图像处理形态学方法.ppt

Hit-and-Miss 计算过程: 如果结构元与图像中的前景和背景部分完全匹配，则结构元原点对应的点被置为1，否则被置为0。 定义: 例子1 应用: 提取角点 细 化(thinning) 定义: thin(A,B)= A – A*B 计算过程: 如果结构元与图像中的前景和背景部分完全匹配，则结构元原点对应的点被置为0，否则保持不变。 ?通常这个运算过程要不断重复，直至图像不再有什么变化。也就是说，在保证图像边缘连续的情况下，使对象的边缘只有一个前景邻域，即“细化”到一个像素宽。? Example of thinning 注意，对于每一次循环，先用左边的结构元然后再用右边的结构元进行“细化”；接着，在其它三个方向分别进行“细化”（每次，两个结构元均旋转90°）。 “细化”的骨架是连续的。 厚 化(thicking) 定义: 计算过程: 如果结构元与图像中的前景和背景部分完全匹配，则结构元原点对应的点被置为1，否则保持不变。 Example of thicking 骨架/中轴变换(skeletonization/medial axis transform) 骨架定义：骨架就是在前景区内，和对象边缘双正切的所有圆的圆心点的集合(结果是一个二值图)。比如，一个长方形的骨架如下: “中轴变换”的结果是一个灰度图像，骨架上每一点的密度值代表该点到原对象边缘的距离(正切圆的半径)。 骨架变换 实现方法: ? 1. 反复进行“细化”直至不能再细化为止（Skeletonization)。 ??2. 先进行“距离变换”；然后确定局部最大距离的所在点位置，即对象的骨架或中轴(MAT)。 Examples of skeleton/MAT 注意: “中轴”可以用来准确地重建对象的原形, 而骨架则不行. skeleton 骨架变换对噪音非常敏感, 容易形成毛刺. Tophat / bothat Top hat: Bot hat: Examples of tophat Original iamge Opening(disk,m=12) Tophat * 八邻域中只要有一个邻域为”1”, 输出为”1”,否则为零; * 四邻域中只要有一个邻域为”1”, 输出为”1”,否则为零; * 膨胀结果: 相当于将结构元的沿对象边界外”滚”一圈,结构元原点的轨迹就是膨胀后的结果, 整个对象就扩展了(n-1)/2, 其中n为结构元的宽度. * 八邻域中每一个邻域为”1”, 输出才为”1”,否则为零; * 四邻域中每一个邻域为”1”, 输出为”1”,否则为零; * 腐蚀结果: 相当于将结构元沿对象的内边界”滚”一圈,结构元原点的轨迹就是腐蚀后的结果, 整个对象就缩小了(n-1)/2, 其中n为结构元的宽度. * 当前景对象为”1”或”0”时, 膨胀与腐蚀的效果会相反!!! A=A0(0.2m:0.7m,0.2n:0.7n); 图中光照不非常均匀, 无法用全局阈值方法分割. 另外,有其它字体干扰. 因条码方向与字符方向一致,先得到条码的位置(连通域面积最大)与方向(hough变换) . * 直接相加的结果 * D=C-B; 得到的图像位double型, 非logical型. 彩色图像的各通道分别赋值; 如用A(C==false)=0, 则只对A图像的R通道赋了零. * * * 开运算结果:相当于将结构元沿对象的内边界”滚”一圈, 结构元外轮廓的轨迹就是”开”的结果 * 结构元的直径大于长方形的高度,小于圆的直径. * 大圆的直径大于11; 小圆的直径大于7,但小于11. 但是，我们却无法找到一个合适的结构元，直接保留较小的细胞而移走较大的细胞(两图相减可得到) * 和“开”运算一样，我们无法找到一个合适的结构元，保留较小的黑圆而移走较大的黑圆!!(两图相”与”可得到) Bwmorph: 对二值图进行形态学操作. * 形态学图像处理方法Morphological Image Processing 形态学方法 膨胀 (dilation) 腐蚀 (erosion) 开(opening) 闭(closing) 击中-击不中(hit-miss) 细化(thinning) 粗化(thicking) 骨架化(Skeleton) 膨胀 (Dilation) 反折（reflection） 平移（translation） A: 原图像, B: 结构元（Structuring element） 定义: 膨胀 (Dilation) A B 膨胀(Dilation) A B 效果: 当结构元的宽度大于缝隙的宽度时, 用膨胀方法 可”填平”这些缝隙! 膨胀结果图(square,5)