨胀和腐蚀 膨胀和腐蚀 膨胀和腐蚀 膨胀和腐蚀 膨胀和腐蚀 膨胀和腐蚀 开启和闭合 开启和闭合 （三）灰度形态学组合运算 （三）灰度形态学组合运算 （三）灰度形态学组合运算 （三）灰度形态学组合运算 （三）灰度形态学组合运算 （四）灰度形态学实用算法 （四）灰度形态学实用算法 （四）灰度形态学实用算法 （四）灰度形态学实用算法 （四）灰度形态学实用算法 二值信号：交集和并集操作 灰度信号：最小和最大操作 两个信号 f (x)和g(x)的最小值( f ? g)(x) 如果 x ? D[f ] ∩ D[g]，那么( f ? g)(x)是 f (x)和g(x) 的最小值，否则( f ? g)(x) = –? 两个信号 f (x)和g(x)的最大值( f ? g)(x) 如果 x ? D[f ] ∩ D[g]，那么( f ? g)(x)是 f (x)和g(x)的最大值，否则( f ? g)(x) = –?； 如果x ? D[ f ] – D[g]，那么( f ? g)(x) = f (x)； 如果 x ? D[g] – D[ f ]，那么( f ? g) (x) = g(x)； 如果x ? D[ f ] ? D[g]，那么( f ? g)(x) = –? 这里运算的操作对象不再看作集合而看作图像函数：f (x, y)是输入图像，b(x, y)是结构元素。 膨胀和腐蚀 开启和闭合 1. 膨胀 Df 和Db分别是 f 和 b 的定义域 膨胀灰度图像的结果是，比背景亮的部分得到扩张，而比背景暗的部分受到收缩。 1. 膨胀 对灰度图像的膨胀操作有2类效果： ① 结构元素的值都为正，则输出图像会比输入图像亮 ② 暗细节的尺寸比结构元素小，其视觉效果会被减弱 2. 腐蚀 Df 和Db分别是 f 和 b 的定义域 腐蚀灰度图像的结果是，比背景暗的部分得到扩张，而比背景亮的部分受到收缩。 2. 腐蚀 对灰度图像的腐蚀操作有2类效果： ① 结构元素的值都为正，则输出图像会比输入图像暗 ② 亮细节的尺寸比结构元素小，视觉效果会被减弱 3. 膨胀和腐蚀的对偶性 膨胀和腐蚀相对于函数的补（补函数）和映射也是对偶的 补定义为 f c(x, y) = – f (x, y) 函数的映射定义为 (x, y) = b (–x, –y) 用b（灰度）开启 f ： 用b（灰度）闭合 f： 开启和闭合的对偶性 f c(x, y) = – f (x, y) 1. 形态学梯度 形态学梯度能加强图像中比较尖锐的灰度过渡区 2. 形态学平滑 先对图像开启然后再闭合 这2种操作的综合效果 是去除或减弱亮区和 暗区的各类噪声 3. 高帽（top-hat）变换 使用上部平坦的柱体或平行六面体（像1顶高帽）作为结构元素 增强图像中阴影（暗区）的细节，同时消除了亮区的细节。 4. 形态滤波器 非线性信号滤波器 一种实现方案是将开启和闭合结合起来 （如果用一个小的结构元素先开启再闭合一幅图像，就有可能将图像中小于结构元素的类似噪声结构除去） 4. 形态滤波器 筛滤波器：一种允许尺寸在某个窄范围内的结构通过的形态滤波器 提取尺寸为n个像素的亮点状缺陷 第1项将尺寸小于n ? n的所有亮结构除去，第2项将尺寸小于(n – 2)?(n – 2)的所有亮结构除去 将两项相减，留下其尺寸在n ? n和(n – 2)? (n – 2) 之间的结构 1. 背景估计和消除 开启操作可将比背景亮且比结构元素尺寸 小的区域除去 选取合适的结构元素进行开启可使图像中 仅剩下对背景的估计 从原始图中减去对背景的估计就可将目标 提取出来 1. 背景估计和消除 闭合操作可将比背景暗且比结构元素尺寸 小的区域除去 选取合适的结构元素进行闭合可使图像中 仅剩下对背景