一、概述
基本思想
使用具有一定形态的结构元素去度量和提取图像中的对应形状,以达到对图像进行处理和分析的目的。
数学基础与基本操作
- 形态学图像处理的数学基础和所用语言是集合论
- 形态学图像处理的基本运算有4个:膨胀、腐蚀、开启、闭合
二、膨胀和腐蚀
膨胀
效果:扩大图像中的物体
定义:设A为原始二值图像,B是结构元素,则
A被B膨胀定义为:
又定义为:
即,A被B膨胀的结果是满足上式的所有位移z的点(前景像素点)的集合
膨胀应用举例:桥接裂缝
腐蚀
效果:缩小图像中的物体
定义:设A为原始二值图像,B是结构元素,则
A被B腐蚀定义为:
即,将结构元素B相对于集合A进行平移,只要平移后结构元素都包含在集合A中,则这些位移Z
的点(前景像素点)的集合即为腐蚀结果。
腐蚀在数学形态学运算中的作用
- 如果结构元素取3×3的方块,腐蚀将使物体的边界沿周边减少一个像素
- 腐蚀可以去除小于结构元素的物体(如:毛刺、小凸起等)。选取不同大小的结构元素,可以在原图像中去掉不同大小的物体
- 如果两个物体之间有细小的连通,那么当结构元素足够大时,通过腐蚀运算可以将两个物体分开
腐蚀应用举例:
三、开启和闭合
开启
效果:断开较窄的狭颈、消除细的突出物,使图像的轮廓变得光滑
定义:设A为原始二值图像,B是结构元素,则使用结构元素B对集合A进行开启操作,定义为:
即,先用B对A腐蚀,然后用B对腐蚀结果进行膨胀。
闭合
效果:填补狭窄的间断、小的孔洞,使图像的轮廓变得光滑
定义:设A为原始二值图像,B是结构元素,则使用结构元素B对集合A进行闭合操作,定义为:
即,先用B对A膨胀,然后用B对结果进行腐蚀
过程演示:
实例:
四、形态学的主要应用
1、边界提取
图像A的边界b(A)定义为:
B是适当的结构元素
即,先用B对A腐蚀,然后用A 减去腐蚀得到的结果
过程示例:
实例:
2、 孔洞填充
孔洞的定义
一个孔洞可被定义为由前景像素相连接的边界所包围的一个背景区域
孔洞填充的实现:
令A表示一个集合:其元素是8连通的边界,且每个边界包围一个孔洞
令X表示一个与包含A的相同大小的阵列,其初始状态为:
- 包含每个孔洞中的一个指定位置处的前景像素点
- 除了上述的前景像素点之外,其余元素均为背景像素点
在给定A和X的前提下,采用前景像素填充A的所有孔洞的过程如下:
过程示例:
实例:
3、骨架抽取
骨架的概念:
图像的一种细化结构(图像中物体的骨骼部分),由物体的若干条细化的中轴线组成,描述了图像中物体的形状和方向信息
骨架的作用:
通过骨架抽取可以简化图像中物体的信息而保留其同伦结构
有助于突出形状特点和减少冗余信息量
在图像工程领域有着广泛的应用(如形状分析、模式识别、数据压缩)
骨架的定义(最大内切圆盘概念):物体Ad的骨架由A内部所有的最大内切圆盘的圆心组成,骨架的每个点都对应一个相应的最大内切圆盘。
其中,最大内切圆盘不是其它任何完全属于A的圆盘的子集,并且至少有两点与集合A的边界轮廓相切。
骨架抽取的实现
对于集合A,一般用S(A)表示其骨架,可以使用腐蚀和开启操作来实现骨架的抽取,如下:
式中,B是一个结构元素,而(AkB)表示对A的连续k次腐蚀:
K是A被腐蚀为空集前的最后一次迭代步骤,即:
实例:
4、连通分量(连通组元)的提取
在给定A和X的前提下,提取图像中所有由前景像素所构成的连通分量的过程如下:
其中,B是对称结构元素,如下图所示
在算法执行过程中,如果,则算法在迭代的第k步结束
集合包含原始图像中的所有连通分量