图像处理基础——形态学

最新推荐文章于 2022-10-28 19:19:44 发布
最新推荐文章于 2022-10-28 19:19:44 发布
阅读量515 收藏 2
点赞数
分类专栏： 图像处理 文章标签： 开运算 闭运算 形态学 图像处理基础
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jiDxiaohuo/article/details/100974958
版权

文章目录

形态学基础前提知识

在这里插入图片描述

B’为B关于中心对称的集合 （B）z为B在集合Z中移动

腐蚀与膨胀

腐蚀

作为元素集Z中的集合A和B 则B对A的腐蚀定义为：
集合B在Z内移动若移动后B为A的子集则保留当前位置。
公式为：
在这里插入图片描述
也可以表示为下式（前提是A集合不等于Z集合，也就是A的补集不能为空）：
在这里插入图片描述在这里插入图片描述
在这里插入图片描述

膨胀

A和B是Z中的集合，则B对A的膨胀定义为：
B关于中心对称与A取交集若不为空，则保留此元素。
公式为：
在这里插入图片描述
也可以表示为：
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

闭运算与开运算

闭运算

先膨胀后腐蚀
在这里插入图片描述
可以按照下图来简单理解闭运算 集合B在A外边缘滑动形成的最小外接集合
在这里插入图片描述

在这里插入图片描述

开运算

先腐蚀后膨胀
在这里插入图片描述
可以按照下图来简单理解开运算 集合B在A中滑动形成的最大内接集合
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

击中与击不中

形态学击中击不中是检测特定形状的工具，
在下图中找到D集合 只需要设定一个比D大一些的W集合 得出W-D集合，再计算出W-D对AC的腐蚀（边缘需要进行拓展，计算结算后恢复）,再计算D对A的腐蚀，再将二个集合取交集最终得出来的点便是D的位置中心，匹配成则为击中，反之，击不中。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

顶帽与黑帽

顶帽

  • 原图像减去开运算结果
  • result = src - open

黑帽

  • 闭运算结果减去原图像
  • result = close - src
    在这里插入图片描述

一些其他的形态学操作

形态学梯度

形态学梯度 = 膨胀-腐蚀

在这里插入图片描述

边界提取

用原集合减去被适当大小集合B腐蚀过后的原集合
在这里插入图片描述

孔洞填充

孔洞定义为被前景像素连接包围的背景像素区域，此次介绍的是非自动化的孔洞填充 后续将介绍自动化的孔洞填充
方法：首先选取孔洞中任意元素 定义为X0 之后定义一个3*3的结构元B 用B膨胀X0 得到的结果与A的补集相交得到 X1 重复此步骤知道最终结果不变 最终所得的结果则为孔洞填充结果 XK XK与A并集得出完整孔洞（边界 加 孔洞填充）
此方法从方法步骤中可以看出一些问题 每次填充都需要选定孔洞中一个元素 很不自动 之后介绍的方法会解决这问题。
在这里插入图片描述
上公式中膨胀之后的结果与一些限制进行交集 这种膨胀手段常被称为“条件膨胀” 同理 “条件腐蚀”

连通分量的提取

连通分量提取方法与孔洞填充相似 同样是 条件膨胀
首先提取需要提取的连通分量的一个元素（前背景或者后背景元素）定义为X0 之后定义一个3*3的结构元B 用B膨胀X0 得到的结果与此连通分量相交得到 X1 重复此步骤知道最终结果不变 最终所得的结果则为此连通分量。
在这里插入图片描述

凸壳

如果一个集合中任两点相连形成的直线段都在此集合中 则此集合为凸性的 。 定义任意集合S的凸壳H是包含S的最小凸集，H-S为凸缺
在这里插入图片描述
四个结构元
在这里插入图片描述
“x”为不做计算的位置 每个结构元中心都定义为中心位置
在这里插入图片描述
选取初始集合作为运算初始项，与结构元B进行击中击不中变换 结果与运算初始项取并集 重复上述步骤知道最终结果不变位置，
在这里插入图片描述
上述步骤可得出凸壳一部分（指定方向指定结构元）重复四个结构元将得出的四个结果取并集得出最终凸壳结果。

在这里插入图片描述
实验可知得出来的结果并不是最小凸集 边缘有多余元素 可使用凸壳生长算法限制水平竖直方向的增长，效果也不是很好。

细化

定义n个结构元B方向尽量全面 为了得出细化效果更好的集合
在这里插入图片描述

细化可以看作是简单的骨架提取 方法为利用原集合减去原集合与结构元B进行击中击不中变换后的结果得出来的结果。
在这里插入图片描述
在这里插入图片描述

粗化

粗化与细化是相反的操作 细化前背景 也就是粗化后背景

骨架

形态学重建

形态学重建主要是测地膨胀 和 测地腐蚀 两种操作 之前讨论的形态学操作都是一幅图片 一个结构元 而形态学重建需要两幅图片 一个结构元
一幅图片作为标记图片 它包含变换的起点
一幅图片作为模板图片 它包含限制条件
结构元用来定义连接

  • 测地膨胀

方法为对标记图片F进行结构元B膨胀 再与模板图片取交集
重复上步直至最终结果不变
过程中因为有模板图片作为限制所以最终的重建图片就是模板图片
在这里插入图片描述
在这里插入图片描述

  • 测地腐蚀

方法为对标记图片F进行结构元B腐蚀 再与模板图片取并集
重复上步直至最终结果不变
过程中因为有模板图片作为限制所以最终的重建图片就是模板图片

在这里插入图片描述
在这里插入图片描述

代码传送门

https://blog.csdn.net/jiDxiaohuo/article/details/100980256

我飘在南方
我的梦在哪里
我就飘在哪里
如果你也有梦想
放开去追
因为
只有奋斗才能改变命运啊

在这里插入图片描述

Vector_LW
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
形态学 - 膨胀和腐蚀
Henry的博客
10-25 1612
形态学是生物学的一个分支，主要研究动植物的形态和结构。这里，我们应用形态学简化图像的数据，取出不重要的结构，仅仅保持图像的基本形状特性形态学的基础是集合论。将感兴趣的区域称为前景像素点，不感兴趣的部分称为背景像素点。通过定义的结构元SE（structural element） 对前景像素点操作，从而达到处理图像的效果。结构元类似之前的滤波器模板，不同的是结构元需要定义原点。原点对应像素点的输出，原点可以在SE的内部或者外部。当结构元对称且未指定原点的时候，原点位于对称中心处。
数字图像处理——形态学实验
06-26
数字图像处理——形态学实验
形态学---基础知识
青灵_Yaffa的博客
04-13 351
连通分量的提取 基础知识：https://blog.csdn.net/IT_charge/article/details/105496658 这边文章讲的真的好！ 连通性
图像的基本形态学处理方法（开运算、闭运算、顶帽运算、底帽运算）
w1050321758的博客
04-27 5717
图像的基本形态学处理方法（开运算、闭运算、顶帽运算、底帽运算） 图像的形态学运算可以对图像进行预处理（去噪声、简化形状）、增强物体结构（抽取骨骼、细化、粗化、凸包）、从背景中分割物体、对物体进行量化描述（面积、周长、投影）。 图像的形态学处理经常以二值化图像为源图像。二值化图像是将原始图像的灰度图以某一阈值进行分割，把像素点的灰度在阈值范围内的设置为255，用白色表示，在阈值范围之外的设置为0，用黑色表示。其具体的公式如下： 上式中， f(x,y)代表灰度图某一像素的灰度值，T1、T2 分别是设置的上下灰
数字图像处理07--数学形态学基本运算
JamSlade的博客
05-17 1034
数字图像处理 实验环境配置 1. 数学形态学基本运算、基本操作都有哪些？ 操作：膨胀与腐蚀 膨胀 A, B为Z2Z^2Z2的集合，∅为空集， A被B的膨胀记为A⊕B,⊕为膨胀算子 膨胀的定义为 A⊕B={x∣[(B^)xy∩A]≠∅}A⊕B=\{x|[(\hat{B})_{xy}\cap A]\neq \empty\}A⊕B={x∣[(B^)xy​∩A]​=∅} 即𝐵^\hat{𝐵}B^原点平移到(x,y)，与A至少有一个非零公共元素 A⊕B={x∣[(B^)xy∩A]⊆A}A⊕B=\{x|[(\hat{
形态学 - 凸壳
Henry的博客
10-28 1629
凸壳的定义是：图像前景像素点任意两点的直线都在集合的最小的集合这里我们处理的图像依旧是二值图像这里 i 取四次操作，对图像分别做上、下、左、右的扩充代表击中-击不中变换处理的过程为：用结构元B对图像做击中-击不中变换，当两次处理的结果相同的时候，操作停止。因为这里需要四个不同的结构元做上下左右的变换，所以每次处理的结果是凸壳的子集注：四次都是对原图做变换最后将四次处理并在一块就行了最后需要注意的是，因为凸壳会增长到超出保证凸性的最小区域，减少这种过增长最好的方法就是，
数字图像处理matlab——数字形态学处理（matlab源文件及训练文件）
03-26
数学形态学处理后，改变区域的大小、形状或者提取区域的骨架等，以便于分析理解和识别目标物的形态特征 1.准备二值图像，对其进行膨胀、腐蚀、开运算、闭运算操作 2.使用不同形状和大小的结构元素，做以下处理 对...
OpenCV图像处理基础——基于C++实现
06-19
OpenCV图像处理基础——基于C++实现版本视频培训课程概况：教程中会讲解到OpenCV的基础知识及使用方法，并基于OpenCV实现基础的图像处理算法；除此之外课程包含如下的内容： 图像颜色空间及类型转换及应用（BGR、...
计算机视觉——图像处理基础
12-22
图像处理基础1. PIL-Python图像库1.1 图片的格式转换1.2 创建缩略图1.3拷贝并粘贴区域1.4 调整尺寸及旋转2. Matplotlib库2.1 画图、描点和线2.2 图像轮廓和直方图2.3交互注释3. NumPy库3.1 图像数组表示3.2 灰度变换...
数字图像处理——冈萨雷斯
12-13
介绍MATLAB编程基础知识之后，讲述了图像处理的主干内容，包括灰度变换、线性和非线性空间滤波、频率域滤波、图像恢复与配准、彩色图像处理、小波、图像数据压缩、形态学图像处理、图像分割、区域和边界表示与描述，...
形态学，击中，边界提取，孔洞填充等——图像形态学处理的理解和实例---转载
Jack_Sarah的博客
05-03 6802
感谢原文作者，写的很好。原文地址：https://www.tony4ai.com/DIP-3-4-%E4%BA%8C%E5%80%BC%E5%9B%BE%E5%83%8F-%E5%BD%A2%E6%80%81%E5%AD%A6%E5%A4%84%E7%90%864-%E5%85%B6%E4%BB%96/如有侵权，，，，请联系本人。。。Keywords: 二值图像，形态学，击中，边界提取，孔洞填充，...
图像处理中的形态学方法
imNingyuan的博客
10-01 4844
形态学图像处理（简称形态学）是指一系列处理图像形状特征的图像处理技术。形态学的基本思想是利用一种特殊的结构元来测量或提取输入图像中相应的形状或特征，以便进一步进行图像分析和目标识别。形态学方法的基础是集合论。形态学方法由J. Serra 于1964年提出。
OpenCV（八）形态学操作3--形态学梯度实现轮廓分析（基本梯度、内部梯度、外部梯度、方向梯度X(Y)）
great_yzl的博客
08-10 1473
目录 形态学梯度概述 一、基本梯度 1、原理 2、代码 3、效果 二、内部梯度 1、原理 2、代码 3、效果 三、外部梯度 1、原理 2、代码 3、效果 四、方向梯度 1、原理 2、二值化图像（黑白） 3、求X(Y)轴方向梯度 X轴： Y轴： 参考资料： 形态学梯度概述 作用：保留物体的边缘轮廓（突出高亮区域） 形态学梯度操作的输出图像像素值是在对应结构元素而非局部过渡区域所定义的领域中灰度级强度变化的最大值。 对二值图像进行形态学操作可...
7、形态学处理与图像梯度（腐蚀与膨胀、核运算，梯度原理）
le000426的博客
12-02 4305
一、形态学处理 形态学操作是根据图像形状的简单操作。一般情况下对二值化图像进行的操作。输入两个参数，一个是原始图像，第二个称为结构化元素或核，它是用来决定操作的性质的。两个基本的形态学操作是腐蚀和膨胀。他们的变体构成了开运算、闭运算和梯度等。 腐蚀 粗略的说，腐蚀可以使目标区域范围“变小”，其实质造成图像的边界收缩，可以用来消除小且无意义的目标物。 原理：用P减去结构元素B形成的小矩形，取小矩形中最小值赋到对应原点的位置即可。 dst=cv.erode(src,kernel[,dst[,anchor[,it
【OpenCV图像处理】1.10形态学基本操作 - 膨胀、腐蚀
Donald Su
09-27 495
形态学基本操作 - 膨胀与腐蚀 从本节课开始，每个API后面都有一些数学公式，有的比较难，不一定完全掌握公式，不过要知道是怎么回事。 形态学操作(morphology operators) 图像形态学操作 – 基于形状的一系列图像处理操作的合集，主要是基于集合论基础上的形态学数学 形态学有四个基本操作：腐蚀、膨胀、开、闭 膨胀与腐蚀是图像处理中最常用的形态学操作手段 膨胀 跟卷积操作...
数字图像处理学习笔记（五）上
书生的博客
06-15 563
形态学（morphology）一词通常表示生物学的一个分支，该分支主要研究动植物的形态和结构。将数学形态学作为工具从图像中提取表达和描绘区域形状的有用图像分量。集合 B 的反射表示为 B‾\overline{B}B， 定义如下 ： B‾={w∣w=−b,b∈B}\overline{B} =\lbrace w \mid w=-b, b\in B\rbrace B={w∣w=−b,b∈B} 形态学中集合的反射和平移广泛用来表达基于结构元（SE）的操作：研究一幅图像中感兴趣特性所用的小集合或子图像。作为 Z2Z
数论小白都能看懂的平面凸包详解
ShineEternal的笔记小屋
08-16 635
0.前言： 本文将以详细的配图，拒绝代码填充文章，带您轻松入门平面凸包。 1.引入： 假设一个操场上有一些小朋友，下面是航拍视角： [外链图片转存失败(img-1Y9Q5xGA-1565924779685)(https://i.loli.net/2019/08/15/XBc1gIyiFqrpbfG.png)] 现在他们要围一个球场做游戏。 因为老师比较懒，所以就只能麻烦一些小朋友了（他们自己撑着绳...
凸壳与线性可分
嗯，就是Ta了
08-15 8510
本篇博客是对《统计学习方法》中习题2.3的证明。
机器学习 -- 基本数学概念总结
我的英文站点：https://iorilan.medium.com/
04-08 2821
特征向量对于一个给定的线性变换A，它的特征向量（eigenvector，也譯固有向量或本征向量）v 经过这个线性变换[1]之后，得到的新向量仍然与原来的v 保持在同一條直線上，但其长度或方向也许會改变。即Av=λv特征空间特征空间(eigenspace)是具有相同特征值的特征向量与一个同维数的零向量的集合。假设空间一组函数的集合，这组集合中的函数都能将输入空间映射到输出空间，但是映射的准确性却大不
python形态学处理
最新发布
07-28
- *2* *3* [Python图像处理笔记——形态学处理（skimage.morphology）](https://blog.csdn.net/qq_43360420/article/details/125575488)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Vector_LW

我们终将成龙 加油

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值