灰度图像形态学膨胀与腐蚀

与二值图像有些差异。

示例:
(1)灰度膨胀
>> t=rand(7,8);
>> t=ceil(t.*256)%t为灰度图像
t =
   209   125   191     9   168   246   158    14
   232   205   101   113    42   141   122   136
    33    37   168    98    31    36    91   200
   234   108    44   196   128    39   213   240
   162   235   181   204   246    66   150    34
    25   203     9    48    88   216   141   146
    72   246    71   126   150    66   235   121
>> figure,imshow(t,[],'InitialMagnification','fit');


结构元素:
>> se=strel('square',3)
se =
Flat STREL object containing 9 neighbors.

Neighborhood:
     1     1     1
     1     1     1
     1     1     1
灰度膨胀操作:
>> g=imdilate(t,se)
g =
   232   232   205   191   246   246   246   158
   232   232   205   191   246   246   246   200
   234   234   205   196   196   213   240   240
   235   235   235   246   246   246   240   240
   235   235   235   246   246   246   240   240
   246   246   246   246   246   246   235   235
   246   246   246   150   216   235   235   235
>>figure,imshow(g,[],'InitialMagnification','fit');


分析:


结论:平坦的灰度膨胀是一个局部最大值算子。
(2)灰度腐蚀
同样采用上述示例图像t:
>> ge=imerode(t,se)
ge =
   125   101     9     9     9    42    14    14
    33    33     9     9     9    31    14    14
    33    33    37    31    31    31    36    91
    33    33    37    31    31    31    34    34
    25     9     9     9    39    39    34    34
    25     9     9     9    48    66    34    34
    25     9     9     9    48    66    66   121
>> figure,imshow(ge,[],'InitialMagnification','fit');


分析:


结论:平坦的灰度腐蚀是一个局部最小值算子。
(注:①结构元素不一定规则,原点也不一定在中心②在边界处时,不存在填充的说法③膨胀与腐蚀的更多特性参书上的笔记)
(3)形态学梯度初步
“从膨胀后的图像减去腐蚀后的图像可产生一个形态学梯度,它是检测图像中局部灰度变化的一种度量。”
>> gr=imsubtract(g,ge)
gr =
   107   131   196   182   237   204   232   144
   199   199   196   182   237   215   232   186
   201   201   168   165   165   182   204   149
   202   202   198   215   215   215   206   206
   210   226   226   237   207   207   206   206
   221   237   237   237   198   180   201   201
   221   237   237   141   168   169   169   114

 

2.Morphological 形态学

(1)二维点对集操作,对于不同的结构用不同的算子,进行掩膜运算

(2)膨胀操作(Dilation) 对边界进行扩充

(3)腐蚀操作(Erosion)

(4)闭操作(closing)先膨胀后腐蚀,添洞补沟,合并小的物体

(5)开操作(opening)先腐蚀后膨胀,去毛刺,去掉小的物体

二、灰度图像的形态学处理

膨胀:把峰值加宽,凹槽变细,取最大的B

opening: max(min(A))

closing: min(max(A))

顶帽tophat :得到峰值 ( 原图 - 形态学开操作后的图)

底帽bottomhat:得到凹槽值,(形态学闭操作后的图 - 原图)

------------------------------------------------------------------------------------------------------------------

对灰度图进行:

1.膨胀操作结果

(1)结构元素均为正值,输出图像趋向比输入图像更亮

(2)暗的细节全部被消除了还是减少了,取决与膨胀所用的结构元素的值和形状

2.腐蚀操作

(1)结构元素为正值,输出图像会比输入图像暗

(2)输入图像中亮的细节的面积如果比结构元素的面积小,则亮的效果将被消弱

3.开操作:除去较小的明亮细节,保持整体的灰度级和较大的明亮区域不变

4.闭操作:除去较小的暗细节,而相对地保持明亮部分不受影响

发布了46 篇原创文章 · 获赞 20 · 访问量 24万+
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 大白 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览