基于形态学图像处理方法研究论文.doc

基于形态学图像处理方法研究 目 录 第1章 绪论 1 1.1 形态学的研究现状 1 2.2 形态学的研究目的和意义 2 第2章 形态学基本理论 4 2.1 形态学的研究内容 4 2.2 二值图像形态学 5 2.2.1 数字图像的表示及反射平移 5 2.2.2 二值图像的腐蚀和膨胀运算 6 2.2.3 二值形态膨胀和腐蚀运算的性质 8 2.2.4 二值图像开运算和闭运算 9 2.2.5 二值图像开闭运算性质 10 2.3 灰度图像形态学 11 2.3.1 灰度形态学理论基础 11 2.3.2 灰度形态学腐蚀和膨胀运算 12 2.3.3 灰度形态学腐蚀和膨胀运算性质 15 2.3.4 灰度形态学开运算和闭运算 16 2.3.5 灰度形态学开运算和闭运算性质 17 2.4 软数学形态学 18 2.5 模糊数学形态学 18 第3章 形态学在图像处理的基本应用 19 3.1 击中或击不中变换 19 3.2 细化和粗化 19 3.3 形态学重构 20 3.4 形态学图像平滑 21 3.5 图像的骨架化及边界像素值的测定 23 第4章 基于形态学的图像边缘检测 24 4.1 图像边缘的定义 24 4.2 结构元素的确定 24 4.2.1 结构元素的形状 25 4.2.2 结构元素的尺寸 25 4.3 形态学算法和传统算法的边缘检测比较 26 4.4 基于单尺度单结构的抗噪型形态学边缘检测 30 4.5 基于多尺度单结构的边缘检测 32 4.6 基于单尺度多结构的边缘检测 34 4.7 基于多尺度多结构的边缘检测 35 结论 36 参考文献 37 附录Ⅰ 外文文献翻译 38 附录Ⅱ 程序清单 68 致谢 76 第章 绪论 1.1 形态学的研究现状 数学形态学历史可回溯到19世纪的EularSteiner Crofton和本世纪的Minkowski Matheron和Serra。1964年法国的Matheron和Serra在积分几何的研究成果上，将数学形态学引入图像处理领域，并研制了基于数学形态学的图像处理系统1982年出版的专著《Image Analysis andMathematical Morphology》是数学形态学发展的重要里程碑，表明数学形态学在理论上趋于完备及应用上不断深入。数学形态学蓬勃发展，由于其并行快速，易于硬件实现，已引起了人们的广泛关注。目前数学形态学已在计算机视觉、信号处理与图像分析、模式识别、计算方法与数据处理等方面得到了极为广泛的应用。 Sinha和Dougherty于90年代初将模糊数学引入数学形态学领域，形成模糊数学形态学。在模糊数学形态学的方法中，图像不再看成是硬二值化集合，而是模糊集合。集合的交、并运算分别由凸的交、并运算代替，从而分别形成模糊腐蚀和模糊膨胀。周煦潼、施鹏飞等在此方面进行了较深入的研究。 此外，Koskinen等还提出了另一种数学形态学方法——软数学形态学。软数学形态学方法用排序加权统计方法代替最小、最大法。权值与结构元素有关，并由核心和软边界两大部分组成。软数学形态学具有硬数学形态学相似的代数特性，但具有更强的抗噪声干扰的能力，对加性噪声及微小形状变化不敏感。舒昌献、莫玉龙等对基于软化形态学的边缘检测算子的性能也进行了分析和比较。Gasteratos[4]等将模糊集合理论应用到软数学形态学提出了模糊软数学形态学。模糊软数学形态学将模糊数学形态学和软数学形态学结合起来，可根据图像的拓朴结构，合理选择模糊集合运算算子及结构元素核心、软边界的定义域，并通过改变反映结构元素与图像间匹配程度的参数K的值调整图像处理的输出结果。 对于形态学兴趣的增长势头，可以从近几年大量涌现的研究期刊和会议论文的数量，以及许多已经开发和正在开发的工业应用系统中窥见一斑。形态学的应用覆盖了图像处理的几乎所有领域，包括文字识别、医学图像处理、图像编码压缩、视觉检测、材料科学以及机器人视觉等，不胜枚举。形态学方法已经迅速成为图像应用领域工程技术人员的必备工具。形态学图像处理的基本思想，是利用一个称作结构元素的“探针”收集图像的信息。当探针在图像中不断地移动时，便可以考察图像各个部分间的相互关系，从而了解图像的结构特征。数学形态学基于探测的思想，与人的视觉特点有类似之处。作为探针的结构元素，可直接携带知识(形态、大小、甚至加入灰度和色度信息)，来探测研究图像的结构特点。 数学形态学是一种非线性滤波方法。形态和差(膨胀与腐蚀)是数学形态学的基础。数学形态学可以用来解决抑制噪声、特征提取、边缘检测、图像分割、形状识别、纹理分析，图像恢复与重构、图像压缩等图像处理问题。 深入了解数学形态学会发现，数学形态学的基本思想及方法适用于与图像处理有关的各个方面，如基于击中击不中变换的目标识别，基于流域概念的图像分割，基于腐蚀和开运算