1 腐蚀
腐蚀操作以某种形状的基元在图像内部探测,找出可以放下该基元的区域。
定义为:AΘB = {x:B+x ∈ A}
可以理解为用一个特殊形状的球(基元)在一个空间(原图)活动,球中心所能活动的所有区域就是腐蚀后的区域。
另一种定义方法是:
AΘB = ∩{A-b:b∈ B}
可以理解为不断平移原图,原图移动距离不超过腐蚀形状的范围,最后将所有的移动结果求交集,即可得出腐蚀后的区域。
也可以用矢量方法来定义:
AΘB = {x ∈ EN | (x+b) ∈ A,b∈B}
实现方法:用B的中心点(可自己定义)与A上每一个点(存在的点,空点不算)进行比较,如果B上所有的点都在A范围内,则保留该点,否则删去。
用程序的操作来说,就是先以中心点为基准将A和B对齐,再将两者做“与”运算,如果结果为1,则保留,否则删去。
代码如下(这里简化起见选择了坐标原点为中心点,原因是方便原址操作,不必新建矩阵来保存运算后的值):
void corrosion(Cmat_imtx&B){//腐蚀
for (int i = 0; i<bmpHeight; i++){
for (int j = 0; j<bmpWidth; j++){
bool flag = true;
if (bin_point(j, i)==0){//本来是空的点(白色)就不做操作
continue;
}
//B上所有点是否在A内:
for (int y = i; y - i<B.height && y<bmpHeight; y++){
if (!flag)break;
for (int x = j; x - j<B.width && x<bmpWidth; x++){
if (B[y - i][x - j] && !bin_point(x, y)){//不在此范围则删除
flag = false;
}
}
}
if (flag==false){
bin_value(i, j, 0);//删去该点,赋值为空
}
}
}
}
Cmat_imtx是二维矩阵
这里期初犯了一个错误,以为255是黑色,0是白色,实际上恰恰相反。为了不混淆,用函数封装起来,用1表示存在点,0表示不存在。
测试效果如下:
原图:
腐蚀后:
这里使用的是2*2的腐蚀矩阵:
[1,1;1,0]
2 膨胀
有了腐蚀学习的基础,对膨胀的理解就快了一些。膨胀定义为:
A⊕B = ∪{A + b:b∈ B}
满足交换率:A⊕B = ∪{B + b:b∈ A}
腐蚀用于删去细枝末节,膨胀用于填充小孔小洞。它的实现方法是:
用B的中心点和A上以及A周围的点进行比较,如果有一个点落在A上,则该点为黑点(即赋值该点)。这是“或”操作,只需要将之前腐蚀操作改成或操作即可。
膨胀后效果:
3 开运算
开运算定义为:
A○B = (AΘB)⊕B
即先做腐蚀,后做膨胀。
效果:
开运算作用是:利用圆盘(圆盘即用于腐蚀膨胀的矩阵,但这里使用的并非圆盘)磨光内边缘,将尖角转化为圆角,圆盘的圆化有低通滤波的效果。(如图中 头发的部分几乎都被滤去)
4 闭运算
闭运算定义为:
A·B = (A⊕B)ΘB
即先做膨胀,后做腐蚀。
闭运算具有平滑功能,可以消除边缘毛刺以及孤立斑点(图中可明显看出),可以填补裂缝以及漏洞。
参考资料:
范立南:图像处理与模式识别[M] 科学出版社 2007 第一版 56-61