第九章：形态学图像处理

最新推荐文章于 2024-10-15 01:20:33 发布

Joyrich.

最新推荐文章于 2024-10-15 01:20:33 发布

阅读量943

点赞数 13

文章标签：图像处理人工智能

本文链接：https://blog.csdn.net/qq_63029071/article/details/140247627

版权

1 基础知识

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。数学形态学中的集合表示图像中的不同对象。

例如，在一幅二值图像中所有黑色像素的集合是图像完整的形态学描述。

在二值图像中，正在被讨论的集合是二维整数空间（z^2)的元素，在这个二维整数空间中，集合的每个元素都是一个多元组，是一个黑色（或白色，取决于事先约定）像素在图像中的坐标(x,y)。

我们需要两个能广泛应用于形态学的附加定义集合B的反射，表示为 $\widehat{B}$ ，定义为: $\widehat{B}=\left \{ w|w=-b,b\in B \right \}$ 集合A平移到点z=( $z_1,z_2$ )，表示为 $(A)_z$ ，定义为: $(A)_z=\left \{ c|c=a+z,a\in A \right \}$

2 膨胀和腐蚀

膨胀和腐蚀是许多形态学算法的基础

2.1 腐蚀

对Z中的集合A和B,使用B对A进行腐蚀，定义为:

$A\ominus B=\left \{ z|(B)_z\subseteq A \right \}$

2.2 膨胀

由于A和B是定义在Z^2中的集合，A被B膨胀定义为：

$A\bigoplus B=\left \{ z|(\widehat{B})_z\cap A\neq \oslash \right \}$

也可写成：

$A\bigoplus B=\left \{ z|[(\widehat{B})_z\cap A]\in A \right \}$

集合B通常叫做膨胀的结构元

3 开操作和闭操作

开操作和闭操作是另外两种重要的形态学操作。

开操作一般使对象的轮廓变得光滑。断开狭窄的间断和消除细的突出物。闭操作同样使轮廓线更为光滑，但与开操作相反的是，它通常连接狭窄的间断是长细的鸿沟，消除小的孔洞，并填补轮廓线中的断裂。

使用结构元素B对集合A进行开操作，定义为：(先腐蚀再膨胀）

相当于B在A中的平移的并集的结果。如图3.1所示

使用结构元素B对集合A进行闭操作，定义为：（先膨胀再腐蚀）

$A\cdot B=(A\oplus B)\ominus B$

相当于在边界的外部转动B。

4 击中或击不中变换

形态学中的击中或击不中变换时形状检测的基本工具。

令每种形状的重心为它的原点。设X被包围在一个小窗口W中，与W有关的X的局部背景定义为集合的差(W-X)。

如果B表示由X和X的背景构成的集合，则在A中对B进行的匹配（或匹配操作的集合）表示为：

$A\circledast B=(A\circleddash D)\cap [A^C\circleddash (W-D)]$

找出D原点的位置如下图所示。

5 —些基本的形态学算法

5.1 边界提取

集合A的边界表示为β(A)，它可以通过先由B对A腐蚀，而后用A减去腐蚀得到，即：

$\beta (A)=A-(A\circleddash B)$

5.2 孔洞填充

如图所示，A表示一个包含子集的集合，其子集的元素均是区域的8连通边界点。目的是从边界内的一个点开始，用1填充整个区域。我们采用：所有非边界（背景）点标记为0，则以将1赋给p点开始。下列过程将整个区域用1填充：

$\begin{matrix} X_k=(X_{k-1}\oplus B)\cap A^C & k=1,2,3,... \end{matrix}$

5.3 连通分量的提取

实际上，在二值图像中提取连通分量是许多自动图像分析应用中的核心任务。令Y表示一个包含于集合A的连通分量，并且假设Y中的一个点p是已知的。而后，用下列的迭代表达式生成Y的所有元素：

$X_k=(X_{k-1}\oplus B)\cap A\begin{matrix} & k=1,2,3,... \end{matrix}$

5.4 凸壳

如果在集合A内连接任意两个点的直线段都在A的内部，则称集合A是凸形的。任意集合S的凸壳H是包含于S的最小凸集。集合差H-S称为S的凸缺。凸壳和凸缺对于物体描绘是很有用的。这里，我们介绍一种获得集合A 的凸壳C(A)的简单形态学算法。
令 $B^i$ ,i= 1,2,3,4表示中的4个结构元。这个过程可通过执行下式实现:

$X_k^i=(X_{k-1}\circledast B^i)\cup A\begin{matrix} & i/k=1,2,3,... \end{matrix}$

5.5 细化

结构元B对集合A 的细化可表示为A $\otimes$ B，它可以根据击中或击不中变换来定义:

$A\otimes B=A-(A\circledast B)=A\cap (A\circledast B)^C$

5.6 粗化

粗化是细化的形态学对偶，定义如下:

$A\cdot B=A\cup (A\circledast B)$

其中B是适合于粗化处理的结构元。与细化一样，粗化处理也可以定义为一个系列操作:

$A\bigodot {B}=((...((A\bigodot B^1)\bigodot B^2)...)\bigodot B^n)$

5.7 骨架

集合A的骨架S(A)的概念直观上相当简单。可以推出:

(a)如果z是S(A)的一个点，并且 $(D)_z$ ,是A内以z为中心的最大圆盘，则不存在包含 $(D)_z$ ,且位于A内的更大圆盘(不必以z为中心)。圆盘 $(D)_z$ ,称为最大圆盘。
(b)圆盘 $(D)_z$ 在两个或多个不同的位置与A的边界接触。