形态学图像处理--matlab

转自：http://blog.csdn.net/hesays/article/details/41850873

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

[plain]  view plain  copy

1. %% 第9章 形态学处理  
2.   
3.   
4. %% imdilate膨胀  
5. clc  
6. clear  
7.   
8.   
9. A1=imread('.\images\dipum_images_ch09\Fig0906(a)(broken-text).tif');  
10. info=imfinfo('.\images\dipum_images_ch09\Fig0906(a)(broken-text).tif')  
11. B=[0 1 0  
12.    1 1 1  
13.    0 1 0];  
14. A2=imdilate(A1,B);%图像A1被结构元素B膨胀  
15. A3=imdilate(A2,B);  
16. A4=imdilate(A3,B);  
17.   
18.   
19. subplot(221),imshow(A1);  
20. title('imdilate膨胀原始图像');  
21.   
22.   
23. subplot(222),imshow(A2);  
24. title('使用B后1次膨胀后的图像');  
25.   
26.   
27. subplot(223),imshow(A3);  
28. title('使用B后2次膨胀后的图像');  
29.   
30.   
31. subplot(224),imshow(A4);  
32. title('使用B后3次膨胀后的图像');  

图像膨胀处理过程运行结果如下：

[plain]  view plain  copy

1. %% imerode腐蚀  
2. clc  
3. clear  
4. A1=imread('.\images\dipum_images_ch09\Fig0908(a)(wirebond-mask).tif');  
5. subplot(221),imshow(A1);  
6. title('腐蚀原始图像');  
7.   
8.   
9. %strel函数的功能是运用各种形状和大小构造结构元素  
10. se1=strel('disk',5);%这里是创建一个半径为5的平坦型圆盘结构元素  
11. A2=imerode(A1,se1);  
12. subplot(222),imshow(A2);  
13. title('使用结构原始disk(5)腐蚀后的图像');  
14.   
15.   
16. se2=strel('disk',10);  
17. A3=imerode(A1,se2);  
18. subplot(223),imshow(A3);  
19. title('使用结构原始disk(10)腐蚀后的图像');  
20.   
21.   
22. se3=strel('disk',20);  
23. A4=imerode(A1,se3);  
24. subplot(224),imshow(A4);  
25. title('使用结构原始disk(20)腐蚀后的图像');  

图像腐蚀处理过程运行结果如下：

[html]  view plain  copy

1. %% 开运算和闭运算  
2. clc  
3. clear  
4. f=imread('.\images\dipum_images_ch09\Fig0910(a)(shapes).tif');  
5. %se=strel('square',5');%方型结构元素  
6. se=strel('disk',5');%圆盘型结构元素  
7. imshow(f);%原图像  
8. title('开闭运算原始图像')  

运行结果如下：

[html]  view plain  copy

1. %开运算数学上是先腐蚀后膨胀的结果  
2. %开运算的物理结果为完全删除了不能包含结构元素的对象区域，平滑  
3. %了对象的轮廓，断开了狭窄的连接，去掉了细小的突出部分  
4. fo=imopen(f,se);%直接开运算  
5. figure,subplot(221),imshow(fo);  
6. title('直接开运算');  
7.   
8.   
9. %闭运算在数学上是先膨胀再腐蚀的结果  
10. %闭运算的物理结果也是会平滑对象的轮廓，但是与开运算不同的是，闭运算  
11. %一般会将狭窄的缺口连接起来形成细长的弯口，并填充比结构元素小的洞  
12. fc=imclose(f,se);%直接闭运算  
13. subplot(222),imshow(fc);  
14. title('直接闭运算');  
15.   
16.   
17. foc=imclose(fo,se);%先开后闭运算  
18. subplot(223),imshow(foc);  
19. title('先开后闭运算');  
20.   
21.   
22. fco=imopen(fc,se);%先闭后开运算  
23. subplot(224),imshow(fco);  
24. title('先闭后开运算');  

开闭运算结果如下：

[html]  view plain  copy

1. %先膨胀再腐蚀  
2. fse=imdilate(f,se);%膨胀  
3.   
4.   
5. %gcf为得到当前图像的句柄，当前图像是指例如PLOT,TITLE,SURF等  
6. %get函数为得到物体的属性，get(0,'screensize')为返回所有物体screensize属性值  
7. %set函数为设置物体的属性  
8. figure,set(gcf,'outerposition',get(0,'screensize'));%具体目的是设置当前窗口的大小  
9. subplot(211),imshow(fse);  
10. title('使用disk(5)先膨胀后的图像');  
11.   
12.   
13. fes=imerode(fse,se);  
14. subplot(212),imshow(fes);  
15. title('使用disk(5)先膨胀再腐蚀后的图像');  

先膨胀后腐蚀图像如下：

[html]  view plain  copy

1. %先腐蚀再膨胀  
2. fse=imerode(f,se);  
3. figure,set(gcf,'outerposition',get(0,'screensize'))  
4. subplot(211),imshow(fse);  
5. title('使用disk(5)先腐蚀后的图像');  
6.   
7.   
8. fes=imdilate(fse,se);  
9. subplot(212),imshow(fes);  
10. title('使用disk(5)先腐蚀再膨胀后的图像');  

先腐蚀后膨胀的图像如下：

[html]  view plain  copy

1. %% imopen imclose在指纹上的应用  
2. clc  
3. clear  
4. f=imread('.\images\dipum_images_ch09\Fig0911(a)(noisy-fingerprint).tif');  
5. se=strel('square',3);%边长为3的方形结构元素  
6. subplot(121),imshow(f);  
7. title('指纹原始图像');  
8.   
9.   
10. A=imerode(f,se);%腐蚀  
11. subplot(122),imshow(A);  
12. title('腐蚀后的指纹原始图像');  

指纹原始图像和腐蚀后的图像结果如下：

[html]  view plain  copy

1. fo=imopen(f,se);  
2. figure,subplot(221),imshow(fo);  
3. title('使用square(3)开操作后的图像');  
4.   
5.   
6. fc=imclose(f,se);  
7. subplot(222),imshow(fc);  
8. title('使用square闭操作后的图像');  
9.   
10.   
11. foc=imclose(fo,se);  
12. subplot(223),imshow(foc);  
13. title('使用square(3)先开后闭操作后的图像')  
14.   
15.   
16. fco=imopen(fc,se);  
17. subplot(224),imshow(fco);  
18. title('使用square(3)先闭后开操作后的图像');  

指纹图像开闭操作过程结果如下：

[html]  view plain  copy

1. %% bwhitmiss击中或击不中变换  
2. clc  
3. clear  
4. f=imread('.\images\dipum_images_ch09\Fig0913(a)(small-squares).tif');  
5. imshow(f);  
6. title('击中或不击中原始图像');  

击中或不击中原始图像显示结果如下：

[html]  view plain  copy

1. B1=strel([0 0 0;0 1 1;0 1 0]);%击中：要求击中所有1的位置  
2. B2=strel([1 1 1;1 0 0;1 0 0]);%击不中，要求击不中所有1的位置  
3. B3=strel([0 1 0;1 1 1;0 1 0]);%击中  
4. B4=strel([1 0 1;0 0 0;0 0 0]);%击不中  
5. B5=strel([0 0 0;0 1 0;0 0 0]);%击中  
6. B6=strel([1 1 1;1 0 0;1 0 0]);%击不中  
7.   
8.   
9. g=imerode(f,B1)&imerode(~f,B2)%利用定义来实现击中或击不中  
10. figure,subplot(221),imshow(g);  
11. title('定义实现组1击中击不中图像');  
12.   
13.   
14. g1=bwhitmiss(f,B1,B2);  
15. subplot(222),imshow(g1);  
16. title('结构数组1击中击不中后的图像');  
17.   
18.   
19. g2=bwhitmiss(f,B3,B4);  
20. subplot(223),imshow(g2);  
21. title('结构数组2击中击不中的图像');  
22.   
23.   
24. g3=bwhitmiss(f,B5,B6);  
25. subplot(224),imshow(g3);  
26. title('结构数组3击中击不中的图像');  

击中击不中变换后图像如下：

[html]  view plain  copy

1. %%makelut  
2. clc  
3. clear  
4.   
5.   
6. f=inline('sum(x(:))>=3');%inline是用来定义局部函数的  
7. lut2=makelut(f,2)%为函数f构造一个接收2*2矩阵的查找表  
8. lut3=makelut(f,3)  
9.   
10.   
11. %% Conway生命游戏  
12. clc  
13. clear  
14. lut=makelut(@conwaylaws,3);  
15. bw1=  [0     0     0     0     0     0     0     0     0     0  
16.        0     0     0     0     0     0     0     0     0     0  
17.        0     0     0     1     0     0     1     0     0     0  
18.        0     0     0     1     1     1     1     0     0     0  
19.        0     0     1     0     0     0     0     1     0     0  
20.        0     0     1     0     1     1     0     1     0     0  
21.        0     0     1     0     0     0     0     1     0     0  
22.        0     0     0     1     1     1     1     0     0     0  
23.        0     0     0     0     0     0     0     0     0     0  
24.        0     0     0     0     0     0     0     0     0     0  ];  
25. subplot(221),imshow(bw1,'InitialMagnification','fit');  
26. title('Generation 1');  
27.   
28.   
29. bw2=applylut(bw1,lut);  
30. subplot(222),imshow(bw2,'InitialMagnification','fit'),  
31. title('Generation 2');  
32.   
33.   
34. bw3=applylut(bw2,lut);  
35. subplot(223),imshow(bw3,'InitialMagnification','fit');  
36. title('Generation 3');  
37.   
38.   
39. temp=bw1;  
40. for i=2:100  
41.     bw100=applylut(temp,lut);  
42.     temp=bw100;  
43. end  
44. subplot(224),imshow(bw100,'InitialMagnification','fit')  
45. title('Generation 100');  

显示Generation结果如下：

[html]  view plain  copy

1. %% getsequence  
2. clc  
3. clear  
4. se=strel('diamond',5)  
5. decomp=getsequence(se)%getsequence函数为得到分解的strel序列  
6. decomp(1)  
7. decomp(2)  
8.   
9.   
10. %% endpoints  
11. clc  
12. clear  
13.   
14.   
15. f1=imread('.\images\dipum_images_ch09\Fig0914(a)(bone-skel).tif');  
16. subplot(121),imshow(f1);  
17. title('原始形态骨架图像');  
18.   
19.   
20. g1=endpoints(f1);  
21. %set(gcf,'outerposition',get(0,'screensize'));%运行完后自动生成最大的窗口  
22. subplot(122),imshow(g1);  
23. title('骨架图像的端点图像');  

骨架头像端点检测头像如下：

[html]  view plain  copy

1. f2=imread('.\images\dipum_images_ch09\Fig0916(a)(bone).tif');  
2. figure,subplot(121),imshow(f2);  
3. title('原始骨头图像');  
4.   
5.   
6. g2=endpoints(f2);  
7. subplot(122),imshow(g2);  
8. title('骨头图像端点头像');%结果是没有端点  

骨头头像端点检测图像如下：

[html]  view plain  copy

1. %% bwmorph组合常见形态学之细化  
2. clc  
3. clear  
4. f=imread('.\images\dipum_images_ch09\Fig0911(a)(noisy-fingerprint).tif');  
5. subplot(221),imshow(f);  
6. title('指纹图像细化原图');  
7.   
8.   
9. g1=bwmorph(f,'thin',1);  
10. subplot(222),imshow(g1);  
11. title('指纹图像细化原图');  
12.   
13.   
14. g2=bwmorph(f,'thin',2);  
15. subplot(223),imshow(g2);  
16. title('指纹图像细化原图');  
17.   
18.   
19. g3=bwmorph(f,'thin',Inf);  
20. subplot(224),imshow(g3);  
21. title('指纹图像细化原图');  

指纹图像细化过程显示如下：

[html]  view plain  copy

1. %% bwmorph组合常见形态学之骨骼化  
2. clc  
3. clear  
4. f=imread('.\images\dipum_images_ch09\Fig0911(a)(noisy-fingerprint).tif');  
5. subplot(131),imshow(f);  
6. title('指纹图像骨骼化原图');  
7.   
8.   
9. fs=bwmorph(f,'skel',Inf);  
10. subplot(132),imshow(fs);  
11. title('指纹图像骨骼化');  
12.   
13.   
14. for k=1:5  
15.     fs=fs&~endpoints(fs);  
16. end  
17. subplot(133),imshow(fs);  
18. title('指纹图像修剪后骨骼话');  

指纹图像骨骼化过程显示：

[html]  view plain  copy

1. %% 使用函数bwlabel标注连通分量  
2. clc  
3. clear  
4. f=imread('.\images\dipum_images_ch09\Fig0917(a)(ten-objects).tif');  
5. imshow(f),title('标注连通分量原始图像');  

其结果显示如下：

[html]  view plain  copy

1. [L,n]=bwlabel(f);%L为标记矩阵，n为找到连接分量的总数  
2. [r,c]=find(L==3);%返回第3个对象所有像素的行索引和列索引  
3.   
4.   
5. rbar=mean(r);  
6. cbar=mean(c);  
7.   
8.   
9. figure,imshow(f)  
10. hold on%保持当前图像使其不被刷新  
11. for k=1:n  
12.     [r,c]=find(L==k);  
13.     rbar=mean(r);  
14.     cbar=mean(c);  
15.     plot(cbar,rbar,'Marker','o','MarkerEdgeColor','k',...  
16.          'MarkerFaceColor','k','MarkerSize',10);%这个plot函数用法不是很熟悉  
17.     plot(cbar,rbar,'Marker','*','MarkerFaceColor','w');%其中的marker为标记  
18. end  
19. title('标记所有对象质心后的图像');  

[html]  view plain  copy

1. %% 由重构做开运算  
2. clc  
3. clear  
4. f=imread('.\images\dipum_images_ch09\Fig0922(a)(book-text).tif');  
5. subplot(321),imshow(f);  
6. title('重构原始图像');  
7.   
8.   
9. fe=imerode(f,ones(51,1));%竖线腐蚀  
10. subplot(322),imshow(fe);  
11. title('使用竖线腐蚀后的结果');  
12.   
13.   
14. fo=imopen(f,ones(51,1));%竖线做开运算  
15. subplot(323),imshow(fo);  
16. title('使用竖线做开运算结果');  
17.   
18.   
19. fobr=imreconstruct(fe,f);%fe做标记  
20. subplot(324),imshow(fobr);  
21. title('使用竖线做重构开运算');  
22.   
23.   
24. ff=imfill(f,'holes');%对f进行孔洞填充  
25. subplot(325),imshow(ff);  
26. title('对f填充孔洞后的图像');  
27.   
28.   
29. fc=imclearborder(f,8);%清除边界，2维8邻接  
30. subplot(326),imshow(fc);  
31. title('对f清除边界后的图像');  

图像重构过程显示如下：

[html]  view plain  copy

1. %% 使用顶帽变换和底帽变换  
2. clc  
3. clear  
4. f=imread('.\images\dipum_images_ch09\Fig0926(a)(rice).tif');  
5. subplot(221),imshow(f);  
6. title('顶帽底帽变换原始图像');  
7.   
8.   
9. se=strel('disk',10);%产生结构元素  
10. %顶帽变换是指原始图像减去其开运算的图像  
11. %而开运算可用于补偿不均匀的背景亮度，所以用一个大的结构元素做开运算后  
12. %然后用原图像减去这个开运算，就得到了背景均衡的图像，这也叫做是图像的顶帽运算  
13. f1=imtophat(f,se);%使用顶帽变换  
14. subplot(222),imshow(f1);  
15. title('使用顶帽变换后的图像');  
16.   
17.   
18. %底帽变换是原始图像减去其闭运算后的图像  
19. f2=imbothat(imcomplement(f),se);%使用底帽变换，为什么原图像要求补呢？  
20. %f2=imbothat(f,se);%使用底帽变换  
21. subplot(223),imshow(f2);  
22. title('使用底帽变换后的图像');  
23.   
24.   
25. %顶帽变换和底帽变换联合起来用，用于增加对比度  
26. f3=imsubtract(imadd(f,imtophat(f,se)),imbothat(f,se));%里面参数好像不合理？  
27. subplot(224),imshow(f3);  
28. title('使用顶帽底帽联合变换后图像');  

顶帽底帽变换过程图像如下：

[html]  view plain  copy

1. %%使用开运算和闭运算做形态学平滑  
2. %由于开运算可以除去比结构元素更小的明亮细节，闭运算可以除去比结构元素更小的暗色细节  
3. %所以它们经常组合起来一起进行平滑图像并去除噪声  
4. clc  
5. clear  
6. f=imread('.\images\dipum_images_ch09\Fig0925(a)(dowels).tif');  
7. subplot(221),imshow(f);  
8. title('木钉图像原图');  
9.   
10.   
11. se=strel('disk',5);%disk其实就是一个八边形  
12. fo=imopen(f,se);%经过开运算  
13. subplot(222),imshow(f);  
14. title('使用半径5的disk开运算后的图像');  
15.   
16.   
17. foc=imclose(fo,se);  
18. subplot(223),imshow(foc);  
19. title('先开后闭的图像');  
20.   
21.   
22. fasf=f;  
23. for i=2:5  
24.     se=strel('disk',i);  
25.     fasf=imclose(imopen(fasf,se),se);  
26. end  
27. subplot(224),imshow(fasf);  
28. title('使用开闭交替滤波后图像');  

使用开运算和闭运算做形态学平滑结果如下：

[html]  view plain  copy

1. %% 颗粒分析  
2. clc  
3. clear  
4. f=imread('.\images\dipum_images_ch09\Fig0925(a)(dowels).tif');  
5.   
6.   
7. sumpixels=zeros(1,36);  
8. for k=0:35  
9.     se=strel('disk',k);  
10.     fo=imopen(f,se);  
11.     sumpixels(k+1)=sum(fo(:));  
12. end  
13.   
14.   
15. %可以看到，连续开运算之间的表面积会减少  
16. plot(0:35,sumpixels),xlabel('k'),ylabel('surface area');  
17. title('表面积和结构元素半径之间的关系');  

其运算结果如下：   

[html]  view plain  copy

1. figure,plot(-diff(sumpixels));%diff()函数为差分或者近似倒数，即相邻2个之间的差值  
2. xlabel('k'),ylabel('surface area reduction');  
3. title('减少的表面积和结构元素半径之间的关系');  

其运算结果如下：

[html]  view plain  copy

1. %% 使用重构删除复杂图像的背景  
2. clc  
3. clear  
4. f=imread('.\images\dipum_images_ch09\Fig0930(a)(calculator).tif');  
5. subplot(221),imshow(f);  
6. title('灰度级重构原图像');  
7.   
8.   
9. f_obr=imreconstruct(imerode(f,ones(1,71)),f);  
10. subplot(222),imshow(f_obr);  
11. title('经开运算重构图');  
12.   
13.   
14. f_o=imopen(f,ones(1,71));  
15. subplot(223),imshow(f_o);  
16. title('经开运算后图');  
17.   
18.   
19. f_thr=imsubtract(f,f_obr);  
20. subplot(224),imshow(f_thr);  
21. title('顶帽运算重构图')  

使用重构删除复杂图像的背景1:

[html]  view plain  copy

1. f_th=imsubtract(f,f_o)  
2. figure,subplot(221),imshow(f_th);  
3. title('经顶帽运算图');  
4.   
5.   
6. g_obr=imreconstruct(imerode(f_thr,ones(1,11)),f_thr);  
7. subplot(222),imshow(g_obr);  
8. title('用水平线对f_thr经开运算后重构图');  
9.   
10.   
11. g_obrd=imdilate(g_obr,ones(1,2));  
12. subplot(223),imshow(g_obrd);  
13. title('使用水平线对上图进行膨胀');  
14.   
15.   
16. f2=imreconstruct(min(g_obrd,f_thr),f_thr);  
17. subplot(224),imshow(f2);  
18. title('最后的重构结果');  

使用重构删除复杂图像的背景2: