一、概述
形态学: 通常是指生物学的分支,用于处理动物和植物的形状和结构
形态学图像处理用于提取表示和描述区域形状(如边界、骨架和凸壳)的图像分量
映像: 取反
平移:移动
二、结构元
结构元:用于探测正在研究的图像,以获取感兴趣的小集合。
腐蚀:原图像向内腐蚀一圈
A被B腐蚀,是所有结构元的原点位置的集合,其中平移的B与A的背景并不叠加。
膨胀:原图像向外膨胀一圈
映射并平移后的B与A集合至少有一个元素重叠。
腐蚀和膨胀的对偶性
腐蚀和膨胀在集合、互补和映射方面是相为对偶的
开操作:先腐蚀再膨胀
一般会平滑物体的轮廓、断开较窄的狭颈并消除细的突出物
闭操作:先膨胀再腐蚀
同样也会平滑轮廓的一部分。但与开操作相反,它通常会弥合较窄的间断和细长的沟壑,消除小的孔洞,填补轮廓线中的断裂。
开运算和闭运算的对偶性
开运算和闭运算在集合、互补和映射方面是相互对偶的
击中或击不中变换
如果 B 表示由前景B1 及其背景B2组成的集合(B1,B2),则B在A中的匹配(或匹配集),记为
三、形态学算法
边界提取:
集合A的边界可以通过先用B对A的腐蚀,然后求A和腐蚀结果之间的集合差得到
A对B腐蚀就是边界
孔洞填充
孔洞可以被定义为:由前景中相连接的边界像素点所包围的一个背景区域。
迭代算法:半自动 先给一个初始点作为xk
连通分量
当前的结果与结构元膨胀,然后与原图像进行求交 得到的结果必在原图像内
凸包
集合A内,若连接任意两个点的线段都在A的内部,则称集合A的凸形的。 击中操作
细化
原图像减去击中
粗化:
原图像并上击中
骨架
A的骨架记为S(A),它有如下性质:
集合A的骨架可以用腐蚀和开操作来表达:
重建骨架化的集合A:
裁剪
1、细化
2、击中
3、膨胀
形态学重建
重构涉及到两幅图像和一个结构元:
- 一幅图像包含变换的开始点,图像称为标记(marker)。F
- 另一幅图像(模板mask)用来约束变换过程。G
- 结构元用于定义连接性。B
F为标记图像,同时G为模板,满足F包含于G
测地膨胀D 先对图像G进行膨胀,然后与模板F进行相交
测地腐蚀E 先对图像G进行腐蚀,然后与模板F进行相并
通过膨胀的形态学重建
利用测地膨胀进行迭代,知道到达稳定性
应用-重建开运算
图像 F 的大小为 n 的重建开运算定义为: F 的大小为 n 的腐蚀相对于 F 的膨胀重建
应用-填充空洞
令 I(x, y) 表示一幅二值图像,我们构造一个标记图像 F:除了图像边界上被设置为 1-I(x, y),它在其他地方都是0。即:
应用-清除边界
原始图像被用作模板,同时,使用下述的标记图像:令 I(x, y) 表示一幅二值图像,我们构造一个标记图像 F:图像边界上不变,其他地方都是0。
然后原图减去图像通过膨胀进行形态学重建的结果
四、灰度级形态学算法
0 背景 1前景 二值图像
将前面的形态学算法从二值图像扩展到灰度级图像。
灰度级形态学算法:平滑处理
开操作会抑制小于指定结构元的亮细节,而闭操作会抑制暗细节。
灰度级形态学算法:形态梯度
膨胀和腐蚀结合图像相减,可得灰度图像 f 的形态学梯度g