多媒体信号处理 课件 第4章 形态学图像处理.pptx

第4章形态学图像处理;4.1数学形态学的基本概念;4.1.1数学形态学的定义和分类;MM方法比其他空域或频域图像处理方法有一些明显的优势：

在恢复处理中，形态滤波可借助先验的几何特征信息，利用形态学算子有效滤除噪声，又可保留图像的原有信息；

MM算法易于用并行处理方法有效实现，且硬件实现容易；

基于MM的边缘信息提取由于基于微分的提取算法，也不象微分算法对噪声那样敏感，同时提取的边缘较光滑；

基于MM方法提取的图像骨架较连续，断点少。

;4.1.2数学形态学的逻辑运算和基本概念;二值图像的逻辑运算

对于二值图像而言，习惯上认为取值为1的点对应于景物（前景），而取值为0的点构成背景

;0;平移;;目标和结构元素(structureelement)

二值形态学中的运算对象是集合。设A为图像集合，B为结构元素，数学形态学运算是用B对A进行操作

结构元素本身也是一个图像集合。对每个结构元素必须指定一个原点，它是结构元素参与形态学运算的参考点

在每个像素位置上,结构元素与二值图像对应的区域进行特定的逻辑运算，逻辑运算的结果为输出图像的相应像素。

形态学运算的效果取决于结构单元的大小、内容以及运算的性质;目标图像

被考察的图像

结构元素

收集信息的“探针”

小的图像

原点??形态学运算参考点

;结构元素

SE=strel(shape,parameters);4.2二值形态学基本运算;定义

算法

结构元素B扫描图像的每一个元素

用结构元素与其覆盖的目标图像做与运算;;;;;;腐蚀

IM2=imerode(IM,SE);1;定义

算法

用结构元素的反射扫描图像的每一个元素

用结构元素与其覆盖的二值图像做并运算

;注意：

（1）当结构元素中原点位置的值是0时，仍把它看作是0；而不再把它看作是1。

（2）当结构元素在目标图像上平移时，允许结构元素中的非原点像素超出目标图像范围。;;;;;膨胀

应用：连接图像中的邻近目标;膨胀

IM2=imdilate(IM,SE);小结;

膨胀和腐蚀运算的对偶性可分别表示为：;1;4.2.2开运算与闭运算;4.2.2开运算与闭运算;;闭操作;;闭操作的性质

A是闭运算结果的子集

如C是D的子集，则C与B闭运算结果是D与B闭运算结果的子集

对同样的A，多次闭运算的结??与一次闭运算的结果是一样的

;开操作（opening）

先腐蚀，后膨胀

作用

消除细小对象

在细小粘连处分离对象

在不明显改变形状的前提下，平滑对象的边缘

IM2=imopen(IM,SE)

;;;开操作;开操作的性质

开的结果是A的子集

如C是D的子集，则C与B开的结果是D与B开运算结果的子集

对同样的A，多次开运算的结果与一次开运算的结果是一样的;;开闭运算的综合实例

;;开运算和闭运算的对偶性

;腐蚀、膨胀、开运算和闭运算都具有单调性

膨胀和闭运算具有扩展性，而腐蚀和开运算具有非扩展性;仅膨胀运算具有交换性

腐蚀和膨胀运算均具有结合性

膨胀、腐蚀、开运算和闭运算均具有平移不变性;相对于结构元素的平移而言膨胀具有“平移不变性”，但腐蚀不具有这种性质

开运算和闭运算具有幂等性;4.3二值图像的形态学应用;边界提取

边界提取的方法;边界的类型

内边界

外边界

形态学边界;边界提取;区域填充

使用迭代得到区域填充的结果

条件膨胀

如果对膨胀的结果不加控制，就会超过目标边界，每一步与Ac的交集可将结果限制在感兴趣区域内

;;区域填充（imfill）;连通分量的提取

令Y表示一个包含于集合A中的连通分量，并假设Y中的一个点p是已知的，可以用下列迭代式生成Y的所有元素;;4.3二值图像的形态学应用;细化

根据击中-击不中变换定义

用结构元素序列定义;细化;粗化

与细化在形态学上是对偶过程

用结构元素序列定义;粗化;骨架

设D为图像S中的一个内切圆盘，即至少有2点与图像边界相切，如果D不是图像S内部任何其他圆盘的子集，则称为最大圆盘。

骨架可定义为图像内部所有最大圆盘圆心的集合;骨架;骨架

Ａ的骨架可以表示为

A可以由骨架重构得到

;;裁剪

裁剪是对细化和骨架提取算法的补充

细化和骨架提取常会产生“毛刺”（寄生成分），剪切算法可以去除毛刺

手写字符自动识别

小于等于3个像素的长度分支被看作寄生成分;二值形态学小结;4.4灰度形态学基本运算;72;4.4灰度形态学基本运算;4.4灰度形态学基本运算;4.4灰度形态学基本运算;（c）灰度膨胀过程;4.4灰度形态学基本运算;灰度腐蚀;灰度形态学基本运算;4.4灰