第09章 数学形态学及其应用070308.ppt

图9.9 灰值闭运算 图9.10 细胞组织图像的灰值形态运算 9.3.5 灰值形态学梯度 利用扁平结构元素g对f作腐蚀和膨胀可得到f的局部极大和极小值，与数字差分定义的梯度相应。 形态学梯度的定义为： 为了更好地获得边缘检测的效果，可以将形态学梯度与阈值结合起来使用。 图9.11 核磁共振图像的形态学梯度 9.3.6 高帽变换和低帽变换 通过这两种变换可以得到灰度图像中一些重要的标记点。 在较亮的背景中求暗的像素点或在较暗的背景中求亮的像素点；检测受到噪声污染图像中的边缘等。 为了使上述效果更明显，对变换后的图像也可以作阈值处理。 高帽变换 从一幅原始图像f中减去对其作开运算后得到图像WHT(f)，其定义为： WHT(f) = f — (f○g) 　　　　 　(9.16) 其中，g为结构元素。 高帽变换是一种波峰检测器 它在较暗的背景中求亮的像素点很有效。 低帽变换 与高帽变换相对偶的算子，定义为： BHT(f) = (f●g) —f 　　　　 (9.17) 低帽变换是一种波谷检测器 适合于在较亮的背景中求暗的像素点。 图9.12 利用Top-Hat和Bot-hat变换检测图像峰值和谷值 9.3.7 开－闭运算和闭－开运算 形态开、闭运算作为最基本的形态滤波运算。 在实际的图像处理中，仅仅采用形态开和闭的滤波效果往往不能令人满意。 在基本的形态开、闭运算的基础上设计出形态开－闭和形态闭－开组合滤波器，发挥其更好的滤波性能。 开－闭运算和闭－开运算互为对偶操作 形态开闭－运算能够滤除图像中形状小于结构元素的亮噪声。 形态闭－开运算可以滤除图像中形状小于结构元素的暗噪声。 开－闭运算： f□g= f○g●g (9.18) 闭－开运算： f■g = f●g○g (9.19) 上一页 下一页 home 第9章 数学形态学及其应用 内容提要: 9.1 概述 9.1.1 数学形态学的发展简史及基本思想 9.1.2 几个基本概念 9.2 二值形态学 9.2.1 二值腐蚀 9.2.2 二值膨胀 9.2.3 二值开运算 9.2.4 二值闭运算 9.3 灰值形态学 9.3.1~9.3.4 灰度腐蚀、膨胀、开运算、闭运算 9.3.5 灰值形态学梯度 9.3.6 高帽变换和低帽变换 9.3.7 开－闭运算和闭－开运算 9.4 彩色形态学（选学） 9.4.1 彩色形态学的基本方法 9.4.2 基于数学形态学的彩色图像滤波 9.1 概述 9.1.1 数学形态学的发展简史及基本思想 可回溯到19世纪Euler、20世纪Minkowski等人的研究。 1964年法国的Matheron和Serra在积分几何的研究成果上，将数学形态学引入图像处理领域，并研制了基于数学形态学的图像处理系统。 1968年在巴黎矿业学院创建了数学形态学研究中心。 Matheron于1975年出版的《Random Sets and Integral Geometry》一书论述了随机集合论、积分几何论和拓扑逻辑论，为数学形态学奠定了坚实的理论基础。 1982年Serra的专著《Image Analysis and Mathematical Morphology》是数学形态学发展的重要里程碑。 1985年以后，一些相关领域的国际会议开始把数学形态学列为学术讨论专题，或专门举行研讨会。 1990年起，SPIE每年举办一次“Image Algebra and Morphological Image Processing”会议。 1986年《计算机视觉与图形图像处理杂志》(GVGIP)出版了数学形态学专刊 1989年和1994年《 Journal of Signal Processing》出版了形态学在信号处理中的应用研究专辑。 数学形态学是研究空间结构的形状、框架的学科 以积分几何、集合代数及拓扑论为理论基础，此外还涉及随机集论、近世代数和图论等一系列数学分支。 数学形态学的理论虽然很复杂，被称为“惊人的数学”，但它的基本思想却是简单而完美的。 数学形态学的基于集合的观点是极其重要的。 图9.1 数学形态学的方法 结构元素的选择十分重要 根据探测研究图像的不同结构特点，结构元素可携带形态、大小、灰度、色度等信息。 不同点的集合形成具有不同性质的结构元素。由于不同的结构元素可以用来检测图像不同侧面的特征，因此设计符合人的视觉特性的结构元素