图像处理基础——灰度级形态学

最新推荐文章于 2025-02-26 16:01:47 发布
最新推荐文章于 2025-02-26 16:01:47 发布
阅读量2.4k 收藏 7
点赞数 2
分类专栏： 图像处理 文章标签： 形态学 灰度级形态学 图像处理 灰度级
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/101269482
版权
本文介绍了图像处理中的灰度级形态学，包括膨胀、腐蚀等基本操作，以及开运算、闭运算的应用。探讨了不平坦结构元和平坦结构元的概念，并阐述了灰度级形态学在平滑、梯度、顶帽和底帽变换等方面的基本算法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

简介

形态学只适用于Region操作 或者是二值化后的图片
需要延伸到灰度形态学才能广泛应用
拓展到灰度级形态学后 结构元的表达形式可以大致分为以下两类 不平坦结构元 平坦结构元

  • 不平坦结构元：结构元内灰度级根据位置不同而变换 灰度剖面不平坦
  • 平坦结构元：平坦结构元处处灰度级相同 灰度剖面平坦

在这里插入图片描述

膨胀 腐蚀

腐蚀

当平坦结构元B原点在（x,y）处时，用一个平坦结构元对图像f进行腐蚀定义为f与b重合区域的最小值 （非线性操作，不可逆）

在这里插入图片描述
注：如果使用的是不平坦结构元 则公式应变为下式，从公式可以看出来当不平坦结构元值过大就会导致F影响很小，同理 非平坦结构元膨胀也一样 导致最终得出的图片很难解释，所以很少使用非平坦结构元
在这里插入图片描述

膨胀

当平坦结构元B原点在（x,y）处时，

最低0.47元/天 解锁文章
【数字图像处理】4.1：灰度图像-形态学处理
houxiaogang05
12-14 2760
【数字图像处理】4.1：灰度图像-形态学处理  发表于 2015-01-05 |  分类于 DIP |  评论数： 0 |  阅读次数： 498 Abstract: 数字图像处理：第14天Keywords: 形态学，腐蚀，膨胀，开闭操作 本文最初发表于csdn，于2018年2月17日迁移至此 开篇废话 新年第一篇博客，希望大家新年里能都收获更多的知识和技术，今天说的是灰度图像的形态学处理...
灰度级形态学
青灵_Yaffa的博客
04-18 928
灰度级形态学1、灰度图和二值图的区别： 1、灰度图和二值图的区别： 色彩丰富程度 ：彩色图>灰度图>二值图 彩色图：三个通道 R G B 灰度图：三个通道的数值一样 二值图 ： 非黑即白 色彩丰富程度 彩色图>灰度图>二值图 彩色图 三个通道 R G B 灰度图 三个通道的数值一样 二值图 非黑即白 ...
详解灰度级形态学处理
最新发布
qq_56921730的博客
02-26 662
灰度级形态学是形态学图像处理的重要扩展，能够直接处理灰度图像并保留图像的灰度信息。通过腐蚀、膨胀、开运算、闭运算等基本操作，可以实现去噪、边缘检测、特征提取等多种任务。结合扩展操作（如形态学梯度、顶帽变换等），可以进一步解决复杂的图像处理问题。灰度级形态学在医学影像、工业检测、计算机视觉等领域有广泛的应用。（Gray-level Morphology）是形态学图像处理在灰度图像上的扩展。与二值形态学（仅处理二值图像）不同，灰度级形态学直接处理灰度图像，能够保留图像的灰度信息，适用于更复杂的图像处理任务。
形态学之灰度形态学
阿兵-AI医疗的专栏
03-28 5056
与二值形态学相对应另一种形态学运算是灰度形态学。灰度形态学与二值形态学相比，不仅在图像本身的空间尺寸上有一个变化，而且图像本身的灰度值也会发上变化。 灰度膨胀（Grayscale Dilation）运算 灰度形态学膨胀，在数学上的定义，可以用如下公式表示： 根据公式，对灰度形态学可以简单理解为，对于原始图像F中(m, n)坐标的灰度值，分别向右移动(a, b)个单位，再加结构化元素K(a, b)的值，再取其求得的最大值。 为了更加直观地了解灰度膨胀的运算过程，假设有一个一维的灰度分布列表和一个一维的结.
灰度图像的形态学处理
yi_tech_blog的博客
03-25 5616
在灰度图像中也有跟二值图像中一样的形态学操作，如腐蚀、膨胀、开操作和闭操作等。下面依次介绍。 1、腐蚀与膨胀 首先，我们用 f(x,y) 表示一幅灰度图像，b(x,y) 表示一个平坦结构元，c(x,y)为b的反射，即 c(x,y)=b(-x,-y)，它们都是离散数字函数。设 b 的原点位于 f 中的(x,y)点，则 b 对 f 的腐蚀定义为：图像 f 中与 b 重合区域的最小灰度值。用公式定义
形态学图像处理
hesays的专栏
12-10 3666
Matlab 形态学图像处理     本章的练习主要是形态学的一些基本概念和技术，这些构成了一组提取图像特征的有力工具，针对二值图像和灰度图像的腐蚀、膨胀和重构的基本操作可以组合使用，以执行非常宽泛的任务。其练习代码和结果如下 %% 第9章 形态学处理 %% imdilate膨胀 clc clear A1=imread('.\images\dipum_images_ch09
灰度级形态学处理
qq_41292744的博客
09-01 518
灰度级形态学处理的是形如f(x,y)和b(x,y)的数字函数，其中f(x,y)是灰度图像，b(x,y)是结构元(SE)。灰度级形态学中结构元分为两类：平坦结构元和非平坦结构元，如图。需要注意的是，灰度级形态学处理是由集合论的形态学定义延伸出来的，所以它们有相似的性质。如集合论的形态学一样，上面两个结构元在用的时候也需要先明确。
数字图像处理——第九章 形态学图像处理
weixin_46002351的博客
07-07 1045
形态学，在此表示数学形态学的内容，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，如边界、骨架和凸壳等。我们对预处理或后处理的形态学技术也感兴趣，比如形态学过滤、细化和修剪等。
图像处理基础——灰度变换之直方图处理
jiDxiaohuo的博客
09-12 4327
文章目录直方图处理直方图的均衡化直方图的规定化 直方图处理 灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像元的个数。以横轴表示灰度级，以纵轴表示每一灰度级具有的像元数或该像元数占总像元数的比例值，做出的条形统计图即为灰度直方图。 由图像可以得到的一些直方图的性质： a.图形直观可以发现它首先是一个一维离散函数图像。 b.直方图表示一幅图像中不同灰度像素出现的统计信息，它只能反...
什么叫做形态学图像处理_数字图像处理——形态学图像处理及图像分割
weixin_39830012的博客
12-19 1359
文章目录形态学图像处理1 膨胀和腐蚀1.1 膨胀1.2 腐蚀2 开操作和闭操作3 击中或击不中变换4 一些基本的形态学算法4.1 边界提取4.2 区域填充4.3 连通分量的提取图像分割1 间断检测1.1 点检测1.2 线检测1.3 边缘检测2 边缘连接2.1 局部处理2.2 通过霍夫曼变换进行整体处理总结形态学图像处理数学形态学的语言是集合论。它为大量的图像处理问题提供了一种一致的有力方法。数学形...
数字图像处理第九章——形态学图像处理
热门推荐
Dujing2019的博客
05-11 2万+
数字图像处理第九章数字图像处理---形态学图像处理（一）预备知识1.1 预备知识1.1.1 集合理论中的基本概念1.2 二值图像、集合及逻辑算子（二）膨胀和腐蚀2.1 膨胀2.2 结构元的分解2.3 strel函数2.4 腐蚀（三） 膨胀与腐蚀的结合3.1 开操作和闭操作3.2 击中或击不中变换3.3 运用查询表3.4 bwmorph函数（四）标记连通分量（五）形态学重建5.1 通过重建进行开...
matlab代码 灰度图像形态学处理
01-16
使用matlab语言，实现灰度图像的形态学处理，包括腐蚀、膨胀及顶帽变换操作。
灰度形态学处理matlab代码
03-19
膨胀、腐蚀、开闭运算、top-hat变换处理，可执行，自己用过
数学形态学在灰度图像处理中的理论和应用
08-27
数学形态学在灰度图像处理中的理论和应用数学形态学在灰度图像处理中的理论和应用数学形态学在灰度图像处理中的理论和应用数学形态学在灰度图像处理中的理论和应用
灰度图像的形态学操作：灰度图像的膨胀、侵蚀、开运算和闭运算-matlab开发
05-30
该脚本读取灰度图像并对图像执行以下操作-1.Dilation 2.Erosion 3.Opening 4.Closing
灰度级形态学 - 形态学平滑和形态学梯度
Henry的博客
11-01 703
而结构元的作用是删除这些点的比例或者说个数，如果结构元较大的话，那么在开运算中，结构元从下往上推的时候，就会提前的被卡住，所以被删除亮点的个数就会更多。这里开闭运算会平滑图像，因为边缘也是像素点突变的位置，或者也可以认为是一种特殊的噪声。所以就会被结构元卡住，从而上面的灰度或者下面的灰度都会被截断。原图、加了椒盐噪声的图像、open运算处理、close处理、open-close处理、close-open处理。之前介绍过，开运算会删除灰度图像中的亮点，闭运算会删除灰度图像中的暗点。
灰 度 级 形 态 学
帅才的博客
12-28 1691
灰度形态学图像处理 灰度图像的形态学梯度定义为膨胀运算与腐蚀运算的结果之间的差值。 灰值腐蚀 灰值膨胀 开运算与闭运算 实验步骤 （1）膨胀和腐蚀 用strel（’square’，3）函数构建平坦的3X3结构元素 用strel（’disk’，2）创建半径为2的圆盘结构元素 用函数imdilate对函数进行膨胀操作 用函数imrode对函数进行腐蚀操作 （2）开运算与...
灰度图像--形态学处理：腐蚀、膨胀、开操作、闭操作、顶帽、底帽等
weixin_30660027的博客
01-05 880
学习DIP第16天 转载请标明本文出处：http://blog.csdn.net/tonyshengtan，欢迎大家转载，发现博客被某些论坛转载后，图像无法正常显示，无法正常表达本人观点，对此表示很不满意。。。。。。。。 开篇废话 新年第一篇博客，希望大家新年里能都收获更多的知识和技术，今天说的是灰度图像的形态学处理，灰度图像与二值图像的区...
Halcon 第三章『Morphology形态学』◆第4节：灰度图像的形态学运算
Halcon机器视觉
03-31 2652
Morphology形态学—Gray Values灰度值 基于灰度图像与基于区域的区别 基于区域：输入的是区域，这些区域是经过阈值处理的二值图像区域。这种操作不会对原图产生变化。 基于灰度：输入的是灰度图像。改变的是原图的像素灰度。 .........
数字图像处理灰度级形态学
12-28
### 数字图像处理中灰度级形态学操作实现方法 #### 腐蚀与膨胀操作 对于灰度图像而言，腐蚀和膨胀是最基本的两种形态学操作。腐蚀可以定义为通过结构元素遍历整个输入图像，在每一个位置计算该结构元素覆盖下的最小像素值作为输出图像对应位置上的新像素值[^1]。 ```python import cv2 import numpy as np def grayscale_erosion(image, kernel): """ 对给定的灰度图执行腐蚀操作 参数: image (numpy.ndarray): 输入的灰度图像. kernel (numpy.ndarray): 结构化元素(内核). 返回: eroded_image (numpy.ndarray): 经过腐蚀后的灰度图像. """ eroded_image = cv2.erode(image, kernel) return eroded_image ``` 相反地，膨胀则是取最大值来代替原点处的像素强度。这有助于填补对象内部的小孔洞或将断开的对象连接起来。 ```python def grayscale_dilation(image, kernel): """ 对给定的灰度图执行膨胀操作 参数: image (numpy.ndarray): 输入的灰度图像. kernel (numpy.ndarray): 结构化元素(内核). 返回: dilated_image (numpy.ndarray): 经过膨胀后的灰度图像. """ dilated_image = cv2.dilate(image, kernel) return dilated_image ``` #### 开闭操作 基于上述基础操作，还可以构建更为复杂的形态学变换——开操作（先腐蚀再膨胀）用于去除细小物体和平滑较大物体边缘；而闭操作（先膨胀后腐蚀），则倾向于封闭狭窄缝隙并保持形状不变形。 ```python def opening_operation(image, kernel): """ 执行开操作：先腐蚀再膨胀 参数: image (numpy.ndarray): 输入的灰度图像. kernel (numpy.ndarray): 结构化元素(内核). 返回: opened_image (numpy.ndarray): 进行了开操作之后的结果图片. """ erosion_result = grayscale_erosion(image=image, kernel=kernel) opened_image = grayscale_dilation(image=erosion_result, kernel=kernel) return opened_image def closing_operation(image, kernel): """ 执行闭操作：先膨胀再腐蚀 参数: image (numpy.ndarray): 输入的灰度图像. kernel (numpy.ndarray): 结构化元素(内核). 返回: closed_image (numpy.ndarray): 进行了闭操作之后的结果图片. """ dilation_result = grayscale_dilation(image=image, kernel=kernel) closed_image = grayscale_erosion(image=dilation_result, kernel=kernel) return closed_image ``` #### 应用实例 当应用于实际场景时，比如医学影像分析领域内的肺部CT扫描数据预处理阶段，可以通过形态学手段有效消除噪声干扰项或是修复因成像过程引入的人工缺陷等问题[^3]。
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