《图像分析与处理数学形态学》由会员分享，可在线阅读，更多相关《图像分析与处理数学形态学（48页珍藏版）》请在金锄头文库上搜索。
1、数学形态学数学形态学MathematicalMorphology法国和德国的科学家在研究岩石结构时建立的一门学科。形态学的主要用途：获取物体拓扑和结构信息，通过物体和结构元素相互作用的某些运算，得到物体更本质的形态。在图象处理中的应用主要是：利用形态学的基本运算，对图象进行观察和处理，从而达到改善图象质量的目的；描述和定义图象的各种几何参数和特征，如面积、周长、连通度、颗粒度、骨架和方向性等。处理对象：二值图象基本符号和关系元素元素设有一幅图象X，若点a在X的区域以内，则称a为X的元素，记作aX。B包含于包含于X设有两幅图象B，X。对于B中所有的元素ai，都有aiX，则称B包含于(includ
2、edin)X，记作BCX。基本符号和关系B击中击中X设有两幅图象B，X。若存在这样一个点，它即是B的元素，又是X的元素，则称B击中(hit)X，记作BX。B不击中不击中X设有两幅图象B，X。若不存在任何一个点，它即是B的元素，又是X的元素，即B和X的交集是空，则称B不击中(miss)X，记作BX=。其中是集合运算相交的符号，表示空集。基本符号和关系补集补集设有一幅图象X，所有X区域以外的点构成的集合称为X的补集，记作Xc。显然，如果BX=，则B在X的补集内，即BCXc。结构元素结构元素设有两幅图象B，X。若X是被处理的对象，而B是用来处理X的，则称B为结构元素(structureelement
3、)，又被形象地称做刷子。结构元素通常都是一些比较小的图象。基本符号和关系对称集对称集设有一幅图象B，将B中所有元素的坐标取反，即令(x，y)变成(-x，-y)，所有这些点构成的新的集合称为B的对称集，记作Bv。基本符号和关系平移平移设有一幅图象B，有一个点a(x0,y0)，将B平移a后的结果是，把B中所有元素的横坐标加x0，纵坐标加y0，即令(x，y)变成(x+x0，y+y0)，所有这些点构成的新的集合称为B的平移，记作Ba。腐蚀把结构元素B平移a后得到Ba，若Ba包含于X，记下这个a点，所有满足上述条件的a点组成的集合称做X被B腐蚀(Erosion)的结果。用公式表示为：腐蚀X是被处理的对象
4、，B是结构元素。对于任意一个在阴影部分的点a，Ba包含于X，X被B腐蚀的结果就是阴影部分。阴影部分在X的范围之内，且比X小，就象X被剥掉了一层似的。这就是为什么叫腐蚀的原因。腐蚀值得注意的是，若B是对称的，即B的对称集Bv=B，X被B腐蚀的结果和X被Bv腐蚀的结果是一样的。如果B不是对称的，X被B腐蚀的结果和X被Bv腐蚀的结果不同。腐蚀腐蚀左边是被处理的图象X(二值图象，针对的是黑点)。中间是结构元素B，标有origin的点是中心点，即当前处理元素的位置。腐蚀的方法是：拿B的中心点和X上的点一个一个地对比；如果B上的所有点都在X的范围内，则该点保留，否则将该点去掉；右边是腐蚀后的结果。可以看出
5、：腐蚀结果仍在原来X的范围内，且比X包含的点要少，就象X被腐蚀掉了一层。腐蚀原图原图 腐蚀后的结果图腐蚀后的结果图 膨胀膨胀(dilation)可以看做是腐蚀的对偶运算。其定义是：把结构元素B平移a后得到Ba，若Ba击中X，记下这个a点。所有满足上述条件的a点组成的集合称做X被B膨胀的结果。用公式表示为：膨胀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，X被B膨胀的结果就是阴影部分。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。如果B不是对称的，X被B膨胀的结果和X被Bv膨胀的结果不同。膨胀膨胀左边是被处理的图象X(二值图象，针对的是黑点
6、)，中间是结构元素B。膨胀的方法是：拿B的中心点和X上的点及X周围的点一个一个地对；如果B上有一个点落在X的范围内，则该点就为黑；右边是膨胀后的结果。可以看出：膨胀结果包括X的所有范围，就象X膨胀了一圈似的。膨胀原图原图 膨胀后的膨胀后的结果图结果图 膨胀腐蚀运算和膨胀运算互为对偶的，用公式表示为即X被B腐蚀后的补集等于X的补集被B膨胀。可以形象的理解为：河岸的补集为河面，河岸的腐蚀等价于河面的膨胀。对偶关系是非常有用的。某个图象处理系统用硬件实现了腐蚀运算，那么不必再另搞一套膨胀的硬件，直接利用该对偶就可以实现了。开先腐蚀后膨胀称为开(open)，即OPEN(X)=D(E(X)。开上面的两幅
7、图中，左边是被处理的图象X(二值图象，针对的是黑点)，右边是结构元素B。下面的两幅图中左边是腐蚀后的结果，右边是在此基础上膨胀的结果。可以看到，原图经过开运算后，一些孤立的小点被去掉了。一般来说，开运算能够去除孤立的小点，毛刺和小桥(即连通两块区域的小点)，而总的位置和形状不变。这就是开运算的作用。要注意的是，如果B是非对称的，进行开运算时要用B的对称集Bv膨胀，否则，开运算的结果和原图相比要发生平移。开用用B膨胀后，膨胀后，结果向左平移了结果向左平移了 开用用Bv膨胀后膨胀后位置不变位置不变 开运算应用示例 (a) (a) 原图原图 (b)(b)开运算结果开运算结果 (c) (c) 腐蚀运算
8、结果腐蚀运算结果闭先膨胀后腐蚀称为闭(close)，即CLOSE(X)=E(D(X)。闭上面的两幅图中，左边是被处理的图象X(二值图象，针对的是黑点)，右边是结构元素B。下面的两幅图中左边是膨胀后的结果，右边是在此基础上腐蚀的结果。可以看到，原图经过闭运算后，断裂的地方被弥合了。一般来说，闭运算能够填平小湖(即小孔)，弥合小裂缝，而总的位置和形状不变。这就是闭运算的作用。同样要注意的是，如果B是非对称的，进行闭运算时要用B的对称集Bv膨胀，否则，闭运算的结果和原图相比要发生平移。闭运算应用示例 (a) (a) 原图原图 (b)(b)闭运算结果闭运算结果 (c) (c) 膨胀运算结果膨胀运算结果
9、二值形态学滤除条码噪声通过开操作,条码图像中空上的污点和墨迹消除掉二值形态学滤除条码噪声二值形态学滤除条码噪声通过闭操作,将条上的划痕和瑕疵填充掉闭开和闭也是对偶运算。用公式表示为(OPEN(X)c=CLOSE(Xc)X开运算的补集等于X的补集的闭运算。(CLOSE(X)c=OPEN(Xc)X闭运算的补集等于X的补集的开运算。可以这样理解：在两个小岛之间有一座小桥，把岛和桥看做是处理对象X，则X的补集为大海。如果涨潮时将小桥和岛的外围淹没(相当于用尺寸比桥宽大的结构元素对X进行开运算)，那么两个岛的分隔，相当于小桥两边海域的连通(对Xc做闭运算)。骨架基本思想表示一个平面区域结构形状的重要方法
10、是把它削减成图形。这种削减可以通过细化（也称为抽骨架）算法，获取区域的骨架来实现.Blum的中轴变换方法（MAT）设:R是一个区域，B为R的边界点，对于R中的点p，找p在B上“最近”的邻居。如果p有多于一个的邻居，称它属于R的中轴（骨架.）区域骨架问题：计算量大算法改进思想在保证产生正确的骨架的同时，改进算法的效率。比较典型的是一类细化算法，它们不断删去边缘，但保证删除满足：1）不移去端点；2）不破坏连通性；（3）不引起区域的过度腐蚀。pRB细化所谓骨架，可以理解为图象的中轴。例如一个长方形的骨架是它的长方向上的中轴线；正方形的骨架是它的中心点；圆的骨架是它的圆心；直线的骨架是它自身；孤立点的
11、骨架也是自身。所谓细化(thinning)，就是从原来的图中去掉一些点，但仍要保持原来的形状。实际上，是保持原图的骨架。细化怎样判断一个点是否能去掉呢？要根据八个相邻点的情况来判断。1.不能删，因为它是个内部点，我们要求的是骨架，如果连内部点也删了，骨架也会被掏空的；2.不能删，和(1)是同样的道理；3.可以删，这样的点不是骨架；4.不能删，因为删掉后，原来相连的部分断开了；5.可以删，这样的点不是骨架；6.不能删，因为它是直线的端点，如果这样的点删了，那么最后整个直线也被删了，剩不下什么。细化怎样判断一个点是否能去掉呢？总结一下，有如下的判据：1.内部点不能删除；2.孤立点不能删除；3.直线
12、端点不能删除；4.如果P是边界点，去掉P后，如果连通分量不增加，则P可以删除。可以根据上述的判据，事先做出一张表，从0到255共有256个元素，每个元素要么是0，要么是1。根据某点(当然是要处理的黑色点了)的八个相邻点的情况查表，若表中的元素是1，则表示该点可删，否则保留。细化staticinterasetable256=0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,1,0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,1,1,1,0,0,1,
13、1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,0,0,1,1,0,0,1,1,0,1,1,1,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,1,0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,0,1,1,0,0,1,1,0,0,0,0,0,0,0,0,0,0,1,1,0,0,1,1,1,1,0,0,0,
14、0,0,0,0,0,1,1,0,0,1,1,0,0,1,1,0,1,1,1,0,0,1,1,0,0,1,1,1,0,1,1,0,0,1,0,0,0;细化查表的方法是：设白点为1，黑点为0；左上方点对应一个8位数的第一位(最低位)，正上方点对应第二位，右上方点对应的第三位，左邻点对应第四位，右邻点对应第五位，左下方点对应第六位，正下方点对应第七位，右下方点对应的第八位，按这样组成的8位数去查表即可。例子：1.对应表中的第0项，该项应该为0；2.对应37，该项应该为0；3.对应173，该项应该为1；4.对应231，该项应该为0；5.对应237，该项应该为1；6.对应254，该项应该为0。细化有了表
15、，算法就很简单了：每次一行一行的将整个图象扫描一遍，对于每个点(不包括边界点)，计算它在表中对应的索引；若为0，则保留，否则删除该点；如果这次扫描没有一个点被删除，则循环结束，剩下的点就是骨架点；如果有点被删除，则进行新的一轮扫描；如此反复，直到没有点被删除为止。细化有一个黑色矩形，经过细化后，预期的结果是一条水平直线，且位于该黑色矩形的中心。实际的结果确实是一条水平直线，但不是位于黑色矩形的中心，而是最下面的一条边。为什么会这样？细化在从上到下，从左到右的扫描过程中，遇到的第一个黑点就是黑色矩形的左上角点，经查表，该点可以删。下一个点是它右边的点，经查表，该点也可以删，如此下去，整个一行被删
16、了。每一行都是同样的情况，所以都被删除了。到了最后一行时，黑色矩形已经变成了一条直线，最左边的黑点不能删，因为它是直线的端点，它右边的点也不能删，因为如果删除，直线就断了，如此下去，直到最右边的点，也不能删，因为它是直线的右端点。最下面的一条边保住了，但并不是希望的结果。细化解决的办法是：在每一行水平扫描的过程中，先判断每一点的左右邻居，如果都是黑点，则该点不做处理。另外，如果某个黑点被删除了，那么跳过它的右邻居，处理下一个点。处理后的结果：这次变成一小段竖线了，还是不对，是不是很沮丧？细化遇到的第一个能删除的点就是黑色矩形的左上角点；第二个是第一行的最右边的点，即黑色矩形的右上角点；第三个是
17、第二行的最左边的点；第四个是第二行的最右边的点；整个图象处理这样一次后，宽度减少2。每次都是如此，直到剩最中间一列，就不能再删了。这样的处理过程只实现了水平细化，如果在每一次水平细化后，再进行一次垂直方向的细化，就可以了。细化这样一来，每处理一次，删除点的顺序变成：(先是水平方向扫描)第一行最左边的点；第一行最右边的点；第二行最左边的点；第二行最右边的点；最后一行最左边的点；最后一行最右边的点；(然后是垂直方向扫描)第二列最上边的点(因为第一列最上边的点已被删除)；第二列最下边的点；第三列最上边的点；第三列最下边的点；倒数第二列最上边的点(因为倒数第一列最上边的点已被删除)；倒数第二列最下边的点。刚好剥掉了一圈，正是细化要做的事。作业完成细化算法。技术要求：使用查表技术；针对二值图像；基于菜单项的功能调用。
