形态学图像处理方法.pptxVIP

第1页/共39页形态学图像处理方法第2页/共39页形态学方法膨胀 (dilation)腐蚀 (erosion)开(opening)闭(closing)击中-击不中(hit-miss)细化(thinning)粗化(thicking)骨架化(Skeleton)第3页/共39页扩张 (Dilation)定义: A: 原图像, B: 结构元（Structuring element）反折（reflection）平移（translation）第4页/共39页扩张 (Dilation)AB第5页/共39页扩张(Dilation)AB第6页/共39页效果: 当结构元的宽度大于缝隙的宽度时, 用膨胀方法 可”填平”这些缝隙!第7页/共39页膨胀结果图(square,5)第8页/共39页腐蚀(Erosion)第9页/共39页腐蚀(Erosion)AAΘBB第10页/共39页腐蚀(Erosion)ABAΘB第11页/共39页效果: 当结构元的宽度大于”桥梁”的宽度时, 用腐蚀方法可断开这些桥梁!第12页/共39页扩张：扩大 1 区域，滤除小面积0区域腐蚀：扩大 0 区域，滤除小面积1区域扩张与腐蚀是互补的操作第13页/共39页膨胀与腐蚀对比图第14页/共39页开运算(Opening)定义:?目的: 保留与结构元形状相似的前景部分。?可去除比结构元的小的前景!?( “开”运算和“腐蚀”有点类似，但它不像“腐蚀”那样具有破坏性。)第15页/共39页AAΘBB第16页/共39页AAΘBB第17页/共39页第18页/共39页第19页/共39页第20页/共39页开运算例子1用圆形的结构元对图像进行“开”运算，可以分离出白色圆形对象并计数 (disk, m=15) 第21页/共39页开运算例子2用不同大小的结构元(disk)提取不同的对象disk ( m=11; m=7 )第22页/共39页闭运算(Closing)定义:目的: 保留和结构元形状相似的背景部分。 可去除比结构元的小的背景!?(“闭”运算和“膨胀”运算有点类似，但它不像“膨胀”那样使对象各部分变形严重。)?第23页/共39页AB第24页/共39页AB第25页/共39页闭运算例子1应用: 提取特殊形状的背景 (disk, m=22)第26页/共39页闭运算例子2应用: 对前景”填充”(disk, m=20). (要求: 结构元比”空洞”大!)第27页/共39页Hit-and-Miss定义: 计算过程: 如果结构元与图像中的前景和背景部分完全匹配，则结构元原点对应的点被置为1，否则被置为0。第28页/共39页例子1应用: 提取角点第29页/共39页细 化(thinning)定义: thin(A,B)= A – A*B计算过程: 如果结构元与图像中的前景和背景部分完全匹配，则结构元原点对应的点被置为0，否则保持不变。?通常这个运算过程要不断重复，直至图像不再有什么变化。也就是说，在保证图像边缘连续的情况下，使对象的边缘只有一个前景邻域，即“细化”到一个像素宽。?第30页/共39页Example of thinning注意，对于每一次循环，先用左边的结构元然后再用右边的结构元进行“细化”；接着，在其它三个方向分别进行“细化”（每次，两个结构元均旋转90°）。 “细化”的骨架是连续的。第31页/共39页厚 化(thicking)定义:计算过程: 如果结构元与图像中的前景和背景部分完全匹配，则结构元原点对应的点被置为1，否则保持不变。第32页/共39页Example of thicking第33页/共39页骨架/中轴变换(skeletonization/medial axis transform)骨架定义：骨架就是在前景区内，和对象边缘双正切的所有圆的圆心点的集合(结果是一个二值图)。比如，一个长方形的骨架如下: “中轴变换”的结果是一个灰度图像，骨架上每一点的密度值代表该点到原对象边缘的距离(正切圆的半径)。 第34页/共39页骨架变换 实现方法: 1. 反复进行“细化”直至不能再细化为止（Skeletonization)。?2. 先进行“距离变换”；然后确定局部最大距离的所在点位置，即对象的骨架或中轴(MAT)。第35页/共39页Examples of skeleton/MAT注意: “中轴”可以用来准确地重建对象的原形, 而骨架则不行. 第36页/共39页skeleton骨架变换对噪音非常敏感, 容易形成毛刺. 第37页/共39页Tophat / bothatTop hat:Bot hat:第38页/共39页Examples of tophatTophat Opening(disk,m=12)Original iamge第39页/共39页感谢观看!八邻域中只要有一个邻域为