基于数学形态学中轴变换算法.docVIP

基于数学形态学中轴变换算法 　　摘 要：对二值图像处理中中轴变换的算法进行了研究，介绍了基于形态学的中轴变换算法，同时，对数学形态学的相关理论做了介绍。并利用该算法对地图图像进行了中轴变换的处理，取得了良好的实验效果。通过实验研究可以看出，该算法设计灵活，便于实现，具有一定的实用性。 　　关键词：数学形态学；中轴变换；二值图像 　　中图分类号：TP751 　　形状是图像分析当中十分重要的信息，中轴变换是描述物体形状骨架最为常见的方法。中轴[1]可以认为是精确定义的骨架。一块连续二值图像的骨架概念首先是由Blum提出的，当时他称骨架为中轴，后来称为对称轴。 　　虽然中轴变换的应用非常广泛，但直到目前国内在这方面做得研究并不多。常用的中轴变换方法有[2]：拓扑瘦身法、距离变换法、草火法、Voronoi法等。但这些方法的计算量非常庞大，也不能保留孤立点，这样会丢失很多信息，为了避免上述情况发生，我们这里采用了一种基于数学形态学的方法来对图像进行中轴变换处理。 　　1 形态学基本概念 　　形态学运算是针对二值图像依据数学形态学集合论方法发展起来的图像处理方法[3]。它的主要内容是通过一套概念、变换和算法，来描述图像的基本特征。这些数学工具在集合代数的基础上，采用集合论方法分析几何结构和状况，与常用的频域或空域的方法不同。形态学在图像处理中的主要用途就是通过基本运算，对图像的几何特征和参数进行分析，从而改善图像质量。 　　数学形态学的研究对象为图像的形态特征，对图像基本结构与特征进行描述，即对图像中各个元素、部分之间的关系进行描述。一般情况下，形态学图像处理表现为一种邻域运算形式，采用邻域结构元素的方法，在每个像素位置上邻域结构元素与二值图像对应的区域进行特定的逻辑运算，通过运算出到输出图像相应像素的结果。 　　常见的数学形态学基本运算有：腐蚀、膨胀、开运算、闭运算、击中、细化和粗化，其中，以腐蚀和膨胀这两种基本运算作为基础。使用这些运算及其组合，可以分析及处理图像的形状和结构，包括图像分割、特征抽取、边界检测、图像滤波、图像增强和恢复等方面的工作。 　　1.1 元素和集合 　　在数字图像处理的数学形态学运算中，把一幅图像称为一个集合[4]。对于二值图像，通常认为背景的像素点取值为0，而景物中心的像素点取值为1。这类图像的集合是直接表示的。对于一幅图像M，如果点m在M的区域以内，那么就说m是M的元素，记为m∈M，否则记作m M。 　　1.2 目标和结构元素 　　将被考察或者被处理的图像称为目标图像X，为了确定目标图像的结构，必须逐个地考察各部分之间的关系，并且进行检验，最后得到一个各部分之间关系的集合[5]。在考察目标图像各部分之间的关系时，需要设计一种收集信息的探针，称为结构元素S，在图像中不断移动结构元素，就可以考察图像之间各部分的关系。一般来说，结构元素的尺寸要明显小于目标图像的尺寸。设有两幅图像N、X。若X是被处理的对象，而N是用来处理X的，则N为结构元素，又被形象地称为刷子。 　　1.3 交集、并集和补集[4] 　　两个图像集合M和N的公共点组成的集合称为两个集合的交集，记为M∩N，即M∩N={m|m∈M且m∈N}。 　　两个集合M和N的公共元素组成的集合称为两个集合的并集，记为M∪N，即M∪N={m|m∈M或n∈N}。 　　对一幅图像M，在图像M区域以外的所有点构成的集合称为M的补集，记为M′，即M′={m|m M}。 　　1.4 包含、击中和击不中[4] 　　设有两幅图像M、N，如图1所示。 　　（a）N包含于M （b）N击中M （c）N击不中M 　　图1 包含、击中、击不中 　　N包含于M：对于N中所有的元素ni，都有ni∈M，则称N包含于M，记作N M。 　　N击中M：如果M∩N≠?，那么称N击中M，记为N↑M，其中?是空集的符号。 　　N击不中M：否则如果M∩N=?，那么称N击不中M。 　　2 中轴变换 　　中轴变换是一种提取图像的骨架的运算，我们知道在最初的时候骨架的提出就是叫做中轴，也就是说中轴就是骨架，骨架就是中轴[5]。需要强调的是，中轴变换的中轴骨架在拐角处延伸到了边界。 　　2.1 形态学中轴变换 　　许多数学形态学算法都依赖于击中击不中变换。其中，数学形态学中轴变换算法便是一种常见的使用击中击不中变换的形态学算法。其基本思想是，在给定系列具有一定形状的结构元素后，顺序循环地删除满足击中变换的象素，同时中轴变换不能破坏图像的连通性。具体的算法是对图像反复地进行满足删除条件的两次删除，直到没有可删除的像素点为止，最终得到的就是图像的中轴。 　　定义一个5×5邻域的A模板，A中各个位置上的取值取决于A所对应图像中不同像素位置，如果A某一个位置上所对应的像素为白，A上该位置赋为0，否则赋为1，如图2所示。