用matlab做出半径不同的灰度圆,用MATLAB编程实现灰度图像的形态学滤波.PPT

用MATLAB编程实现灰度图像的形态学滤波

8.1 引言 8.2 二值形态学 8.3 灰度形态学 8.4 形态学的应用 8.5 形态学滤波及骨架抽取的 MATLAB实现 学习目标 了解数学形态学的概念、发展和应用 掌握二值形态学的基本理论、方法和算法 掌握灰度形态学的基本理论和方法 了解形态学在图像处理中的应用 数学形态学进行图像处理的基本思想是：用具有一定形态的结构元素探测目标图像，通过检验结构元素在图像目标中的可放性和填充方法的有效性，来获取有关图像形态结构的相关信息，进而达到对图像分析和识别的目的。 8.1 引言 8.1.1 数学形态学 1. 集合论概念 在数字图像处理的数学形态学运算中，把一幅图像称为一个集合。 对于一幅图像A，如果点a在A的区域以内， 那么就说a是A的元素，记为a∈A，否则，记作a∈A. 交集和并集 两个图像集合A和B的公共点组成的集合称为两个集合的交集， 记为A∩B，即A∩B={a｜a∈A且a∈B}。 两个集合A和B的所有元素组成的集合称为两个集合的并集，记为A∪B，即A∪B={a｜a∈A或a∈B}。 8.2 二值形态学 二值形态学中两个最基本的运算——腐蚀与膨胀 。 对一个给定的目标图像X和一个结构元素S， 想象一下将S在图像上移动。在每一个当前位置x， S+x只有三种可能的状态： (1) S+x X； (2) S+x XC； (3) S+x∩X与S+x∩XC均不为空。 腐蚀的基本设计思想：设计一个结构元素，结构元素的原点定位在待处理的目标像素上，通过判断是否覆盖，来确定是否该点被腐蚀掉。 腐蚀算法： 1)扫描原图，找到第一个像素值为1的目标点； 2)将预先设定好形状以及原点位置的结构元素的原点移到该点； 3)判断该结构元素所覆盖范围内的像素值是否全部为1：如果是，则腐蚀后图像中的相同位置上的像素值为1；如果不是，则腐蚀后图像中的相同位置上的像素值为0； 4)重复2)和3)，直到所有原图中像素处理完成。 应用 图中X是被处理的对象，B是结构元素，对于任意一个在阴影部分的点a，Ba击中X，所以X被B膨胀的结果就是那个阴影部分。阴影部分包括X的所有范围，就象X膨胀了一圈似的，这就是为什么叫膨胀的原因。 膨胀的基本设计思想：设计一个结构元素，结构元素的原点定位在背景像素上，判断是否覆盖有目标点，来确定是否该点被膨胀为目标点。 膨胀算法： 1)扫描原图，找到第一个像素值为0的背景点； 2)将预先设定好形状以及原点位置的结构元素的原点移到该点； 3)判断该结构元素所覆盖范围内的像素值是否存在为1的目标点：如果是，则膨胀后图像中的相同位置上的像素值为1；如果不是，则膨胀后图像中的相同位置上的像素值为0； 4)重复2)和3)，直到所有原图中像素处理完成。 当目标图像不变，但所给的结构元素的形状改变时；或结构元素的形状不变，而其原点位置改变时，膨胀运算的结果会发生改变。 应用 开闭运算的代数性质 由于开、闭运算是在腐蚀和膨胀运算的基础上定义的， 根据腐蚀和膨胀运算的代数性质，我们不难得到下面的性质。 1) 对偶性 (XC○S)C = X●S ， (XC●S)C = X○S 闭运算可以使物体的轮廓线变得光滑。 闭运算具有磨光物体内边界的作用，而开运算具有磨光图像外边界的作用。 2) 扩展性(收缩性) X○S X X●S 即开运算恒使原图像缩小，而闭运算恒使原图像扩大。 8.3 灰度形态学 灰度形态学是二值形态学向灰度空间的自然扩展。 在灰度形态学中，分别用图像函数f(x,y)和b(x,y)表示二值形态学中的目标图像A和结构元素B，并把f(x,y)称为输入图像，b(x,y)称为结构元素，函数中的(x,y)表示图像中像素点的坐标。 二值形态学中用到的交和并运算在灰度形态学中分别用最大极值和最小极值运算代替。 灰度腐蚀运算的计算是逐点进行的，求某点的腐蚀运算结果就是：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差，并选取其中的最小值作为该点的腐蚀结果。 经腐蚀运算后，图像边缘部分具有较大灰度值的点的灰度会降低，因此，边缘会向灰度值高的区域内部收缩。 8.4 形态学的应用 前面已经介绍了二值形态学和灰值形态学的基本运算—腐蚀，膨胀，开和