膨胀与腐蚀radonhough变换.ppt

二值图像膨胀与腐蚀 一般来说对于二值图像，膨胀运算后图像中物体“加 长”或“变粗”；腐蚀运算后图像中物体“收缩”或“细 化”。下面先通过一些例题观察分析膨胀与腐蚀后的 效果，总结二值图像膨胀与腐蚀运算的方法与原则， 最后给出二值图像膨胀与腐蚀运算的准确描述以及 简单的应用。 1 二值图像膨胀运算 先通过下面例题观察分析几个二值图像膨胀算子的 不同效果。 开运算与闭运算 1 开运算定义如下： 对二值图像来说，开运算能够删除不包含模板形状的对象 区域，能够平滑对象轮廓，断开狭窄的连接，去掉细小的 突出部分。Matlab提供了函数imopen用来完成两个图像的 开运算。 2 闭运算定义如下： 闭运算能平滑图像的轮廓，能将狭窄的缺口连接起来形成 细长的弯口，能填充比模板邻域小的洞。Matlab提供了函 数imclose用来完成两个图像的闭运算。 第4章 图像变换 4.1 图像Radon变换 4.1图像Radon变换 函数Radon Matlab中提供了函数radon用来完成图像Radon变换，该 变换实质上是计算指定方向上图像矩阵的投影。 【例4-1】图像Radon变换。 设计下面程序进行图像的Radon变换。 A= imread(D:\0371.bmp); [C,x1]=radon(A,0); [D,x2]=radon(A,30); subplot(1,3,1); imshow(A) subplot(1,3,2); plot(x1,C) subplot(1,3,3); plot(x2,D) 例e1 clear; x=zeros(55,55); x(16:36,16:36)=1; imshow(x); [r,xp]=radon(x,0); figure; plot(xp,r) 例 clear; I=zeros(200,200); A=eye(100,100); I(101:200,1:100)=A; figure, imshow(I);title(orginal image); theta=0:180; [R,xp]=radon(I,theta); figure,imagesc(theta,xp,R); title(R_theta X); xlabel(theta(degree)); ylabel(X\prime); colormap(hot); colorbar; 所求?=45度，X`=-75左右。意思是在原XY坐标下的45度的直线X`上，距离原点75的位置有条与X`垂直的直线。此直线真正的45+90=135度，右移-75/sin45=100的距离。 函数Iradon Matlab也提供了函数iradon用来进行逆Radon变换。下面例 题4-2先利用radon函数计算一组旋转角度下的Radon变换R ，R是二维数组，记载着对应于每个角度的变换后的数据。 然后利用R及旋转角度，使用函数iradon重建图像。 【例4-2】利用逆Radon变换复原图像。 设计如下程序 B= imread(D:\0371.bmp); T=0:10:180; [C, x]=radon(B,T); D=iradon(C,T); subplot(1,3,1); imshow(B) subplot(1,3,2); imagesc(T, x, C) subplot(1,3,3); image(D) 4.6 Hough变换 1.直线检测的意义 直线是图像的基本特征之一。一般物体平面图像的轮廓可近似为直线及弧的组合，因此，对物体轮廓的检测与识别可以转化为对这些基元的检测与提取。另外在运动图像分析和估计领域也可以采用直线对应法实现刚体旋转量和位移量的测量，所以对图像直线检测算法进行研究具有重要的意义 。 2.Hough变换原理及特点 Hough变换是一种利用图像的全局特征将特定形状的边缘连接起来，形成连续平滑边缘的一种方法。它通过将源图像上的点影射到用于累加的参数空间，实现对已知解析式曲线的识别。 Hough变换常用来对图像中的直线和圆进行识别。 3.直线的Hough变换的基本思想 x-y平面上的任意一条直线y = ax + b ，对应在参数a-b平面上都有一个点 在参数a-b平面上相交直线最多的点，对应的x-y平面上的直线就是我们的解 上述在x-y坐标中用斜率描述的直线存在斜率a无穷大的情况，会给计算带来不便。故一般采用下面的点-正