形态学图像处理

1.二值形态学腐蚀：

Z2中的集合A和B， A-B表示为B对A的腐蚀，即B对A的腐蚀是一个用z平移的B包含在A中的所有的点z的集合。

假定集合B是一个结构元，则腐蚀表达式等价于下面的表达式，其中，A c是A的补集，Φ是空集。

2.二值形态学膨胀：

A和B是Z2中的集合， A+B表示为B对A的膨胀。表达式是以B关于它的原点的映像，并且以z对映像进行平移为基础。

B对A的膨胀是所有位移z的集合，假定B是一个结构元，A是被膨胀的集合。

代码如下： 

clc        %清除命令窗口的内容
close all  %关闭所有的Figure窗口
clear all  %清除工作空间的所有变量

%%  二值形态学腐蚀和膨胀函数
function output = corrosion_expansion(A,input,element)
%当A=0时为二值形态学腐蚀，A=1时为二值形态学膨胀
%element采用3×3的结构元

[m,n] = size(input);%输入图像尺寸大小
P = zeros(m+2,n+2);
P(2:m+1,2:n+1) = input(:,:); 

if (A ~=0 && A~=1)
    error('请输入A的值为0或1，0为二值形态学腐蚀操作，1为二值形态学膨胀操作');
end

if (A == 0)  %腐蚀
    output = zeros(m,n);
    for i = 2:m+1
        for j = 2:n+1
            if (element & P(i-1:i+1,j-1:j+1)) == element
                output(i-1,j-1) = 1;
            end
        end
    end
end

if (A == 1) %膨胀
    output = ones(m,n);
    for i = 2:m+1
        for j = 2:n+1
            if (element & P(i-1:i+1,j-1:j+1)) == zeros(3,3)
                output(i-1,j-1) = 0;
            end
        end
    end
end       

end

3.边界抽取

使用形态学操作实现边界提取的思路:

(1)首先对图像A进行腐蚀,

(2)之后再使用A减去腐蚀后的结果即是提取到的边界

二值腐蚀算法：

用3x3的结构元素，扫描图像的每一个像素，用结构元素与其覆盖的二值图像做“与”操作，如果都为1，结果图像的该像素为1。否则为0。

结果：使二值图像减小一圈。

把结构元素B平移a后得到Ba，若Ba包含于X，我们记下这个a点，所有满足上述条件的a点组成的集合称做X被B腐蚀(Erosion)的结果。用公式表示为：

如图所示：

二值膨胀算法：

用3x3的结构元素，扫描图像的每一个像素，用结构元素与其覆盖的二值图像做“或”操作。如果都为0，结果图像的该像素为0。否则为1。

结果：使二值图像扩大一圈

如图所示：

clc        %清除命令窗口的内容
close all  %关闭所有的Figure窗口
clear all  %清除工作空间的所有变量
%%
I = imread('Fig0914(a).tif');
I1 = im2bw(I);
subplot(231),imshow(I),title('原图像');
subplot(232),imshow(I1),title('二值化后的图像');
element = [1,1,1;1,1,1;1,1,1];
I2 = corrosion_expansion(0,I1,element);
subplot(233),imshow(I2),title('腐蚀后的图像');
I3 = corrosion_expansion(1,I1,element);
subplot(234),imshow(I3),title('膨胀后的图像');
I4 =  differencing(I1,I2);
subplot(235),imshow(I4),title('形态学提取边界');

%%  二值形态学腐蚀和膨胀函数

function output = corrosion_expansion(A,input,element)
%当A=0时为二值形态学腐蚀，A=1时为二值形态学膨胀
%element采用3×3的结构元

[m,n] = size(input);%输入图像尺寸大小
P = zeros(m+2,n+2);
P(2:m+1,2:n+1) = input(:,:); 

if (A ~=0 && A~=1)
    error('请输入A的值为0或1，0为二值形态学腐蚀操作，1为二值形态学膨胀操作');
end

if (A == 0)  %腐蚀
    output = zeros(m,n);
    for i = 2:m+1
        for j = 2:n+1
            if (element & P(i-1:i+1,j-1:j+1)) == element
                output(i-1,j-1) = 1;
            end
        end
    end
end

if (A == 1) %膨胀
    output = ones(m,n);
    for i = 2:m+1
        for j = 2:n+1
            if (element & P(i-1:i+1,j-1:j+1)) == zeros(3,3)
                output(i-1,j-1) = 0;
            end
        end
    end
end       

end



%% 图像交集、差集和补集函数

% 图像交集函数
function output = intersection(input1,input2)

[m,n] = size(input1);
output = zeros(m,n);
for i = 1:m
    for j = 1:n
        if input1(i,j)==1 && input2(i,j) == 1
            output(i,j) = 1;
        end
    end
end

end

% 图像差集函数
function output = differencing(input1,input2)

[m,n] = size(input1);
output = zeros(m,n);
for i = 1:m
    for j = 1:n
        if input1(i,j)==1 && input2(i,j)==0
            output(i,j) = 1;
        end
    end
end

end

% 图像补集函数
function output = complementation(input1,input2)

[m,n] = size(input1);
output = zeros(m,n);
for i = 1:m
    for j = 1:n
        if input1(i,j)==1 || input2(i,j)==1
            output(i,j) = 1;
        end
    end
end

end

实验结果：​​​​​​​

        对图像进行二值化处理，把f1中的非0值变成1,数值0值变成逻辑0，可以发现，在图像轮廓外出现了一些零散的尖锐点。

        对二值化后的图像进行腐蚀，可以看出腐蚀后的图像轮廓相比原图像有一定的凹陷，二值图像中的尖锐点被消除，部分被细化。

        对二值图像进行膨胀，膨胀后二值图像被粗化，可以明显观察到膨胀图像比原图像的线条粗很多，尖锐点也被放大，图像发生了膨胀。

        形态学边界提取是先对二值图像进行腐蚀，然后计算原图像与腐蚀图像的差集。由实验结果可以发现，边界提取的结果能很好地表示图像的边界信息，完整地显示出了图像的轮廓。