数字图像处理_第九章_形态学图像处理.pptVIP

Chapter 9 Morphological Image Processing 9.5 一些基本的形态学算法 9.5.5 细化 Bi是Bi-1旋转后的形式 更有用的形式： 整个过程反复进行，直到没有变化为止 Chapter 9 Morphological Image Processing 9.5 一些基本的形态学算法 细化实例参见图9.21 Chapter 9 Morphological Image Processing 9.5 一些基本的形态学算法 9.5.6 粗化 A·B=AU（A*B） B为结构元素 A·B=（（…（（A·B1）·B2）…）·Bn） 粗化处理结构元素和细化处理有关的结构元素具有相同的形式，但所有0，1互换，但粗化算法实际中很少用，代之的是经常先对背景细化，而后求补， Chapter 9 Morphological Image Processing 9.5 一些基本的形态学算法 9.5.7 骨架（中轴变换、梦烧草地） 参见图9.23 Chapter 9 Morphological Image Processing 9.5 一些基本的形态学算法 集合A的骨架符号为S（A） A的骨架可用腐蚀和开操和表达 B：结构元素 为对A，k次腐蚀 第K次是A被腐蚀为空集前最后一次迭代 还可以重构 这种方法的实质是细化可以抽于其“骨架”，但并不能延伸到边缘通过找到端点并对其进行有限制的膨胀，可恢复细化失去的有用的端线（点），从而去掉那些无用的分支。 重构： Chapter 9 Morphological Image Processing 9.5 一些基本的形态学算法 例9.8为计算图形的骨架 Chapter 9 Morphological Image Processing 9.5 一些基本的形态学算法 9.5.8 裁剪 是对细化处理和骨架绘制算法的补充，因为这些处理过程会将附加部分保留下来，应请除干净，例如手写字体识别。 图9.25（见下页）为手写字母a的处理 Chapter 9 Morphological Image Processing 9.5 一些基本的形态学算法 手写字母a的处理 Chapter 9 Morphological Image Processing 9.5 一些基本的形态学算法 现在想去除寄生的多余部分。 可分4步来完成： （1） ，而B为{B1，B2，B3，...B8}，Bi为Bi-1转90°得到 （2）取X1端点集合X2 ，用来检测端点的结构元素 （3）端点三次膨胀，并用A作限定器 H为{x}结构元素，值为1 （4） Chapter 9 Morphological Image Processing 9.5 一些基本的形态学算法 9.5.9 关于二值图像形态与运算总结（1） Chapter 9 Morphological Image Processing 9.5 一些基本的形态学算法 9.5.9 关于二值图像形态与运算总结（2） Chapter 9 Morphological Image Processing 9.5 一些基本的形态学算法 9.5.9 关于二值图像形态与运算总结（3） Chapter 9 Morphological Image Processing 9.5 一些基本的形态学算法 9.5.9 关于二值图像形态与运算总结（4） Chapter 9 Morphological Image Processing 9.5 一些基本的形态学算法 9.5.9 关于二值图像形态与运算总结（5） Chapter 9 Morphological Image Processing 9.6 灰度级图像扩展 9.6 灰度级图像扩展 扩展到灰度图像的基本操作（膨胀、腐蚀，开操作和闭操作→基本形态学算法）,这些算法在图像预处理和后处理中非常有用。以下讨论设f(x,y)是图像，而b(x,y)是结构元素。 Chapter 9 Morphological Image Processing 9.6 灰度级图像扩展 9.6.1 膨胀 用b对f进行的灰度膨胀表示为： Df为f定义域 Db为b的定义域 （s-x）和（t-y）必须在f定义域内，以及x,y∈Db与以前的膨胀定义很相似的。（2个集合交集不为空） 上式与卷积又很相似。 一维的情况： f与b必须彼此交叠 正式定义也可写成b平移，而f不动 Chapter 9 Mo