DigitalImageProcessing2nded-湖南大学.PPT

图像处理与检测应用 第5章 数学形态学处理 数学形态学可用于从图像中提取对于表达和描述区域形状有用的图像分量，如边界、骨架、凸包等。 数学形态学为大量图像处理问题提供了一种统一一致的方法。 数学形态学首先是用于二值图像，因为在二值图像中，我们唯一关心的便是区域的形状本身。不过数学形态学也推广到了灰度图像。在二值图像的数学形态学处理中，图像（或说图像区域）常常等价地被表述为我们一直所采用的像素值矩阵的形式或白色区域中点的坐标构成的点集的形式。 类似地，我们也常常将二值图像之间的图像逻辑运算表达为等价的点集之间的集合运算。 在数学形态学运算中，几乎都会涉及一个被称为“结构元素”的操作数，它通常都可以被理解为一个小的二值图像模板或等价的点集。结构元素中有一个参考点位置，与空间滤波器中的参考点类似，它指明了当前的形态学操作所参照 腐蚀与膨胀 膨胀 膨胀运算在图像处理中有时用 符号表示。用结构元素B对二值图像A进行膨胀操作，写作A B。 膨胀操作的直观效果就是将区域A中的每个点都“膨胀”扩充为B区域，由此得到的所有这些膨胀后的区域的并集即为A用结构元素B进行膨胀操作的结果。 MATLAB中的膨胀操作 在MATLAB中可使用imdilate函数完成二值图像（与灰度图像）的膨胀操作： D = imdilate(I, B) 结构元素可以用矩阵表示，也可以用strel函数产生。 利用膨胀操作可以消除二值图像中背景部分的细节，如细小的孔洞和缝隙等。 腐蚀 用结构元素B对二值图像A进行腐蚀操作记为A B。 腐蚀操作的直观效果，就是区域A中所有那些与非A的“腐蚀性黑色区域足够接近”（如果经结构元素B膨胀将触及黑色区域）的点都将被腐蚀掉而不再成为A经腐蚀后的区域中的点。 MATLAB中的腐蚀操作 在MATLAB中可利用imerode函数完成腐蚀操作。 E = imerode(I, B) 与膨胀相反，腐蚀操作可用来消除二值图像中前景部分的细节，包括单个的小宽度区域、区域中狭长的连接部分或突起部分等。 开与闭 虽然利用腐蚀或膨胀操作可以去除二值图像中不希望出现的细节，但是与此同时希望保留的区域也发生了失真。如果希望在尽量保持对象区域的前提下去除噪声性细节，则可以使用开操作和闭操作。 开操作：先腐蚀后膨胀 闭操作：先膨胀后腐蚀 开操作和闭操作所起的效果分别类似于腐蚀和膨胀操作。 击中或未击中（hit-or-miss）变换 击中未击中变换中的结构元素由两部分构成：前景部分与背景部分。A与前景部分的腐蚀操作使得A中包含前景部分模式的位置被保留下来，而AC与背景部分的腐蚀操作使得A的反色图像中包含背景部分模式的位置被保留下来，两者的交实际便给出了与结构元素这个“二值图像”完全匹配的位置，这些位置经变换后的结果为“白色”点（结果集合中的点），而所有不能严格匹配模板的点都将被移除。 若干基本的形态学算法 边界提取 细化 加粗 骨架 灰度图像上的数学形态学操作 膨胀 腐蚀 开/闭操作 直观而言，灰度膨胀操作就是亮的像素点按结构元素扩张，而灰度腐蚀操作则是暗的像素点扩张；灰度开操作可用于去除亮的细节，而灰度闭操作可用于去除暗的细节。 分水岭分割 图像的灰度分布可使用“地形学”的概念加以解释：局部洼点（局部极小点）；水流确定向某个洼点汇聚的“汇水盆地”或“分水岭”点；水流以等概率流向多个洼点的“分水线”点。通过“分水线”，可给出一个图像的分割结果。 分水岭分割的基本思想是水由洼点渗出并逐步淹没灰度地形。不同的水洼将在分水线上聚合，在它们将要聚合时，“修筑堤坝”使之保持分离。当水位上涨到最高位时，所筑堤坝即给出了分水线即分割结果。 以下就是一个水位上升、分水岭构建的过程示例。 为了实际构建分水岭，需要跟踪相邻两个灰度（水位）下区域（水洼）的变化。如果灰度的改变导致原来相互分离的两个区域发生了融合，那么就需要构建分水岭。分水岭的构建方法是，在融合后的区域内部，不断地用3x3的结构元素对融合前的两个分离区域进行膨胀操作，然后它们各自的膨胀结果的交集，便是分水岭所在的位置。 标准分水岭分割示例。 分水岭分割通常会形成“过分割”，这一般是由于噪声所造成的许多局部的轻微波动所形成的局部极小点所引起的。通过对图像滤波可一定程度上消除此种现象。更常见的方法是结合特定的滤波或先验知识获取标记点，再利用标记点控制分水岭分割。 如果直接在左上图的梯度图像上进行分水岭分割，则会出现过分割的情况。此时可以首先利用阈值分割加上轻度细化操作获得对象内部的标记点。由于我们希望获得的是对象和背景之间的分水岭（边缘），因此还需要确定背景内部的标记点（可使用分割图像的粗化操作）。 谢谢！ Digital Image Processing