数字图像形态学处理算法研究.docx

数字图像形态学处理算法研究.docx

《数字图像形态学处理算法研究.docx》由会员分享，可在线阅读，更多相关《数字图像形态学处理算法研究.docx（39页珍藏版）》请在冰豆网上搜索。

数字图像形态学处理算法研究

第一章绪论

1.1概述

随着计算机技术的飞速发展，数字图像处理技术不断成熟。

数字图像处理是一门关于如何使用计算机对图像进行处理的学科，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程[1]。

数字图像处理技术是20世纪60年代随着计算机技术和VLSL的发展而产生、发展和不断成熟起来的一个新兴技术领域，与人类视觉的历史相比，它是一门相对年轻的学科。

但在其短短的历史中，它已经给人类带来了巨大的经济和社会效益，广泛应用于几乎所有与成像有关的领域，在理论上和实际应用上都取得了巨大的成就，并引起各方面人士的广泛重视。

有几个因素表明数字图像处理领域将一直保持持续发展的势头。

其主要因素是图像处理所需的计算机设备的不断降价，处理器和大容量存储器都一年比一年便宜。

第二个因素是图像数字化和图像显示设备越来越普及。

诸多迹象表明计算机设备的价格将继续下降。

而数字图像中的数学形态学是一门新兴的图像分析学科，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，已发展成为图像处理的一个重要领域。

数学形态学是以形态为基础对图像进行分析的教学工具，其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。

1.2本论文的主要内容

本论文的主要内容如下：

第一，根据有关资料，了解数字图像处理和形态学处理图像的基础知识；第二，在了解了这些基础知识的基础上，重点掌握形态学处理图像的腐蚀、膨胀、开运算和闭运算四种基本算法；第三，在掌握了四种基本运算的基础上，熟知二值图像与灰度图像各自的形态学算法的异同。

第四，研究了数字图像形态学处理算法的总体设计流程。

第五，分别研究了腐蚀、膨胀、开、闭运算的具体设计流程。

1.3本文的主要结构

本文主要阐述了数字图像处理和数学形态学的一些基本知识以及数学形态学的基本算法，并采用VC++作为开发工具，以Windows作为图像处理实施操作的运行平台对数字图像形态学处理算法进行了研究。

以这些内容为中心，本论文的结构安排如下：

第一章为绪论部分，概述的介绍了数字图像处理和数学形态学；

第二章对数字图像处理和数学形态学的基础知识进行了介绍，主要包括其目的、研究内容、存在的优势和应用领域等方面；

第三章详细介绍了数学形态学的基本算法和算法之间的性质，并将二值图像和灰度图像的形态学算法分开进行了介绍，以便于比较它们之间的异同；

第四章总体介绍了数字图像形态学处理算法系统；

第五章则对本系统进行了详细的介绍。

第二章数字图像处理及数学形态学的基本介绍

2.1数字图像处理

2.1.1引言

所谓“数字图像处理”就是对一个物体的数字表示施加一系列的操作，以得到所期望的结果。

处理的过程中能改变图片的样子使其更称心或更具吸引力，或者达到某种预定的目标。

数字图像处理离不开计算机，因此又称计算机图像处理。

2.1.2进行数字图像处理的目的

进行数字图像处理主要有以下三个目的：

（1）提高图像的视感质量，以达到赏心悦目的目的。

如去除图像中的噪声，改变图像的亮度、颜色，增强图像中的某些成分、抑制某些成分，对图像进行几何变换等，从而改善图像的质量，以达到或真实的、或清晰的、或色彩丰富的、或意想不到的艺术效果。

（2）提取图像中所包含的某些特征或特殊信息，以便于计算机进行分析，例如，常用做模式识别、计算机视觉的预处理等。

（3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输。

2.1.3数字图像处理的发展

数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。

数字图像处理作为一门学科大约形成于20世纪60年代初期。

早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。

图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。

首次获得实际成功应用的是美国喷气推进实验室（JPL）。

他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。

随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。

在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。

数字图像处理取得的另一个巨大成就是在医学上获得的成果。

1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（ComputerTomograph）。

CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。

1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。

1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。

与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。

随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。

人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。

很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。

其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。

图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域[2]。

2.1.4数字图像处理的主要研究内容

数字图像处理主要有以下几个方面的研究内容：

（1）图像变换，由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。

因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。

（2）图像编码压缩，此技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。

（3）图像增强和复原，其目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。

（4）图像分割，它是数字图像处理中的关键技术之一。

（5）图像描述，它是图像识别和理解的必要前提。

（6）图像分类（识别），它属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。

2.1.5数字图像处理的优点

与模拟图像处理相比，数字图像处理的优点如下：

（1）数字图像处理不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。

（2）处理精度高，图像的数字化精度可以达到满足任一应用需求。

（3）适用面宽，图像可以来自多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像。

（4）灵活性高，数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。

2.1.6数字图像处理的应用

计算机图像处理和计算机、多媒体、智能机器人、专家系统等技术的发展紧密相关。

随着计算机技术的飞速发展，数字图像处理技术不断成熟，在各个领域取得了广泛的应用：

（1）在生物医学中，主要应用于显微镜图像处理，如红细胞、白细胞分类，染色体分析，癌细胞识别等；DNA显示分析；红、白血球分析计数；虫卵及组织切片的分析；癌细胞识别；染色体分析；心血管数字减影及其他减影技术；内脏大小形状及异常检测；心脏活动的动态分析；热像、红外像分析；X光照片增强、冻结及伪彩色增强；超声图像成像、增强、冻结及伪彩色处理等。

（2）遥感航天中，主要应用于军事侦察、定位、导航、指挥等；多谱卫星图像分析；地形、地图、国土普查；地质、矿藏勘探；森林资源探查、分类、防火；水利资源探查，洪水泛滥监测；海洋、渔业方面如温度、鱼群的监测、预报；农业方面如谷物估产、病虫害调查；自然灾害、环境污染的监测；气象、天气预报图的合成分析预报；天文、太空星体的探测及分析；交通、空中管理、铁路选线等。

（3）军事公安领域中，主要应用于巡航导弹地形识别；指纹自动识别；罪犯脸形的合成；侧视雷达的地形侦察；遥控飞行器RPV的引导；目标的识别与制导；警戒系统及自动火炮控制；反伪装侦察；手迹、人像、印章的鉴定识别；过期档案文字的复原；集装箱的不开箱检查等。

（4）工业和工程方面，主要应用于自动装配线中检测零件的质量、并对零件进行分类；印刷电路板疵病检查；弹性力学照片的应力分析；流体力学图片的阻力和升力分析；邮政信件的自动分拣；在一些有毒、放射性环境内识别工件及物体的形状和排列状态；先进的设计和制造技术中采用工业视觉等等。

其中值得一提的是研制具备视觉、听觉和触觉功能的智能机器人，将会给工农业生产带来新的激励，目前已在工业生产中的喷漆、焊接、装配中得到有效的利用。

（5）文化艺术方面主要应用于电视画面的数字编辑；动画的制作；电子图像游戏；纺织工艺品设计；服装设计与制作；发型设计；文物资料照片的复制和修复；运动员动作分析和评分等等[3]。

2.2数学形态学

2.2.1引言

数学形态学是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。

数学形态学最基本的思想是把图像看成是点的集合[4]，用结构元（结构矩阵）对其进行移位、交、并等集合运算，构成数学形态学的各种处理算法。

其中结构元也是由点的集合构成的，不同点的集合形成不同性质的结构元，如线形、圆、方形等。

结构元相当于掩模模板，在图像中不断地移动结构元，便要考察各个部分的关系。

由于不同的结构元可以用来检测图像不同侧面的特征，如目标的大小、形状、连通性和方向等，因此可以将结构元理解为处理图像的手段。

2.2.2数学形态学的发展与现状

数学形态学（MathematicalMorphology）诞生于1964年，是由法国巴黎矿业学院博士生赛拉（J.Serra）和导师马瑟荣，在从事铁矿核的定量岩石学分析及预测其开采价值的研究中提出“击中/击不中变换”，并在理论层面上第一次引入了形态学的表达式，建立了颗粒分析方法。

他们的工作奠定了这门学科的理论基础，如击中/击不中变换、开闭运算、布尔模型及纹理分析器的原型等。

Matheron于1973年出版的《EnsemblesAleatoiresetGeometrieIntegrate》一书对随机集论和积分几何的论证为形态学奠定了理论基础。

1882年，Serra出版的《ImageAnalysisandMathematicalMorphology》是数学形态学发展的里程碑。

1986年，CVGIP发表了数学形态学专辑，从而使得数学形态学的研究呈现了新的景象。

同时，枫丹白露研究中心的学者们又相继提出了基于数学形态学方法的纹理分析模型系统，从而使得数学形态学的研究前景更加光明。

随着数学形态学逻辑基础的发展，其应用开始向边缘学科和工业技术方面发展。

数学形态学的应用领域已不限于传统的微生物学和材料学领域，80年代初又出现了工业控制、放射医学、运动场景分析等新的应用领域。

自80年代以来，数学形态学已经在医学、生物学、光学、材料学、遥感、机器人视觉和工业自动控制等领