第9章形态学图像处理PPT课件下载推荐.ppt
《第9章形态学图像处理PPT课件下载推荐.ppt》由会员分享,可在线阅读,更多相关《第9章形态学图像处理PPT课件下载推荐.ppt(47页珍藏版)》请在冰豆网上搜索。
![第9章形态学图像处理PPT课件下载推荐.ppt](https://file1.bdocx.com/fileroot1/2022-10/30/1e72125f-fbdd-47f1-a1e2-8e41eca1d71b/1e72125f-fbdd-47f1-a1e2-8e41eca1d71b1.gif)
消除边界点,使边界向内部收缩,用来消除小且无意义的物体。
定义1:
A和B是两个集合,A被B腐蚀定义为AB=定义2:
AB=9.2膨胀和腐蚀膨胀和腐蚀u例:
膨胀的简单应用A=imread(Fig0906(a)(broken-text).tif);
B=010;
111;
010;
A2=imdilate(A,B);
subplot(1,2,1),imshow(A).subplot(1,2,2),imshow(A2)9.2膨胀和腐蚀膨胀和腐蚀u例:
腐蚀的简单应用A=imread(Fig0908(a)(wirebond-mask).tif);
se=strel(disk,10);
%构造半径为10的圆盘结构元素A2=imerode(A,se);
%进行腐蚀操作subplot(2,2,1),imshow(A)subplot(2,2,2),imshow(A2)se=strel(disk,5);
A3=imerode(A,se);
subplot(2,2,3),imshow(A3)A4=imerode(A,strel(disk,20);
subplot(2,2,4),imshow(A4)9.2膨胀和腐蚀膨胀和腐蚀u例:
实验结果总结:
根据结构元素的大小不同,可以腐蚀掉不同的图像不相关细节9.3膨胀和腐蚀的组合膨胀和腐蚀的组合uu开操作作用:
删除了不能包含结构元素的对象匹配;
平滑了对象的轮廓;
断开了狭窄的连接;
消除了细的突出物。
使用结构元素B对集合A进行开操作:
即先用B对A进行腐蚀,再用B对结果进行膨胀定义2:
9.3膨胀和腐蚀的组合膨胀和腐蚀的组合u开操作几何解释:
开操作通过B中的点来完成B在A的边界内转动,B中的点能到达A边界的最大值9.3膨胀和腐蚀的组合膨胀和腐蚀的组合u闭操作作用:
平滑了对象轮廓;
将狭窄的缺口连接起来形成细长的弯口;
填充比结构元素小的洞;
并填补轮廓线中的断裂。
定义:
使用结构元素B对集合A进行闭操作:
即先用B对A进行膨胀,再用B对结果进行腐蚀闭操作通过B中的点来完成B在A的边界外部转动,因为开操作和闭操作是一对对偶操作u闭操作的几何意义9.3膨胀和腐蚀的组合膨胀和腐蚀的组合u开操作函数:
C=imopen(A,B)其中,A是一幅二值图像,B是指定了结构元素的矩阵u闭操作函数:
C=imclose(A,B)9.3膨胀和腐蚀的组合膨胀和腐蚀的组合u函数imopen和imclose的应用实验:
f=imread(Fig0910(a)(shapes).tif);
se=strel(square,20);
%构造20*20的结构元素fo=imopen(f,se);
%使用20*20的结构元素对原图像进行开运算fc=imclose(f,se);
foc=imclose(fo,se);
实验:
f=imread(Fig0911(a)(noisy-fingerprint).tif);
se=strel(square,3);
fo=imopen(f,se);
9.3膨胀和腐蚀的组合膨胀和腐蚀的组合u实验结果:
开操作:
闭操作:
填充比结构元素小的洞;
先开操作再闭操作:
构成了噪声滤波器,可以有效地去除噪声9.3膨胀和腐蚀的组合膨胀和腐蚀的组合u实验结果:
原图像存在噪声:
黑色背景上的亮元素和亮指纹部分暗元素开操作:
消除了背景和指纹中所有的噪声,但指纹纹路间有新间断先开操作再闭操作:
可以有效地去除噪声,但是指纹纹路并没有完全恢复9.3膨胀和腐蚀的组合膨胀和腐蚀的组合u击中或击不中变换作用:
形状检测的基本工具定义1:
若A和B是两个集合,B是结构元素,B=(B1,B2)则击中或击不中变换定义为:
其中,B1是由与一个对象相联系的B元素构成的集合B2是与相关背景有关的B元素的集合定义2:
函数bwhitmiss:
C=bwhitmiss(A,B1,B2)其中,C为结果,A为输入图像,B1和B2为结构元素9.3膨胀和腐蚀的组合膨胀和腐蚀的组合u使用函数bwhitmissf=imread(Fig0913(a)(small-squares).tif);
B1=strel(000;
011;
010);
B2=strel(111;
100;
100);
g=bwhitmiss(f,B1,B2);
9.3膨胀和腐蚀的组合膨胀和腐蚀的组合u函数bwmorph功能:
对二值图像进行数学形态学运算。
g=bwmorph(f,operation,n)其中,f是衣服输入二值图像,operation是一个字符串,用于指定进行的形态学处理类型,n是一个用于指定将被重复的操作次数的正整数。
operation可以为以下值:
bothat:
进行“bottomhat”形态学运算,即返回源图像减去闭运算的图像;
bridge:
进行像素连接操作;
clean:
去除图像中孤立的亮点,close:
进行形态学闭运算(即先膨胀后腐蚀);
diag:
采用对角线填充,去除八邻域的背景;
dilate:
使用结构元素ones(3)对图像进行膨胀运算;
erode:
使用结构元素ones(3)对图像进行腐蚀运算;
fill:
填充孤立的黑点,9.3膨胀和腐蚀的组合膨胀和腐蚀的组合u函数bwmorph:
g=bwmorph(f,operation,n)hbreak:
断开图像中的H型连接;
majority:
如果一个像素的8邻域中有等于或超过5个像素点的像素值为1,则将该点像素值置1;
open:
进行形态学开运算(即先腐蚀后膨胀);
remove:
如果一个像素点的4邻域都为1,则该像素点将被置0;
skel:
骨架提取但保持图像中物体不发生断裂;
不改变图像欧拉数;
spur:
去除小的分支,或引用电学术语“毛刺”;
thicken:
通过在边界上添加像素达到加粗物体轮廓的目的;
thin:
进行细化操作;
tophat:
进行“tophat”形态学运算,返回源图像减去开运算的图像;
9.3膨胀和腐蚀的组合膨胀和腐蚀的组合u例:
细化操作f=imread(Fig0911(a)(noisy-fingerprint).tif);
%构造3*3的结构元素fo=imopen(f,se);
g1=bwmorph(foc,thin,1);
g2=bwmorph(foc,thin,2);
ginf=bwmorph(foc,thin,Inf);
9.4标注连接分量标注连接分量u例:
计算和显示连接分量的质心f=imread(Fig0917(a)(ten-objects).tif);
L,n=bwlabel(f);
%计算8连接时图像中的所有连接分量imshow(f)holdonfork=1:
nr,c=find(L=k);
rbar=mean(r);
cbar=mean(c);
plot(cbar,rbar,Marker,o,MarkerEdgeColor,k,MarkerFaceColor,k,MarkerSize,10);
plot(cbar,rbar,Marker,*,MarkerEdgeColor,w);
end9.5形态学重构形态学重构u形态学重构概述:
重构是一种涉及到两幅图像和一个结构元素的形态学变换。
一幅图像,即标记,是变换的开始点。
另一幅图像是掩膜,用来约束变换过程。
结构元素用于定义连接性。
若g是掩膜,f为标记,则从f重构g可以记为Rg(f)由下面的迭代过程定义:
函数imreconstructout=imreconstruct(marker,mask)其中,masker是标记,mask是掩膜1:
将h1初始化为标记图像f.2:
创建结构元素:
B=ones(3).3:
重复直到其中,标记f必须是g的一个子集。
9.5形态学重构形态学重构u由重构做开运算、填充孔洞f=imread(Fig0922(a)(book-text).tif);
fe=imerode(f,ones(51,1);
fo=imopen(f,ones(51,1);
fobr=imreconstruct(fe,f);
g=imfill(f,holes);
9.6灰度图像形态学灰度图像形态学u膨胀和腐蚀膨胀定义:
使用结构元素b对f的灰度膨胀定义为:
其中,和分别是f和b的定义域,f和b是函数而不是二值形态学情况中的集合腐蚀定义:
使用结构元素b对f的灰度腐蚀定义为:
其中,和分别是f和b的定义域,9.6灰度图像形态学灰度图像形态学u膨胀和腐蚀操作f=imread(Fig0923(a)(aerial).tif);
%构造了一个平坦的3*3的结构元素gd=imdilate(f,se);
%对原图像进行膨胀操作ge=imerode(f,se);
%对原图像进行腐蚀操作morph_grad=imsubtract(gd,ge);
%从膨胀的图像中减去腐蚀过的图像产生一个形态学梯度,即检测图像中局部灰度级变化的一种度量,具有边缘增长特性。
膨胀:
得到的图像比原图像更明亮,并且减弱或消除小的、暗的细节部分。
即比原图像模糊。
腐蚀:
被腐蚀的图像更暗,并且尺寸小、明亮的部分被削弱。
9.6灰度图像形态学灰度图像形态学u开运算和闭运算图像开运算:
先进行腐蚀操作可以除去小的亮的图像细节,但这样会使图像变暗,接下来进行膨胀操作增强图像的整体亮度。
图像闭运算:
先通过膨胀除去图像中的暗细节,同时增加图像的亮度,接下来对图像进行腐蚀,而不会将膨胀操作除去的部分重新引入图像中。
u例:
使用开运算和闭运算做形态学平滑f=imread(Fig0925(a)(dowels).tif);
se=strel(disk,5);
%创建一个平坦的半径为5的圆盘型结构元素fo=imopen(f,se);
fasf=f;
fork=2:
5%交替顺序滤波即用一系列不断增大的结构元素来执行开-闭滤波se=strel(disk,k);
fasf=imclose(imopen(fasf,se),se);
end9.6灰度图像形态学灰度图像形态学u实验结果:
先开运算后闭运算构成噪声滤波器,用来平滑图像并去除噪声交替顺序滤波与单个开-闭滤波相比,处理图像更平滑一些。
9.6灰度图像形态学