第8讲 图像处理的数学形态法第8讲 图像处理的数学形态方法第8讲 图像处理的数学形态方法第8讲 图像处理的数学形态方法.ppt

第八讲 图像处理的数学形态方法 图像处理的数学形态方法 图像处理的数学形态方法 8.1 数学形态学的基本概念 基本概念 基本概念 基本概念 基本概念 8.2 基本的形态变换 基本的形态变换 基本的形态变换 基本的形态变换 基本的形态变换 基本的形态变换 基本的形态变换 基本的形态变换 基本的形态变换 基本的形态变换 基本的形态变换 基本的形态变换 基本的形态变换 基本的形态变换 基本的形态变换 基本的形态变换 基本的形态变换 基本的形态变换 基本的形态变换 基本的形态变换 8.3 二值图像的数学形态变换 二值图像的数学形态变换 二值图像的数学形态变换 二值图像的数学形态变换 二值图像的数学形态变换 二值图像的数学形态变换 二值图像的数学形态变换 二值图像的数学形态变换 二值图像的数学形态变换 二值图像的数学形态变换 二值图像的数学形态变换 二值图像的数学形态变换 二值图像的数学形态变换 二值图像的数学形态变换 实验(三)要求 实验三 实验三 实验三 实验三 图像的平滑处理 图像的边缘提取 图像的形态滤波 图像的细化 图像的平滑处理 采集图像时由于各种因素，不可避免地存在着噪声，多数情况下噪声是加性的。可以通过形态变换进行平滑处理，滤除图像的可加性噪声。 形态开启是一种串行复合极值滤波，可以切断细长的搭线，消除图像边缘毛刺和孤立点，具有平滑图像边界的功能； 闭合运算是一种串行复合极值滤波，具有平滑边界的作用，能连接短的间断，填充小孔的作用。 可以通过开启和闭合运算的串行结合来构成形态噪声滤波器，如下图所示： 图像平滑处理示例 图像的边缘提取 在一幅图像中，图像的边缘线或棱线是信息量最为丰富的区域，而提取边界或边缘也是图像分割的重要组成部分。 通过提取物体的边界可以明确物体的大致形状，这种做法实质上把一个二维复杂的问题表示成一条边缘曲线，大大节约了处理时间，为识别物体带来了方便。 提取物体的轮廓边缘的形态学变换为： 图像的边缘提取示例 形态滤波 无论是基本形态变换还是复合形态运算，都可以改变图像的某些特征。 结构元素的形状和大小直接影响形态滤波的输出效果。不仅不同形状的结构元素，而且不同尺寸的同形状结构元素，其滤波效果也有明显的差异。 选择不同形状、不同尺寸的结构元素，可以提取图像的不同特征。 图像的形态滤波示例 细化 物体细化后的骨架是一个非常有用的特征，是描述图像几何及拓扑性质的重要特征之一，它决定了物体路径的形态。 求图像骨架的过程，就是对图像进行细化的过程。 在文字识别、地质构造识别、工业零件识别或图像理解中，先进行细化有助于突出形状特点和减少冗余的信息。 图像细化（骨架提取）示例 实验三：图像处理的数学形态变换 (1)读入原始图像； (3)运用开启运算和闭合运算，实现图像平滑处理。 (2)将图像进行二值化，转换成二值图像； （一）编写程序，用数学形态变换实现图像的平滑处理。 * * 数学形态学是一门建立在集合论基础上的学科，它是几何形态分析和描述的有力工具。 从某种意义上说，数学形态学实际上构成了一种新型的数字图像分析方法和理论。 这门学科最早起源于对岩相学的定理描述工作，近年来在数字图像处理和机器视觉领域中得到了广泛的应用。 基本思想： 用一定形态的结构元素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。 移动、描述 1. 基本集合定义 …… 2. 图像空间的集合表示 对于n维图像，可用n维欧式空间的E(n)中的一个集合来表示。E(n)的全体集合用R来表示。 假设要考察的图像是R中的一个集合X，而X的补集则表示图像的背景。 二维图像、三维图像、二值图像或灰度图像都可以用集合来表示，只是表示的维数不同而已。 如果在全集R中另有一个集合B，这两个集合X和B(两幅子图像)至少符合如下一个关系： (1) (2) (3) 3. 结构元素 对于每一个结构元素，我们指定一个原点，它是结构元素参与形态学运算的参考点，该原点可以包含在结构元素中，也可以不包含在结构元素中，但运算的结果会有不同。 在考察分析图像时，要设计一种收集图像信息的探针，称为结构元素B。它是E(n)或其子空间E(m)(mn)中的一个集合，具有一定的几何形状，如圆形、正方形、十字形、有向线段等的集合。 在图像中不断移动结构元素，便可以考察图像中各个部分之间的关系，从而提取有用的特征进行分析和描述。 (2) 结构元素的形状最好具有某种凸性，如圆形、十字形、方形等。对非凸性子集，由于连接两点的线段大部分位于集合的外面，落在其补集上，故用非凸性子集作为结构元素将得不到更多的有用信息 结构