图像的数学形态学变换.pdfVIP

一、数字图像处理实验 实验八 图像的数学形态学变换 一、实验目的 运用数学形态学方法对二值图像和灰度图像进行相应处理,使图像的某些特征得以增 强。 二、实验内容 1．编程实现二值图像的基本形态学处理（腐蚀、膨胀、开运算和闭运算）；选择不同 结构元素筛选图像目标。 2．用形态学运算实现灰度图像的噪声平滑和图像边缘提取。 三、实验原理 数学形态学图像处理的基本思想是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间的相互关系，从而 了解图像各个部分的结构特征。作为探针的结构元素，可直接携带知识（形态、大 小、以及灰度和色度信息）来探测所研究图像的结构特点。 1. 二值图像数学形态学 二值形态学中的运算对象是集合，通常给出一个图像集合和一个结构元素集合， 利用结构元素对图像进行操作。其基本运算有四种：腐蚀、膨胀、开运算和闭运算。 基于这些基本运算和组合来进行图像形状和结构的分析及处理。 如果 A 是图像集合， B 是结构元素（ B 本身也是一个图像集合），形态学运算 将使用 B 对 A 进行操作。结构元素往往比图像小得多。基本运算将遵循这个原则。 膨胀和腐蚀 膨胀是在二值图像中“加长”或“变粗”的操作。这种特殊的方式和变粗的程 度由一个称为结构元素的集合控制。 数学上，膨胀定义为集合运算。 A 被 B 膨胀，记为 A ⊕B ,定义为 ∧ A ⊕B {x | [(B)x IA] ⊆A} (8.1) 腐蚀“收缩”或“细化”二值图像中的对象。像在膨胀中一样，收缩的方式和 程度由一个结构元素控制。 腐蚀的数学定义与膨胀相似， A 被 B 腐蚀记为 A B ,定义为 (8. 2) 开运算和闭运算 1 在图像处理的实际应用中，更多地以各种组合的形式来使用膨胀和腐蚀，它们 可以级连结合使用。膨胀后再腐蚀，或者腐蚀后再膨胀，通常不能恢复成原来图像 （目标），而是产生一种新的形态变换，这就是开运算和闭运算。 A 被 B 的形态学开运算可以记做 A oB ,这种运算是 A 被 B 腐蚀后再用 B 来膨 胀腐蚀结果： (8.3) A 被 B 的形态学闭运算记做 A •B ,它是先膨胀再腐蚀的结果： (8.4) 当处理二值图像时，采用上述的形态学变换组合，主要应用于提取某一区域的 边界线、图像边缘轮廓、物体骨架特征和目标识别等众多的实际应用。 2. 灰度图像的数学形态学 二值形态学基本运算可以扩展到灰度图像。并由此建立一些基本的灰度形态学 运算法则。与二值数学形态学不同的是，灰度形态学运算中的操作对象不再看成是 集合而看作是灰度数字图像。设 f (x ,y ) 是输入图像，b(x , y ) 是结构元素（它本身也 是一个子图像）。下面简单介绍基本的灰度形态学运算。 膨胀和腐蚀 对于灰度图像而言，膨胀和腐蚀是以像素邻域的最大值和最小值来定义的。 使用结构元素 b 对 f 的灰度膨胀记为 f ⊕b 。通常灰度膨胀使用平坦的结构元 素来执行，因此灰度膨胀公式可简化为 ′ ′ ′ ′ (8.5) (f ⊕b)(x , y ) max{f (x −x ,y −y ) | (x , y ) ∈D } b 因此，平坦的灰