膨胀和腐蚀 - 解决图像缺陷问题

目录

  • 腐蚀
  • 膨胀
  • 闭运算 && 开运算

腐蚀

故名思义就是将图片向内进行收缩。

图1 腐蚀示意图

??设经过背景减后的图像为 B,经过腐蚀运算处理后的图像为 P,用 S 表示所用 3R圆(为进化计算可由采用3x3的矩形来代替) 的结构元素,计算公式如下:

\[
P=B\Theta S= \{x,y | S_{x,y}\subseteq B\}
\]
??这里 \(S_{x,y}\) 表示将结构元素的原点移动到点 (x, y) 处。

腐蚀运算的具体过程如下:

??选定结构元素 S 的起点,以该点开始遍历经背景减的图像 B 上的所有像素点;结构元素与其所覆盖范围的所有像素点进行“”操作,若相“与”后的像素值全部为 255,则腐蚀运算后该点的像素值为 255;若像素值不全为 255,则腐蚀运算后该点的像素值为 0。
??常用的结构元素一般都是大小为 3*3 的矩阵算子,由实验可知,对运动图像进行闭运算,可以很好的修补轮廓上的一些缺陷,填充运动对象内部较小的空洞。图2为图像经闭运算处理后的变化。

膨胀

故名思义就是将图片向外延进行收缩。

图2 膨胀示意图

??设经过背景减后的图像为 B,经过膨胀运算处理后的图像为 P,用 S 表示所用 3*3 的结构元素,计算公式如下。

\[
P=B\oplus S=\{x,y|S_{x,y}\cap B \ne\varnothing\}
\]

??这里,\(S_{x,y}\)表示将结构元素的原点移动到点 (x, y) 处。

??膨胀运算的过程如下:

??首先确定膨胀算子的结构元素 S 的原点,以该原点开始,扫描图像 B 中的所有像素点。把结构元素在图像上进行遍历,把结构元素与其覆盖的像素点进行“与”操作,如果该区域中存在像素值为 255 的点,则经过该操作就把当前点赋为 255,若该区域所有的点的值都是 0,经膨胀操作后该点的值也为 0。

闭运算 && 开运算

??开运算是先后进行腐蚀和膨胀的运算,如果图像中杂散的背景噪声过多时,腐蚀运算消去这些背景噪声,由于在进行腐蚀操作时,被测目标的轮廓也会被腐蚀掉一部分,因此就需要采用膨胀运算对目标轮廓进行恢复。开运算可以消除一些杂散噪声的影响,且可以保证被测目标的轮廓不变形。

??闭运算是采用先膨胀后腐蚀的方式进行的,膨胀运算可以把图像中一些小的断开或者目标区域背部的空洞补齐,然后由腐蚀预算把目标轮廓外围的一些噪声消掉。

闭运算处理以后的图片如下,可以看出,将有缺陷的部分补全。

????????????

??????????????????a)处理之前??????????b)处理以后

图3 闭运算示意图

原文地址:https://www.cnblogs.com/teaurn/p/12063714.html

时间: 2024-10-07 13:10:27

膨胀和腐蚀 - 解决图像缺陷问题的相关文章

Atitit 图像处理—图像形态学(膨胀与腐蚀)

Atitit 图像处理-图像形态学(膨胀与腐蚀) 1.1. 膨胀与腐蚀1 1.2. 图像处理之二值膨胀及应用2 1.3. 测试原理,可以给一个5*5pic,测试膨胀算法5 1.4. Photoshop里面的处理5 1.5. 类库的处理,好像没找到jhlabs,6 1.6. Attilax 源码6 1.1. 膨胀与腐蚀 说概念可能很难解释,我们来看图,首先是原图: 膨胀以后会变成这样: 腐蚀以后则会变成这样: 看起来可能有些莫名其妙,明明是膨胀,为什么字反而变细了,而明明是腐蚀,为什么字反而变粗了

图像的膨胀与腐蚀、细化

原理:在特殊领域运算形式--结构元素(Sturcture Element),在每个像素位置上与二值图像对应的区域进行特定的逻辑运算.运算结构是输出图像的相应像素.运算效果取决于结构元素大小内容以及逻辑运算性质. 结构元素:膨胀和腐蚀操作的最基本组成部分,用于测试输出图像,通常要比待处理的图像小还很多.二维平面结构元素由一个数值为0或1的矩阵组成.结构元素的原点指定了图像中需要处理的像素范围,结构元素中数值为1的点决定结构元素的邻域像素在进行膨胀或腐蚀操作时是否需要参与计算. 先来定义一些基本符号

图像的膨胀与腐蚀——OpenCV与C++的具体实现

目录 1. 膨胀与腐蚀的原理 2. 膨胀的具体实现 1) OpenCV实现 2) C/C++实现 3) 验证与结果 3. 腐蚀的具体实现 1. 膨胀与腐蚀的原理 膨胀与腐蚀是数学形态学在图像处理中最基础的操作.在笔者之前的文章<图像的卷积(滤波)运算(一)--图像梯度>.<图像的卷积(滤波)运算(二)--高斯滤波>具体介绍了图像卷积\滤波的具体的概念与操作,图像的膨胀与腐蚀其实也是一种类似的卷积操作.其卷积操作非常简单,对于图像的每个像素,取其一定的邻域,计算最大值/最小值作为新图

python实现图像膨胀和腐蚀算法

如果您觉得本文不错!记得点赞哦! 一. 图像形态学简介: 经验之谈:形态学操作一般作用于二值图像,来连接相邻的元素(膨胀)或分离成独立的元素(侵蚀).腐蚀和膨胀是针对图片中的白色(即前景)部分! 二. 图像形态学操作 膨胀和腐蚀的算法: 膨胀算法: 对于待操作的像素 f(x,y),不论 f(x,y-1) .f(x,y+1) .f(x-1,y) .f(x+1,y) 哪一个为255,则 f(x,y)=255. 膨胀操作 ↑ 换句话说:将待操作的图像像素与以下  4-近邻矩阵 相乘,结果大于255的话

学习 opencv---(9)形态学图像处理(一):膨胀和腐蚀

本篇文章中,我们一起探究了图像处理中,最基本的形态学运算--膨胀与腐蚀.浅墨在文章开头友情提醒,用人物照片做腐蚀和膨胀的素材图片得到的效果会比较惊悚,毁三观的,不建议尝试.......... 一.理论与概念讲解--从现象到本质 1.1 形态学概述 形态学(morphology)一词通常表示生物学的一个分支,该分支主要研究动植物的形态和结构,而我们图像处理中指的形态学,往往表示的是数学形态学,下面一起来了解数学形态学的概念. 数学形态学(Mathematical morphology)是一门建立在

【opencv入门之七】形态学图像处理(一):膨胀、腐蚀

参考网站: http://blog.csdn.net/poem_qianmo/article/details/23710721 1.形态学(morphology)概述 数学形态学(Mathematical morphplogy)是数学形态学图像处理的基本理论.其基本的运算包括: 二值腐蚀和膨胀.二值开闭运算.骨架抽取.极限腐蚀.击中击不中变化.形态学梯度.Top-hat变换.颗粒分析.流域变换.灰值腐蚀和膨胀.灰值开闭运算.灰值形态学梯度等. 最基本的两种是:腐蚀和膨胀.其两的主要功能有: 消除

paper 76:膨胀、腐蚀、开、闭运算——数字图像处理中的形态学

膨胀.腐蚀.开.闭运算是数学形态学最基本的变换.本文主要针对二值图像的形态学膨胀:把二值图像各1像素连接成分的边界扩大一层(填充边缘或0像素内部的孔):腐蚀:把二值图像各1像素连接成分的边界点去掉从而缩小一层(可提取骨干信息,去掉毛刺,去掉孤立的0像素):开:先腐蚀再膨胀,可以去掉目标外的孤立点闭:先膨胀再腐蚀,可以去掉目标内的孔.以下参考论文:<数学形态学在图像处理中的应用> 二值形态学        数学形态学中二值图像的形态变换是一种针对集合的处理过程.其形态算子的实质是表达物体或形状的

膨胀和腐蚀 - cvErode 和 cvDilate 函数实现

前言 膨胀就是对图中的每个像素取其核范围内最大的那个值,腐蚀就相反.这两个操作常用来突出显示图的某个高亮部分或者昏暗部分以及去噪.本文展示两个分别对图像进行膨胀和腐蚀的例子. 膨胀和腐蚀函数 cvErode 和 cvDilate 函数原型: 1 // 膨胀函数 2 void cvcvDilate ( 3 IplImage *src, // 待处理图像 4 IplImage dst, // 处理后图像 5 IplConvKernel * B = NULL, // 自定义卷积核 6 int iter

膨胀和腐蚀

形态学概述 形态学(morphology)一词通常表示生物学的一个分支,该分支主要研究动植物的形态和结构.而我们图像处理中指的形态学,往往表示的是数学形态学.下面一起来了解数学形态学的概念. 数学形态学(Mathematical morphology) 是一门建立在格论和拓扑学基础之上的图像分析学科,是数学形态学图像处理的基本理论.其基本的运算包括:二值腐蚀和膨胀.二值开闭运算.骨架抽取.极限腐蚀.击中击不中变换.形态学梯度.Top-hat变换.颗粒分析.流域变换.灰值腐蚀和膨胀.灰值开闭运算.