数字图像处理MATLAB学习笔记（八）

数字图像处理MATLAB学习笔记（八）

Morphological Image Processing形态学图像处理

1. Preliminaries

1.1 Some Basic Concepts from Set Theory

简单的、基本的不阐述。

满足一定特殊条件的像素坐标集合B记为 B = { w ∣ condition } B=\{w|\text{condition}\} B={ w∣condition}

所有像素坐标的集合不属于集合A，即A的补集，记为 A C = { w ∣ w ∉ A } A^C=\{w|w\notin A\} AC={ w∣w∈/​A}

morphological operation通常还需要两个算子，它们特别针对元素是坐标的集合。

集合B的反射$\hat{B}$定义为 B ^ = { w ∣ w = − b , b ∈ B } \hat{B}=\{w|w=-b,b\in B\} B^={ w∣w=−b,b∈B}

点$z=(z_1,z_2)$对集合A的平移表示为$(A{)}_z$，定义为 ( A ) z = { c ∣ c = a + z , a ∈ A } (A)_z=\{c|c=a+z,a\in A\} (A)z​={ c∣c=a+z,a∈A}

1.2 Binary Images, Sets and Logical Operators 二值图像、集合、逻辑算子

形态学中，二值图像被看作是前景(单值)像素的集合，集合的元素属于$Z^2$。

在MATLAB中，逻辑运算对应关系如下表所示：

Set Operation	MATLAB Expression for Binary Images	Name
$A\cap B$	A & B	AND
$A\cup B$	A | B	OR
$A^C$	~A	NOT
$A-B$	A & ~B	DIFFERENCE

2. Dilation and Erosion膨胀和腐蚀

2.1 Dilation膨胀

Dilation是使图像中的目标“生长”或“变粗”的操作。

图像A被structuring element结构元B膨胀，定义为 A ⊕ B = { z ∣ ( B ^ z ∩ A ≠ ϕ ) } A\oplus B=\{z|(\hat{B}_z\cap A \ne\phi)\} A⊕B={ z∣(B^z​∩A​=ϕ)}。A被B膨胀是由所有结构元的原点位置组成的集合，反射并平移后的B至少与A的一个元素重叠。膨胀满足结合律和交换律。

也就是说，图像A根据结构元B及其膨胀原点位置进行膨胀操作。

在MATLAB中，使用function imdilate：

D = imdilate(A, B)

这里假定A和B都是二值的，那么结构元B中的原点会被自动计算，依据的公式为

floor((size(B) + 1)/2)

这一操作得到包含结构元中点坐标的二维向量。如果需要用原点不在中心的结构元来处理，方法是用0填充B，以使原始的中心移到希望的位置。

Example An application of dilation：

我们通过如下结构元对图像进行膨胀处理，结构元B为：
$$\begin{array}{ccc}0& 1& 0\\ 1& 1& 1\\ 0& 1& 0\end{array}$$
原点为中心位置的1

>> A = imread('Fig0906(a).tif');
>> B = [0 1 0; 1 1 1; 0 1 0];
>> D = imdilate(A, B);
>> subplot(121);imshow(A);axis off
>> subplot(122);imshow(D);axis off

2.2 Structuring Element Decomposition结构元的分解

假定结构元B可以描述为结构元$B_1$和$B_2$的膨胀：$B=B_1\oplus B_2$

因膨胀满足结合律，我们可以得到$A\oplus B=A\oplus (B_1\oplus B_2)=(A\oplus B_1)\oplus B_2$。结合律很重要，因为计算膨胀时需要的时间正比于结构元中非零像素的个数。

换句话说，一个如下的5x5数组的结构元可以分解为如下两个结构元的膨胀：
$$\lfloor$$