二值图像--形态学处理1

学习DIP第11天

形态学

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 (形态学)、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、灰值形态学梯度等。

由于二值图像为离散的点集,所以我们将二维离散点定义为栅格,坐标定义为光栅坐标,光栅间的距离为采样间隔。

形态学目的

  • 图像预处理(去噪声,简化形状)
  • 增强物体结构(抽取骨骼,细化,粗化,凸包,物体标记)
  • 从背景中分隔物体
  • 物体量化描述(面积,周长,投影,Euler-Poincare特征)

定义

形态学变换(Morphological transformation),由图像和另一个小点集B之间的关系定义,小点集B称为结构元素(structuring
element),其中B中含有一个局部原点的定义,对与一种形态学变换,结构元素B起着决定性左右,B的内容主要包括,一些点的坐标,和局部原点坐标o

将形态学变换(X)作用于图像X就是用结构元素B系统地扫描整幅图像。当B处于X的某一位置时,B的局部原点o为X当前像素,其计算结果保存到输出图像中。

对偶性(duality):对于形态学变换(X),存在*(X),满足:

(X)=[*(Xc)]c(c为补集操作)

平移(translation):

步骤

1、几何变换

映射称为几何变换,集合变换是从Z*Z...*Z(n个)到Z*Z...*Z(n个)的映射,即变换前是二值图像,变换后仍是二值图像,(X)可以使物体边界或者其他被滤出的颗粒。

2、真实测量

测度u,将集合从从Z*Z...*Z(n个)维映射到R(实数),得到的是一个数值,如体积,重量,表面积。

量化原则(Serra,1982)

1.与平移相容

2.与尺度缩放相容

3.局部知识

4.上部半连通

时间: 2024-12-14 20:53:36

二值图像--形态学处理1的相关文章

二值图像--形态学处理2

学习DIP第12天 开篇废话 今天来介绍形态学中最基础也是最重要的两个操作,腐蚀和膨胀,腐蚀和膨胀基本上是所有形态学操作的基础,除此之外还有补集(即二值图全部取反的操作,0变1,1变0),和反射(将所有坐标去反). 之前使用过腐蚀和膨胀,仅仅是去噪,那时候连结构元(SE)的概念都没有,其实所有形态学操作,核心都是结构元(包括其形状和中心位置,中心位置可以不在结构元区域中),他的变化可以产生千奇百怪的效果,如果你能很好的设计结构元,那么你将能得到你想要的效果. 对于写博客,我觉得坚持下来还是不错的

二值图像--形态学处理0

学习DIP第10天 二值图像 二值图像(Binary Image),按名字来理解只有两个值,0和1,0代表黑,1代表白,或者说0表示背景,而1表示前景.其保存也相对简单,每个像素只需要1Bit就可以完整存储信息.如果把每个像素看成随机变量,一共有N个像素,那么二值图有2的N次方种变化,而8位灰度图有255的N次方种变化,8为三通道RGB图像有255*255*255的N次方种变化.也就是说同样尺寸的图像,二值图保存的信息更少. 上图中,彩色图像和灰度图像很好的可以看出右侧的镜子,而二值图像无法看出

二值图像--形态学处理3 开操作和闭操作

学习DIP第13天 开篇废话 简单来说所谓开操作和闭操作就是把腐蚀和膨胀结合起来,先腐蚀后膨胀就是开,膨胀后腐蚀就是关,至于为什么是开为什么是关,我一开始也记不住,记得老师好像也没告诉我为啥叫开,为啥叫闭,不过在下面的介绍中,会给出叫开和关的原因. 数学原理 额,公式还没准备好... 性质 开操作,一般会平滑物体轮廓,断开较窄的狭颈(细长的白色线条),所以叫开,并消除细小的突出物. 闭操作,一般也会平滑物体轮廓,但与开操作相反,弥合较窄的间断和细长的沟壑,所以叫闭,消除小的空洞,填补轮廓线的中的

数字图像处理【一】基础理论

1. 基本处理流程: a) 图像预处理: 1) 点运算(灰度直方图/灰度线性变换/灰度对数变换/伽马变换/灰度阈值变换/分段线性变换/直方图均衡化/直方图规定化) 2) 几何变换(图像平移/图像镜像/图像转置/图像缩放/图像旋转/插值算法/图像配准) 3) 空间域图像增强(空间域滤波/图像平滑/中值滤波/图像锐化) 4) 频域图像增强(傅里叶变换/频率滤波) 5) 彩色图像处理(彩色模型(RGB/CMY/CMYK/HSI/HSV/YUV/YIQ/Lab)/彩色补偿/彩色平衡) 6) 形态学图像处

【形态学】二值图像

膨胀 = 加长.变粗  映射并平移后的结构元素至少与原二值图的某些部分重叠. 函数imdialate 构造结构元素strel(shape, parameters) %% 膨胀的应用 A = imread('broken_text.tif'); B = [0 1 0; 1 1 1; 0 1 0]; % 结构元素 A2 = imdilate(A, B); % imdilate函数 figure; subplot(1,2,1),imshow(A); subplot(1,2,2), imshow(A2)

学习 opencv---(10)形态学图像处理(2):开运算,闭运算,形态学梯度,顶帽,黒帽合辑

上篇文章中,我们重点了解了腐蚀和膨胀这两种最基本的形态学操作,而运用这两个基本操作,我们可以实现更高级的形态学变换. 所以,本文的主角是OpenCV中的morphologyEx函数,它利用基本的膨胀和腐蚀技术,来执行更加高级的形态学变换,如开闭运算.形态学梯度."顶帽"."黑帽"等等. 第二件事,是浅墨想跟大家做一个关于OpenCV系列文章的书写内容和风格的思想汇报. 是这样的,浅墨发现最近几期写出来的文章有些偏离自己开始开这个专栏的最初的愿望--原理和概念部分占的

形态学操作实现

数学形态学的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的.数学形态学的基本运算有四个:腐蚀.膨胀.开和闭.基于这些基本运算还可以推导和组合成各种数学形态学实用算法.本实验分别实现针对二值图像和灰度图像的四种形态学操作. 一.二值图像的腐蚀.膨胀.开.闭操作 实验结果: 二.灰度图像的腐蚀.膨胀.开.闭操作 实验结果: 代码:(下载链接) %本实验完成对二值图像和灰度图像的腐蚀.膨胀.开.闭操作 close all; clear all; grayI

图像形态学及更通用的形态学的原理及细节

在试图找到连通分支(具有相似颜色或强度的像素点的大块互相分离的区域)时通常使用膨胀操作.因为在大多数情况下一个大的区域可能被噪声.阴影等类似的东西分割成多个部分,而一次轻微的膨胀又将使这些部分“融合”在一起 如果图像不是二值的,那么膨胀和腐蚀起到的作用不是很明显.在处理灰度和彩色图像时,更通用的cvMorphologyEx可提供更有用的操作. 平滑处理与膨胀腐蚀用的核不同,分别是卷积核与形态核,形态核不需要任何的数值填充核,第132页讲高斯滤波器的时候提到高斯卷积核 开运算先腐蚀后膨胀,可以用来

OpenCV2学习笔记(三):形态学及边缘角点检测

形态学滤波理论于上世纪90年代提出,目前被广泛用于分析及处理离散图像.其基本运算有4个: 膨胀.腐蚀.开启和闭合, 它们在二值图像和灰度图像中各有特点.基于这些基本运算还可推导和组合成各种数学形态学实用算法,用它们可以进行图像形状和结构的分析及处理,包括图像分割.特征抽取.边缘检测. 图像滤波.图像增强和恢复等.数学形态学方法利用一个称作结构元素的"探针"收集图像的信息,当探针在图像中不断移动时, 便可考察图像各个部分之间的相互关系,从而了解图像的结构特征.数学形态学基于探测的思想,与