数字图像处理—基于Python 配套课件.ppt

7.4 形态学应用—形态学滤波 目标：在尽可能不产生畸变的情况下，去除噪声 方法：开运算后接一个闭运算 腐蚀运算将小于结构元素的噪声去除了 指纹内部出现许多黑点噪声 7.4 形态学应用—形态学滤波 膨胀运算填充指纹内部的许多空洞 开运算后仍然有许多新的裂缝 7.4 形态学应用—形态学滤波 膨胀运算填充了指纹中的裂缝 7.4 形态学应用—形态学滤波 最后的腐蚀恢复指纹原来的粗细 7.4 形态学应用—形态学滤波 去除了噪声，但一些裂缝没有完全修复 7.4 形态学应用—形态学滤波 本课小结 形态学基础 基本的形态学运算 腐蚀（Erosion） 膨胀（ Dilation） 开运算（ Opening） 闭运算（ Closing） 形态学算法Morphological Algorithms 边界提取Boundary extraction 区域填充Region filling. 提取连通分量Extraction of connected components 形态学应用Applications 形态学滤波Morphological filtering. 第8章 图像分割 阈值分割 一般的图像处理过程 图像分割就是将人们感兴趣的部分（前景）从背景中提取出来 图像分割就是根据图像的灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。 图像分割概述 基本的图像分割方法 8.2 阈值分割 8.3 边缘检测与连接 8.4 区域分割 高级图像分割方法 聚类方法 模型拟合的方法 概率的方法 基于图论的分割 基于能量泛函的分割 基于小波的分割 基于神经网络的分割等。 图像分割概述 本课内容：8.2 阈值分割 寻找最佳阈值的方法 8.2.1 直方图法 8.2.2 基本全局阈值法 8.2.3 最大类间方差法（OSTU算法） 8.2.4 局部阈值法 8.2.5 自适应阈值法 形态学(Morphological)图像处理 7.1 形态学基础 7.2 基本的形态学运算 腐蚀（Erosion） 膨胀（ Dilation） 开运算（ Opening） 闭运算（ Closing） 7.3 形态学算法Morphological Algorithms 边界提取Boundary extraction 区域填充Region filling. 提取连通分量Extraction of connected components 7.4 形态学应用Applications 形态学滤波Morphological filtering. 7.2 基本的形态学运算 腐蚀和膨胀(Dilation and Erosion) 7.2 基本的形态学运算—腐蚀(Erosion) 用结构元素B腐蚀A被定义为： 其中Bxy表示原点（中点）为(x，y)时的结构元素。 集合E是这样的点(x，y)组成的：B的原点位移到点(x，y)，B将完全包含于A中。 A B 7.2 基本的形态学运算—腐蚀(Erosion) 7.2 基本的形态学运算—腐蚀(Erosion) 不同大小的正方形结构元素腐蚀的效果 原图像 11x11 15x15 45x45 7.2 基本的形态学运算—腐蚀(Erosion) 腐蚀能将连接的对象分开 腐蚀能去除喷溅突出 腐蚀会缩小图像 7.2 基本的形态学运算—腐蚀(Erosion) 7.2 基本的形态学运算—膨胀(Dilation) 用结构元素B膨胀A被定义为： B对A膨胀产生的二值图像D是由这样的点（x，y）组成的集合: 的原点位移到(x，y)，它与A的交集非空。 A B 7.2 基本的形态学运算—膨胀(Dilation) 膨胀可修复图像断裂 膨胀可修复侵入突出 膨胀会放大图像 7.2 基本的形态学运算—膨胀(Dilation) 7.2 基本的形态学运算—膨胀(Dilation) 腐蚀与膨胀是对偶的： 当SE对称时，图像的腐蚀就是背景的膨胀。 7.2 基本的形态学运算—对偶性 7.2 基本的形态学运算—开运算(Opening) 膨胀使图像变大，腐蚀使图像变小，为保持图像大小，膨胀与腐蚀通常成对出现。 开运算 ：先腐蚀后膨胀的过程称为开运算。 开运算一般使对像的轮廓变得光滑，断开狭窄的间断和消除细小的突出物。 开运算的几何解释：类似于B在一个轮廓内部滚动 开运算会去除外尖角 7.2 基本的形态学运算—开运算(Opening) 闭运算 ：先膨胀后腐蚀的过程称为闭运算。 闭运算具有填充物体内细小空洞、连接邻近物体、在不明显改变物体面积的情况下平滑其边界的作用。