数字图像处理与深度学习技术应用教材配套课件 第8章 图像形态学处理.pptx

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。８.1形态学基本概念

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。形态学作用

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

形态学数学基础2)交集、并集和补集3）包含、击中与击不中

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。形态学基本方法

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。形态学基本方法

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。形态学算子

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。腐蚀运算

S=S--腐蚀后的二值图像集合；B--腐蚀的结构元素，每一个元素取值为0或1，它可以组成任何一种形状的图形，在B图形中有一个中心点；X--经过二值化后的像素集合。用B来腐蚀X得到的集合S，S是由B完全包括在X中时B的当前位置的集合。基本方法

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。基本方法

B+x的三种可能的状态:M1说明B+x与X相关最大，M3说明B+x与X不相关，而M2说明B+x与X只是部分相关。腐蚀运算

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。腐蚀运算

（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。腐蚀作用

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。膨胀

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。膨胀作用

S=X通常是拖动结构元素在X图像域移动，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)，如果结构元素的像素与目标物体至少有一个像素相交，保留(x,y)像素点，达到边界向外扩张。膨胀算子

将X中的每一个点x扩大为B+x:膨胀作用

（a）原图（b）结构元素图（c）膨胀示意图膨胀作用

膨胀作用

8.2图像腐蚀

8.2.1水平腐蚀

8.2.1水平腐蚀水平腐蚀的原理同上面介绍的相同，使用的结构元素不同，水平腐蚀所用的结构元素：

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。实现步骤

函数说明（1）retval=cv2.getStructuringElement(shape,ksize