《数图》第11形态学处理.ppt

Digital Image Processing 数字图像处理基础 Digital Image Processing 第十一章 形态学处理 形态学（morphology） 生物学的一个分支，常用它来处理动物和植物的形状和结构， 数学形态学（mathematical morphology） 建立在集合论基础上的数学理论。 形态学图像处理（以下简称“数学形态学”） 20世纪80年代初，学者将数学形态学应用于图像处理和模式识别领域。 用集合来描述图像目标，目标结构特点，各部分之间的关系。 结构元素（structure element） 一种简单的图形工具， 用它去度量和提取图像中的对应形状，以达到对图像分析和识别的目的。 第1节 数学形态学基础 1.基本集合定义 1）集合： 把一些可区别的客体，按照某些共同特征加以汇集，有共同特性的这些客体的全体称为集合。 如图像中某物体上像素的全体就可构成一个集合。 如果某种客体不存在，就称这种客体的全体是空集，记为 。 2）元素： 组成集合的各个客体，称为该集合的元素，又称为集合的成员。 如图像中物体上的像素。 用a∈A表示a是集合A的元素，任何客体都不是 的元素。 3）子集： 集合A包含集合B的充要条件是集合B的每个元素都是集合A的元素， 也可以称为集合B包含于集合A，记为B A 或A B。 称B是A的子集。 4）并集： 由A和B的所有元素组成的集合称为A和B的并集，记为A B。 5）交集： 由A和B的公共元素组成的集合称为A和B的交集，记为A B。 6）补集： A的补集，记为Ac，定义为 。 如一幅二值图像中目标的补集就是它的背景。 7）差集： 两个集合A和B的差集，记为A-B，定义为： （11.1） 8）对称集： 集合A的对称集（又称反射）记为 ，定义为： （11.2） 9）位移： 集合A用x=(x1,x2)位移，记为(A)x，定义为 （11.3） 2.图像空间的集合表示 （1）图像之间的关系 可以用集合来表示一幅图像。 例如： 黑白图像中所有黑色像素点的集合就是对这幅图像的完整描述。 灰度图像中所有的像素点可以用三维集合来表示： 每个元素的前两个变量用来表示像素点的坐标， 第三个变量代表离散的灰度值。 对于任一幅n维图像都可用n维欧氏空间E (n)中的一个集合来表示。 R中的一个集合X（图像）和另一个集合B（图像）之间的关系： 1）集合B 包含于集合X中，表示为 B X，或集合X包含于集合B中， 。 2）集合B 击中（hit）集合X，表示为，即 B∩X≠? 。 3）集合B 与集合X 相分离，又称 B 未击中（miss）X，B Xc，即 B∩X=?。 （2）结构元素 结构元素：一种收集图像信息的“探针” （小集合）。 特点: 简单，小于目标图像，形状可以自己定义，如圆形、正方形、线段等。 确定一个或参考点，作为形态学运算的参考点。 处理二值图像的结构元素是二值图像，处理灰度图像的结构元素是灰度图像。 形态学处理： 在图像中不断移动结构元素，类似于“滤波窗口”或“卷积模板”。 考察图像中各个部分之间的关系，提取有用的信息，进行结构分析和描述。 结构元素与目标之间相互作用的模式可用形态学运算来表示。 结构元素的选取原则： 1）结构元素的几何形状上比原图像简单，且有界。 2）结构元素的尺寸相对要小于所考察的物体。 3）结构元素的形状最好具有某种凸性，如圆形、十字架形、方形等。 3.形态学运算过程 图像集合X 和结构元素B之间的逻辑运算，