摘 要:本实验通过对形态学图像处理的交/并/补运算、膨胀和腐蚀的学习,编写相应图像集合运算的程序,实现形态学边界抽取算法并通过一些示例进行图像的特征边界抽取。最后把膨胀和腐蚀应用于灰度图像处理中,编写函数实现灰度图像形态学梯度变换和Tophat变换,最后对形态学梯度变换和Tophat变换后的输出图像进行比较。
欢迎关注交流学习
一、实验目的
(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。
二、技术论述
-
- 二值的膨胀与腐蚀
- 膨胀,膨胀是在二值图像中对点的加长或变粗的操作。计算时,结构元素通常用0和1的矩阵表示,结构元素的原点必须明确表明。将结构元素的原点平移过整个图像区域,并且核对哪些地方与值为1的像素重叠。
设A和B是整数空间Z2中的集合,其中A为原始图像,B为结构图像。则A被B的膨胀定义为:
这个公式是以得到B的相对于它自身原点的映像并且由z对映像进行位移为基础的。A被占膨胀是所有位移z的集合,这样,B和 A至少有一个元素是重叠的,与在其他形态学运算中一样,集合B通常叫做膨胀的结构函数。
- 腐蚀,腐蚀处理事实上就是对二值图像中的对象进行收缩和细化。对Z中的集合A和B,使用B对A进行腐蚀,可以定义为:
该公式说明,使用B对A进行腐蚀是所以B中包含于A中的点z的集合用z平移,这样,B和 A至少有一个元素是重叠的。与在其他形态学运算中一样,集合B通常叫做膨胀的结构函数。
1.2 二值图像的逻辑运算
在图像处理中用到的主要逻辑运算是:与、或和非(求补)。表1-1总结了这些运算的性质,这些运算在功能上是完善的,他们可以相互组合形成其他逻辑运算。
在两幅或多幅图像的对应像素见逐像素进行偶记运算。因为只有在两个变量都是1时,两个二进制变量的“与”运算才是1,所有只有两幅输入图像的对应像素均为1时,“与”运算的结果图像任何位置的结果才是1,同理,其他运算也是一样的。
1.3 形态学的边界抽取
边界提取实质上就是像素图像中轮廓的一种手法,结合A的边界表示为
,通过先用B对A腐蚀,而后执行A和腐蚀的结果之间的集合之差得到,即
其中B是一个适当的结构元。其边界提取机理如下图:
其中图1-1为集合A,图1-2位为结构元素B,它的中心为原点,图1-3为使用B对A进行腐蚀,图1-4为由A减去腐蚀的结果得到的边界,上图很好的说明了灰度图像边界提取的过程。
2.1 灰度图像的膨胀与腐蚀
(1)灰度腐蚀:在灰度值图像中,用结构元素
必须在f(x,y)的定义域内,这与二值形态学腐蚀运算定义中要求结构元素必须完全包括在被腐蚀图像中情况类似。
(2)灰度膨胀:用结构元素
求某点的膨胀运算的计算是逐点进行的,求某点的膨胀运算结果,就是计算该点局部范围内各点与结构元素中对应点的灰度值之和,并选取其中的最大值作为该点的膨胀结果,经膨胀运算,边缘得到了延伸。
2.2 形态学图像梯度
为了消除由于人为因素产生的小的黑和亮区域,膨胀和腐蚀常用于计算图像形态学梯度,表示为:
该处理的作用是可以将图像中灰度级的跃变更加的明显,膨胀和腐蚀的差强调了区域间的边界。同质区域不受影响(只要结构元素相对较小),因此相减操作趋于消除同质区域。最终结果是边缘被增强而同质区域的贡献被抑制掉了,从而产生类似于“微分”(梯度)的效果。
1.6 top-hat变换
Top-hat变换是在图像中利用相减、开操作和闭操作相结合的一种算法,用于增强图像当中阴影的细节,用公式可以定义为:
三、实验结果讨论
用实验要求(1.a)-(1.d)编写的程序对图9.20(left)进行二值图像处理,如图3.1(a)所示的图像二值化以及腐蚀、膨胀图,如图3.1(b)是二值图像的边界提取图。用实验要求(2.a)-(2.d)编写的程序对图9.39(a)进行灰度图像处理,如图3.2(a)所示是灰度图像的膨胀、腐蚀和形态梯度图,图3.2(b)是对灰度图像进行开操作和Tophat 变换的结果图。(程序见附录)
图3.1(a) 图像二值化以及腐蚀、膨胀图
图3.1(b) 二值图像的边界提取图
图3.2(a) 灰度图像的膨胀、腐蚀和形态梯度图
图3.2(b) 灰度图像开操作图和Tophat 变换图像
四、实验结论
从实验图象可以看出经过腐蚀和膨胀处理后的灰度图像与之前二值的处理并没有太大区别,膨胀后图像整体变亮,腐蚀后图像整体变暗。经过形态学梯度公式处理后的图像中灰度级的跃变更为急剧,边界轮廓明显,但输出图像存在明显的噪声。但经过Tophat变换后的输出图像的阴影细节得到增强,其他区域无明显变化。
附录:程序清单
%1二值腐蚀膨胀函数程序
%膨胀腐蚀函数
function [imd,ime]= boom_corroion(ima,A);
%ima为输入图像,A为输入的3*3结构元
%imd为输出的膨胀图,ime为输出的腐蚀图
[m,n]=size(ima);
imd=ones(m,n);
ime=zeros(m,n);
p=zeros(3,3);
q=zeros(3,3);
%将输入图像四周添加一圈0元素
imb=zeros(m+2,n+2);
for i=2:m+1
for j=2:n+1
imb(i,j)=ima(i-1,j-1);
end
end
for i=2:m+1
for j=2:n+1
p=A&[imb(i-1,j-1),imb(i-1,j),imb(i-1,j+1);...
imb(i,j-1),imb(i,j),imb(i,j+1);...
imb(i+1,j-1),imb(i+1,j),imb(i+1,j+1)];
if (p==zeros(3,3))
imd(i-1,j-1)=0;
end
q=A&[imb(i+1,j+1),imb(i+1,j),imb(i+1,j-1);...
imb(i,j+1),imb(i,j),imb(i,j-1);...
imb(i-1,j+1),imb(i-1,j),imb(i-1,j-1)];
if (q==A)
ime(i-1,j-1)=1;
end
end
end
End
%并交补函数程序
function [imt] = chaji(ima,imb);
%功能:求差集
%输入图像ima,imb;输出图像:imt
[m,n]=size(ima);
imt=zeros(m,n);
for i=1:m
for j=1:n
if(ima(i,j)==1&imb(i,j)~=1)
imt(i,j)=1;
end
end
end
end
function [imt] = jiaoji(ima,imb )
%功能:求交集
%输入图像ima,imb;输出图像:imt
[m,n]=size(ima);
imt=zeros(m,n);
for i=1:m
for j=1:n
if(ima(i,j)==1&imb(i,j)==1)
imt(i,j)=1;
end
end
end
end
function [ imt ] =buji( ima )
%功能:求补集
%输入图像:ima,输出图像:imt
[m,n]=size(ima);
imt=zeros(m,n);
for i=1:m
for j=1:n
if(ima(i,j)==0)
imt(i,j)=1;
end
end
end
end
%3 灰度图像的膨胀腐蚀函数程序
function [imd,ime]= gray_d_e(ima,A)
%灰度图像膨胀腐蚀函数
%ima为输入图像,A为输入的3*3结构元
%imd为输出的膨胀图,ime为输出的腐蚀图t
[m,n]=size(ima);
imd=zeros(m,n);
ime=zeros(m,n);
x=zeros(3,3);
y=zeros(3,3);
%将输入图像四周添加一圈0元素
imb=zeros(m+2,n+2);
for i=2:m+1
for j=2:n+1
imb(i,j)=ima(i-1,j-1);
end
end
for i=2:m+1
for j=2:n+1
%腐蚀
x=[imb(i+1,j+1)-A(1,1),imb(i+1,j)-A(1,2),imb(i+1,j-1)-A(1,3);...
imb(i,j+1)-A(2,1),imb(i,j)-A(2,2),imb(i,j-1)-A(2,3);...
imb(i-1,j+1)-A(3,1),imb(i-1,j)-A(3,2),imb(i-1,j-1)-A(3,3)];
ime(i-1,j-1)=min(min(x));
%膨胀
y=[imb(i-1,j-1)+A(1,1),imb(i-1,j)+A(1,2),imb(i-1,j+1)+A(1,3);...
imb(i,j-1)+A(2,1),imb(i,j)+A(2,2),imb(i,j+1)+A(2,3);...
imb(i+1,j-1)+A(3,1),imb(i+1,j)+A(3,2),imb(i+1,j+1)+A(3,3)];
imd(i-1,j-1)=max(max(y));
end
end
ime=uint8(ime);
imd=uint8(imd);
% 主程序
function pro_1
%提取边界
im=imread('Fig9.20(left).jpg');
ima=logical(im);
%ima=[1,1,1,0,1;0,1,1,1,1;0,0,1,1,1;0,1,1,1,1;1,1,0,0,0];
A=ones(3,3);
[imd,ime]=dilation_erosion(ima,A);
figure(1);imshow(im);title('原图');
figure(2);imshow(ima);title('二值图');imwrite(ima,'二值图.jpg');
figure(3);imshow(imd);title('膨胀图');imwrite(imd,'膨胀图.jpg');
figure(4);imshow(ime);title('腐蚀图');imwrite(ime,'腐蚀图.jpg');
img=differ(ima,ime);
figure(5);imshow(img);title('提取边界');imwrite(img,'边界提取图.jpg');
%求补集,差集,交集
X=[1 1 1 1 1;0 1 1 1 0;0 0 1 0 0;0 1 1 1 0;1 1 1 1 1];
Y=X';
Z1=buji(X);
Z2=chaji(X,Y);
Z3=jiaoji(X,Y);
figure;subplot(121);imshow(X);title('X');
subplot(122);imshow(Y);title('Y');
figure;subplot(131);imshow(Z1);title('补集图');
subplot(132);imshow(Z2);title('相减图');
subplot(133);imshow(Z3);title('交集图');
End
function pro_2
%功能1:实现灰度图像形态学梯度
%功能2:实现灰度图像顶帽变换
ima=imread('Fig9.39(a).jpg');
A=ones(3,3);
%调用腐蚀膨胀函数
[imd,ime]=gray_d_e(ima,A);
%膨胀图与腐蚀图相减,实现形态学梯度
imt=imsubtract(imd,ime);
figure;
subplot(2,2,1);imshow(ima);title('原图');
subplot(2,2,2);imshow(imd);title('膨胀图');
subplot(2,2,3);imshow(ime);title('腐蚀图');
subplot(2,2,4);imshow(imt);title('形态学梯度图像');
%实现开操作
[imdd,]=gray_d_e(ime,A);
imtt=imsubtract(ima,imdd);
imtt=uint8(imtt);
figure;imshow(imdd);title('开操作'); figure;imshow(imtt);title('顶帽变换');