数学形态学探究现状及其应用.docVIP

数学形态学探究现状及其应用摘 要：数学形态学是图像处理与分析的重要数学工具，已在计算机视觉、信号处理、图像分析、模式识别等领域得到了广泛的应用并且覆盖了图像处理的几乎所有内容，包括图像分割、特征提取、边缘检测、图像滤波、图像增强和恢复等。本文对数学形态学及其研究现状进行了分析，希望能对我们了解和认识数学形态学有所帮助。 关键词：数学形态学 研究现状 二值形态学 灰值形态学 一、数学形态学及其基本运算 1.数学形态学(Mathematical Morphology，简称形态学)是研究数字图像形态结构特征的理论，它通过对目标图像的形态变换实现结构分析和特征提取。数学形态学是一门新兴学科。数学形态学以严格的数学理论和集合理论为基础，着重于研究图像的集合结构，形态学对图像的处理基于结构元素(structure element)的概念，而且结构元素的选择和图像的某种特有信息有密切的关系，所以构造不同的结构元素可提供不同的图像分析和处理方法，数学形态学中的集合表示图像中的特定信息。 2.数学形态学的基本运算方式是指导数学形态学进行运算处理的基本方法，目前主要有：（1）腐蚀，腐蚀是数学形态学最基本的运算；（2）膨胀(dilation)，可以看作是腐蚀的对偶运算；（3）开运算，先腐蚀后膨胀称为开运算(open)；（4）闭运算，既先膨胀后腐蚀称为闭运算(close)。以上数学形态学的基本运算方式是指导数学形态学发展和进行相关处理的基本方式。 二、数学形态学的理论基础 1.二值形态学。二值形态学是针对二值图像的数学形态学。它由腐蚀、膨胀、开和闭四种本运算组成，几乎所有的形态学运算的实用算法都是由这四种基本运算发展来的。二值设集合A=(xE X=Z. XZ- : f(x)=1)，集合B=ZZ是一类特殊的样板，称之为结构元素，则A被B腐蚀，表示为A?莓B,二值数学形态学的第二个基本运算是膨胀。集合A被结构元素B膨胀定义为：A.B=U{B+a:a E A)膨胀是腐蚀运算的对偶运算(逆运算)，可以通过对补集的腐蚀来定义，可以证明，A?茌B=[AcΘB]c，其中，Ac表示A的补集。开运算及其对偶――闭运算，它们是腐蚀和膨胀运算的复合，利用结构元素B对集合A作开运算，用符号A-B表示，其定义为:A?莓B=（AΘB）?茌B闭运算是开运算的对偶运算，定义为先作膨胀后作腐蚀运算。利用B对A作闭运算表示为AcB，其定义为: AB=（A?茌B）ΘB。 2.灰值形态学讨论的是形态算子作用于灰度图像的情况。灰值形态学中对应的运算为极小和极大运算。给定两个数字图像f和g，极小(n)和极大(V)运算分别定义为(其中，D[f],D[g] c Z，分别是f和g的定义域): (f∧g)(x)=min{f(x),g(x)},x∈D[f]∩D[g] (f∨g)(x)=max{f(x),g(x)},x∈D[f]∪D[g] 三、数学形态学研究现状 1982年Serra的专著《Image Analysis and MathematicalMorphology》是数学形态学发展的重要里程碑，它的问世使数学形态学为国际学术界所知，在图像处理、模式识别和计算机视觉等领域受到了广泛的重视。进入90年代以来，数学形态学图像处理的鲁棒性和抗干扰能力是研究的重要方面，数学形态学与人工智能领域中一些软计算方法的结合是研究思路之一。具体的，1991年Koskinen等提出了一种数学形态学方法――软数学形态学；1992年，Sinha和Dougherty将模糊数学引入数学形态学领域，形成了模糊数学形态学 (Fuzzy MathematicalMorphology) ；1998年，Gasteratos等将模糊集合理论应用到软数学形态学，提出了模糊软数学态学 (Fuzzy soft mathematical morphology)等。 四、 数学形态学应用研究 1.数学形态学在图象处理中的应用 数学形态学主要研究图像的形态特征，它用一整套概念、变换和算法来描述图像的基本特征和基本结构，也就是描述图像中元素与元素、部分与部分间的关系。传统的图像处理理论以解析方式描述算子的性能，而数学形态学算子的性能主要以几何方式进行描述，几何描述的特点使得形态学更适合视觉信息的处理和分析。数学形态学的理论包含内容十分广阔。特别是传统图像处理中的线性算子和非线性算子均是形态学算子的特例。这个说明数学形态学是一个图像处理的统一理论，是对传统理论的推广，有助于我们从不同的侧面更深入地了解经典算法的性质并在更广泛的范围内，以更灵活的方式对它们进行改进。最初，由Matheron和Serra提出的数学形态学以二值图像为研究对象，称为二值形态学;此后，Serra和S