【图像处理】形态学及其它集合运算（Morphological and Other Set Operations）

实验要求

  (1.a) 编写一个用3 x 3 结构元进行二值膨胀和腐蚀的函数，要求结构元素的系数作为程序的输入参数。

  (1.b) 编写一个计算两个图像集合的交、差和补的计算机函数。

  (1.c) 利用上述函数实现公式(9.5-1)所示的形态学边界抽取算法。

  (1.d) 对图9.20(left)进行特征边界抽取。

  (2.a) 编写一个用3 x 3 结构元进行灰度图像膨胀和腐蚀的函数，要求结构元素的系数作为程序的输入参数。

  (2.b) 编写一个实现灰度图像形态学梯度公式(9.6-11)的函数。

  (2.c) 编写一个实现灰度图像Tophat 变换公式(9.6-12)的函数。

  (2.d) 对图9.39(a)进行形态学梯度和Tophat 变换，并对结果图像进行分析比较。

---

技术论述

1、二值图像腐蚀和膨胀

  （1）腐蚀：作为Z2中的集合A和B， A○-B表示为B对A的腐蚀，即B对A的腐蚀是一个用z平移的B包含在A中的所有的点z的集合。

A㊀B ={z|(B ̂)z∈A}

  假定集合B是一个结构元，则腐蚀表达式等价于下面的表达式，其中，A c是A的补集，Φ是空集。

A㊀B={z|(B ̂)z∩A^c=Φ}

  （2）膨胀：A和B是Z2中的集合， A○+B表示为B对A的膨胀。表达式是以B关于它的原点的映像，并且以z对映像进行平移为基础。

A㊉B={z|(B ̂)z∩A≠Φ}

  B对A的膨胀是所有位移z的集合，假定B是一个结构元，A是被膨胀的集合。

A㊉B={z|(B ̂ )z∩A∈A}

2、灰度图像腐蚀和膨胀

  （1）腐蚀：当b的原点位于(x,y)处时，用一个平坦的结构元b在(x,y)处对图像f的腐蚀定义为图像f中与b重合区域的最小值。以公式的形式，结构元素b对一幅图像f在位置(x,y)处的腐蚀由下式给出：

(f㊀b)(x,y)=min┬((s,t)∈b)⁡{f(x+s,y+t)}

  对非平坦结构元，具有随定义域变化的灰度级，对图像f的腐蚀定义如下：

(f㊀b_N)(x,y)=min┬((s,t)∈b)⁡{f(x+s,y+t)-b_N (s,t)}

  （2）膨胀：当b的原点位于位置(x,y)处时，平坦结构元b在任何位置(x,y)处对图像f的膨胀，定义为图像f中与b重合区域的最大值，即

(f㊉b)(x,y)=max┬((s,t)∈b)⁡{f(x-s,y-t)}

  对非平坦结构元，对图像f的膨胀定义如下：

(f㊉b_N)(x,y)=max┬((s,t)∈b)⁡{f(x-s,y-t)+b_N (s,t)}

3、形态学梯度

  膨胀和腐蚀可与图像相减结合起来得到一幅图像的形态学梯度，形态学梯度可由g来定义：

g=(f㊉b)-(f㊀b)

  膨胀粗化一幅图像中的区域，而腐蚀则细化它们，膨胀和腐蚀之差强调区域间的边界，相减操作趋于消除同质区域，最终结果时边缘被增强而同质区域的贡献则被抑制的图像，因此产生了类似与微分即梯度的效果。

4、顶帽Tophat变换

  图像相减与开操作和闭操作相结合，可产生Top-hat(顶帽)变换。灰度级图像f的顶帽变换定义为f减去其开操作：

T_hat (f)=f-(fºb)

  结构元b对灰度级图像f的开操作表示为fºb，开操作是先用b对f做腐蚀，然后对b所得的结果进行膨胀。

fºb=(f㊀b)㊉b

---

实验结果