MATLAB中strel函数用法

目录

语法

说明

任意邻域形状

二维几何邻域形状

三维几何邻域形状

示例

创建正方形结构元素

创建线形结构元素

创建盘形结构元素

创建三维球形结构元素

参数说明

属性

---

        strel函数的功能是形态学结构元素。

语法

SE = strel(nhood)
SE = strel("diamond",r)
SE = strel("disk",r)
SE = strel("disk",r,n)
SE = strel("octagon",r)
SE = strel("line",len,deg)
SE = strel("rectangle",[m n])
SE = strel("square",w)
SE = strel("cube",w)
SE = strel("cuboid",[m n p])
SE = strel("sphere",r)

说明

        strel 对象表示一个平面形态学结构元素，该元素是形态学膨胀和腐蚀运算的重要部分。

        平面结构元素是一个二维或多维的二值邻域，其中 true 像素包括在形态学运算中，false 像素不包括在内。结构元素的中心像素称为原点，用于标识图像中正在处理的像素。使用 strel 函数（如下所述）创建一个平面结构元素。您可以将平面结构元素用于二值图像和灰度图像。下图说明平面结构元素。

如图所示：

​要创建一个非平面结构元素，请使用 offsetstrel。

任意邻域形状

​SE = strel(nhood) 创建一个具有指定邻域 nhood 的平面结构元素。

二维几何邻域形状

​SE = strel("diamond",r) 创建一个菱形结构元素，其中 r 指定从结构元素原点到菱形各点的距离。

SE = strel("disk",r) 创建一个盘形结构元素，其中 r 指定半径。

SE = strel("disk",r,n) 创建一个盘形结构元素，其中 r 指定半径，n 指定用于逼近盘形的线条结构元素的数量。当结构元素使用逼近时，使用盘形逼近的形态学运算的运行速度要快得多。

SE = strel("octagon",r) 创建一个八边形结构元素，其中 r 指定从结构元素原点到八边形边的距离，沿水平和垂直轴测量。r 必须为 3 的非负倍数。

SE = strel("line",len,deg) 创建一个关于邻域中心对称的线性结构元素，长度约为 len，角度约为 deg。

SE = strel("rectangle",[m n]) 创建一个大小为 [m n] 的矩形结构元素。

SE = strel("square",w) 创建一个宽度为 w 个像素的正方形结构元素。​

三维几何邻域形状

SE = strel("cube",w) 创建一个宽度为 w 个像素的三维立方体结构元素。

SE = strel("cuboid",[m n p]) 创建一个大小为 m×n×p 像素的三维立方体结构元素。

SE = strel("sphere",r) 创建一个半径为 r 个像素的三维球面结构元素。

兼容性

        ​以下语法仍然有效，但 offsetstrel 是创建这些非平面结构元素形状的首选方法：

• SE = strel("arbitrary",nhood,h)，其中 h 是与 nhood 大小相同的矩阵，包含着与 nhood 的每个非零元素相关联的高度值。

• SE = strel("ball",r,h,n)

示例

创建正方形结构元素

        创建一个 11×11 正方形结构元素。

SE = strel('square', 11)
SE = 
strel is a square shaped structuring element with properties:

      Neighborhood: [11x11 logical]
    Dimensionality: 2

创建线形结构元素

        创建一个长度为 10、45 度角的线形结构元素。

SE = strel('line', 10, 45)
SE = 
strel is a line shaped structuring element with properties:

      Neighborhood: [7x7 logical]
    Dimensionality: 2

查看该结构元素。

SE.Neighborhood
ans = 7x7 logical array

   0   0   0   0   0   0   1
   0   0   0   0   0   1   0
   0   0   0   0   1   0   0
   0   0   0   1   0   0   0
   0   0   1   0   0   0   0
   0   1   0   0   0   0   0
   1   0   0   0   0   0   0

创建盘形结构元素

        创建一个半径为 15 的盘形结构元素。

SE3 = strel('disk', 15)
SE3 = 
strel is a disk shaped structuring element with properties:

      Neighborhood: [29x29 logical]
    Dimensionality: 2

        显示盘形结构元素。

figure
imshow(SE3.Neighborhood)

如图所示：

创建三维球形结构元素

        创建一个半径为 15 的三维球形结构元素。

SE = strel('sphere', 15)
SE = 
strel is a sphere shaped structuring element with properties:

      Neighborhood: [31x31x31 logical]
    Dimensionality: 3

        显示该结构元素。

figure
isosurface(SE.Neighborhood)

如图所示：

参数说明

nhood — 邻域

        邻域，指定为任意维度的数值数组。nhood 的所有非零像素都属于形态学运算的邻域。nhood 的中心（或原点）是其中心元素，由 floor((size(nhood) + 1)/2) 给出。

r — 结构元素的半径

结构元素的半径，指定为正整数。

• 对于盘形，r 是从原点到盘边的距离。

• 对于菱形，r 是从结构元素原点到菱形各点的距离。

• 对于八边形，r 是从结构元素原点到八边形边的距离，沿水平和垂直轴测量。r 必须为 3 的倍数。

• 对于球面形状，r 是从原点到球面的距离。

n — 用于逼近形状的循环线条结构元素的数量

        用于逼近形状的循环线条结构元素的数量，指定为 0、4、6 或 8。当结构元素使用逼近 (n > 0) 时，使用盘形逼近的形态学运算的运行速度快得多。

n 的值	行为
n > 0	strel 使用包含 n 个循环线条形结构元素的序列来逼近形状。有时 strel 必须在逼近中使用两个额外的线条结构元素，在这种情况下，分解结构元素的实际数量是 n+2。
n = 0	strel 不使用任何逼近。结构元素成员包括中心距原点不大于 r 的所有像素。

len — 线性结构元素的长度

        线性结构元素的长度，指定为正数。len 大约是线条两端的结构元素成员中心之间的距离。

deg — 线性结构元素的角度

        线性结构元素的角度，以度为单位，指定为数值标量。该角度是从水平轴按逆时针方向测量的。

[m n] — 矩形结构元素的大小

        矩形结构元素的大小，指定为由正整数组成的二元素向量。结构元素有 m 行和 n 列。

w — 正方形或立方体结构元素的宽度

        正方形或立方体结构元素的宽度，指定为正整数。

[m n p] — 立方体结构元素的大小

        立方体结构元素的大小，指定为由正整数组成的三元素向量。结构元素具有 m 行、n 列和 p 个平面。

属性

Neighborhood — 结构元素邻域

        结构元素邻域，指定为逻辑数组。

Dimensionality — 结构元素的维数

        结构元素的维数，指定为非负标量。

提示

• 不使用逼近 (n = 0) 的结构元素不适合计算粒度。

算法

        对于所有几何形状，都使用统称为结构元素分解的一系列方法构造结构元素。其原理是：通过一些大的结构元素实现的膨胀可以通过用较小的结构元素序列实现的膨胀来更快地计算。例如，要实现 11×11 正方形结构元素的膨胀，可以首先用 1×11 结构元素进行膨胀，然后用 11×1 结构元素进行膨胀。这在理论上可使性能提高 5.5 倍，尽管实际上性能的提升要稍低于此值。用于 "disk" 形状的结构元素分解是一种逼近 - 所有其他分解都是精确的。

参考

[1] van den Boomgard, R, and R. van Balen, "Methods for Fast Morphological Image Transforms Using Bitmapped Images," Computer Vision, Graphics, and Image Processing: Graphical Models and Image Processing, Vol. 54, Number 3, pp. 252–254, May 1992.

[2] Adams, R., "Radial Decomposition of Discs and Spheres," Computer Vision, Graphics, and Image Processing: Graphical Models and Image Processing, Vol. 55, Number 5, pp. 325–332, September 1993.

[3] Jones, R., and P. Soille, "Periodic lines: Definition, cascades, and application to granulometrie," Pattern Recognition Letters, Vol. 17, pp. 1057–1063, 1996.