一种基于多结构元形态学的图像二值化方法.docVIP

PAGE PAGE 1 一种基于多结构元形态学的图像二值化方法 　　摘要：利用数学形态学算法获取关于图像边界特征的二值化图像的时候，结构元素的构造和选取至关重要。常用的简单、对称的结构元素在检测边界和突出细节方面有其局限性。为了保证结构元素的有效性和适应性，采用多结构元的形态学边界二值化图像获取方法，利用八个方向角度不同的结构元素，以适用于更多的变化情况。实验数据表明，多结构元的方法在加强边界信息、突出细节特征方面取得了较好的效果，有效地突显出图像边界，减少了细节的损失。 　　关键词：数学形态学；多结构元素；边界特征；二值图像 　　中图分类号：TP391.4文献标志码：A文章编号：1006-8228（2013）04-37-03 　　Imagebinarizationmethodbasedonmorphologyofmultiplestructureelements 　　LiuNa 　　（SchoolofPublicAdministration，HubeiUniversityofMedicine，Shiyan，Hubei442000） 　　Abstract：Inimageprocessingfields，mathematicalmorphologyhasawiderangeofapplication.Whenthebinaryimageofimageboundarycharacteristicsisobtainedbytheappropriatemorphologicalalgorithm，theconstructionandselectionofstructureelementsareimportant.Commonsimpleandsymmetricalstructureelementshavelimitationsindetectingboundaryandhighlightingdetails.Inordertoguaranteetheeffectivenessandadaptabilityofthestructureelements，animagebinarizationmethodisputforwardbasedonmathematicalmorphologyofmultiplestructureelements.Theexperimentaldatashowthatthemethodofmultiplestructureelementsreceivesbettereffectsinenhancingtheboundaryofimageandhighlightingdetails. 　　Keywords：mathematicalmorphology；structureelements；boundarycharacteristics；binaryimage 　　0引言 　　图像二值化是图像处理领域的一个基本问题，是目标特征提取、识别与跟踪的基础。在很多应用方面，如：自动目标识别、光学字符识别和文字提取中，它是预处理阶段的关键技术[1]。数学形态学是应用于图像分析处理领域的一个较新的数学理论。不同于传统的数学建模和分析方法，它是建立在集合论的基础之上，用集合表示图像中的对象。将数学形态学应用与图像处理领域，可以帮助我们从图像中提取表达和描绘区域形状的有作用的图像分量，例如边界。对于形态学运算而言，结构元素的选取是至关重要的，它将直接影响处理的效果[2]。因此，如何选取适当的结构元素是目前形态学研究的一个难点和热点问题。在图像处理过程中，通常会采用圆型、方形、菱形等简单、对称的集合作为结构元素。但是，这样的结构元素仅仅可获得它们相应方向上的信息，对于复杂的情况，它的处理效果就不太理想。因此，为了更好地获取边界信息，我们考虑采用能够涵盖八个方向上信息变化的多个结构元素的处理方法，采用基于多结构元形态学的图像二值化方法。实验数据表明，该方法对于图像细节的检测取得了比较好的效果。 　　1数学形态学基本理论 　　数学形态学以形态为基础对图像进行分析，它的基本思想就是用具有一定形态的结构元素去量度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[3]。数学形态学的应用可以简化图像数据，保持它们基本的形状特征，并除去不相干的结构。数学形态学运算主要有四种：膨胀、腐蚀、开启和闭合。这些形态学运算可转化为集合的逻辑运算，算法简单，适于并行处理，且易于硬件实现，适于对二值图像进行图像分割、细化、边缘提取、形状分析。 　　1.1图像膨胀 　　膨胀就是把连接成分的边界扩大一层的处理。结构元素b对图像集合f的膨胀可记为f??b。其定义如下： 　　其中，表示与b关于原点对称的集合。膨胀是一个扩张的过程，这种变换会使目标扩张，孔洞缩小。由