数字图像处理与深度学习技术应用 课件 第8、9章 图像形态学处理、图像分割与测量.pptx

数字图像处理与深度学习技术应用 课件 第8、9章 图像形态学处理、图像分割与测量.pptx

  1. 1、本文档共343页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

第8章图像形态学处理;8.1

概述;基本思想:用一定形态的结构元素去量度和提取图像中的对应形状,达到分析和识别目的。

可用于图像处理的各个方面,包括图像分割、特征抽取、边界检测等。

对图像处理的理论和技术产生了重大影响,已经构成一种新的图像处理方法和理论,成为一个重要研究领域。;这门学科在计算机文字识别,计算机显微图像分析,医学图像处理,工业检测等方面都取得了非常成功的应用。形态学方法已成为图像应用领域工程技术人员的必备工具。目前,有关数学形态学的技术和应用正在不断地研究和发展。;数学形态学的数学基础和所用语言是集合论,具有完备的数学基础。数学形态学的应用可以简化图像数据,保持它们基本的形状特性,并除去不相干的结构。

元素和集合:;形态学数学基础;形态学作用;结构元素:形态学变换中的基本元素,是为了探测图像的某种结构信息而设计的特定形状和尺寸的图像,称为收集图像结构信息的探针。

结构元素有多种类型:如圆形、方形、线型等,可携带知识(形态、大小、灰度和色度信息)来探测、研究图像的结构特点。;二值形态学中的运算对象是集合。设X为图像集合,B为结构元素,数学形态学运算是用B对X进行操作。需要指出,实际上结构元素本身也是一个图像集合。;形态学运算包括:二值腐蚀和膨胀、二值开闭运算、骨架抽取、击中击不中变换等。

形态学4个基本算子:膨胀、腐蚀、开启和闭合组成。这些基本运算还可推导和组合成各种数学形态学实用算法。;腐蚀:是将图像X中每一与结构元素B全等的子集B+x收缩为点x。

腐蚀作用:消除物体边界点,使边界向内部收缩,可以把小于结构元素的物体去除。选取不同的大小的结构元素,去除不同大小的物体。如两个物体间有细小的连通,通过腐蚀可将两个物体分开。

;S=;通常是拖动结构元素在X域移动,在每一个位置上,当结构元素B的中心点平移到X图像上的某一点(x,y)。

如果结构元素内的每一个像素都与以(x,y)为中心的相同邻域中对应像素完全相同,那么就保留(x,y)像素点;

对于不满足条件的像素点则全部删除,达到边界向内收缩效果。;B+x的三种可能的状态:;满足M1的点x的全体构成结构元素与图像最大相关点集,这个点集称为B对X的腐蚀,X用B腐蚀的结果:B完全包括在X中时B的原点位置的集合。;(a)原图(b)结构元素图(c)腐蚀示意图;腐蚀作用;腐蚀作用;腐蚀:消除物体边界点。

结构元素取3×3块,使边界减少一个像素。

小于结构元素的物体(毛刺、小凸起)去除。

选取不同大小结构元素,在原图像中去掉不同大小的物体。

如果两个物体之间有细小的连通,当结构元素足够大时,可以将两个物体分开。;作用:与腐蚀相反。

对二值化物体边界点扩充,将与物体接触的所有背景点合并到该物体中,使边界向外部扩张。

如果两个物体之间的距离比较近,会把两个物体连通到一起。

对填补图像分割后物体中的空洞有用。;如果结构元素为一个圆盘:

膨胀:填充图像中的小孔(比结构元素小的孔洞)及图像边缘处的小凹陷部分。

腐蚀:消除图像边缘小的成分,并将图像缩小,从而使其补集扩大。

膨胀和腐蚀:并不互为逆运算,可以级连结合使用。;S=X;将X中的每一个点x扩大为B+x:;(a)原图(b)结构元素图(c)膨胀示意图;膨胀作用;8.2

图像腐蚀;8.2.1

水平腐蚀;8.2.1水平腐蚀;1)得图像的首地址及宽和高,并二值化。

2)开辟缓冲区,初始化为255。

3)由于使用1×3的结构元素结构[0,0,0],从第1行第2列开始,将像素点赋为0,检查这个像素点,判断该像素点的前一点和后一点中是否有背景点,有则将检查的像素点值赋为255,否则保持不变。

4)循环步骤3,直到处理全部像素点。;函数说明;函数说明;效果图;效果展示;8.2.2

垂直腐蚀;8.2.2垂直腐蚀;(1)得原图像的首地址及宽和高。

(2)开辟缓冲区,并初始化为255。

(3)由于使用3×1的结构元素结构,从第2行第1列开始,将像素点赋为0,检查这个像素点,判断该像素点的上一点和下一点中是否有背景点,有则将检查的像素点赋为255,否则保持不变。

(4)循环步骤3,直到处理全部像素。;效果图;效果展示;8.2.3

全方向腐蚀;8.2.3全方向腐蚀;(1)得原图像的首地址及宽和高。

(2)辟缓冲区,并初始化为255。

(3)为用到3×3的结构元素,定义一个一维数组S[9];

(4)从第2行第2列开始,利用结构元素数组判断除中心点外,四个为0的位置中是否有背景点,有则将检查的像素点赋为255,否则保持不变。

(5)循环步骤4,直到处理完全部像素点。;效果图;作用:图像的边界点消除,使图像沿着边界向内收缩。

操作过程:使用一个结构元对像素进行逐个遍历,每一次判定的点都是与结构元中心点所对应

您可能关注的文档

文档评论(0)

lai + 关注
实名认证
内容提供者

精品资料

版权声明书
用户编号:7040145050000060

1亿VIP精品文档

相关文档