数字图像处理及工程应用(张国云西电版)第11章图像形态学运算.ppt

* 第*页 第11章 图像形态学运算 连续作用于目标图像A，则细化也可定义为 （11.33） 图11.27所示的细化例子中，(a)给出了常用的细化结构元素，白色表示背景，黑色表示目标。(c)~(i)给出了细化过程的前几步，(j)给出了最终的细化结果。 (a) 结构元素 * 第*页 第11章 图像形态学运算 (b) 目标图像A (c) 细化第1步 (d) 细化第2步 (e) 细化第3步 (f) 细化第4步 (g) 细化第5步 * 第*页 第11章 图像形态学运算 (h) 细化第6步 (i) 细化第7步 (j) 细化最终结果 图11.27 细化示例 常用的图像细化算法有hilditch算法、pavlidis算法和rosenfeld算法等。细化算法应满足以下条件：将条形区域变成一条细线；细线应位于原条形区域的中心，并保持原图像的拓扑特性。这三类算法的差别在于各算法的判定条件不同。其中，hilditch算法比较普通。pavlidis算法通过 * 第*页 第11章 图像形态学运算 并行和串行混合处理来实现，用位运算进行特定模式的匹配，所得的骨架形态是8连接的。rosenfeld算法是一种并行细化算法，所得的骨架形态是8连接的。第一种算法的通用性较好，后两种算法的效果更好一些。 【例11.7】用MATLAB程序对测试图像进行多次细化运算，并分析结果。 【解】实现上述要求的MATLAB程序如下： f = imread(calculator.jpg); % 读取测试图像 imshow(f); % 显示图像 g = im2bw(f, 0.8); % 转换为二值图像 g1 = bwmorph(g, thin, 1); % 图像细化一次 * 第*页 第11章 图像形态学运算 figure, imshow(g1); % 显示图像 g2 = bwmorph(g, thin, 2); % 图像再次细化 figure, imshow(g2); g3 = bwmorph(g, spur, Inf);% 图像细化稳定 figure, imshow(g3) 程序运行结果如图11.28所示。 图11.28(a)是一幅计算器图像，图11.28(b)是细化一次后的图像，图11.28(c)是细化两次后的图像，图11.28(d)是细化到稳定状态的图像。 * 第*页 第11章 图像形态学运算 (a) 原图 (b) 细化一次后的图像 * 第*页 第11章 图像形态学运算 (c) 细化两次后的图像 (d) 细化稳定后的图像 图11.28 细化实例 * 第*页 第11章 图像形态学运算 其中， 为开运算的运算符。目标图像A和结构元素B的开运算除可用A B表示外，还可表示为O(A, B)、OPEN(A, B)和AB等。 图11.19给出了一个开运算的例子，其中图(c)中的“0”表示目标图像被结构元素腐蚀掉的部分，图(d)中的“0”表示开运算的结果图像与图(a)的目标图像相比减少的部分。从图(d)可以看出，散落在目标图像中的比结构元素小的成分被消除掉了。比较图(d)与图(c)可以看出，开运算与腐蚀运算均能消除图像中比结构元素小的成分，但与腐蚀运算相比，开运算较好地保持了图像中目标物体的大小，这是开运算与腐蚀运算相比的优越之处。 * 第*页 第11章 图像形态学运算 (a) 目标图像A (b) 结构元素B (c) B对A的腐蚀结果 (d) B对(c)的膨胀结果 图11.19 开运算示例 开运算可以去除孤立的小点、毛刺和小桥(即连通两块区域的小点)，消除小物体，平滑较大物体的边界，同时并不明显改变其面积。 * 第*页 第11章 图像形态学运算 2. 闭运算 闭运算是开运算的对偶运算。使用同一个结构元素对目标图像先进行膨胀运算，再进行腐蚀运算，称为闭运算。