数字图像处理图像的腐蚀要点文档格式.docx
《数字图像处理图像的腐蚀要点文档格式.docx》由会员分享，可在线阅读，更多相关《数字图像处理图像的腐蚀要点文档格式.docx（8页珍藏版）》请在冰豆网上搜索。
有效滤除噪声，保留图像中原有信息，算法易于用并行处理方法有效实现（包括硬件实现），基于数学形态学的边缘信息提取处理优于基于微分运算的边缘提取算法，提取的边缘比较平滑，提取的图像骨架也比较连续，断点少。
二值图像中的一种主要处理是对所提取的目标图形进行形态分析。
而形态处理中最基本的是腐蚀与膨胀。
腐蚀处理的作用是将目标图形收缩。
运算效果取决于结构元素大小内容以及逻辑运算性质。
结构元素是指具有某种确定形状的基本结构元素，例如，一定大小的矩形,圆或者菱形等。
腐蚀处理可以表示成用结构元素对图像进行探测，找出图像中可以放下该结构元素的区域。
腐蚀是一种消除边界点，使边界向内部收缩的过程。
可以用来消除小且无意义的目标物。
如果两目标物间有细小的连通，可以选取足够大
的结构元素，将细小连通腐蚀掉
[1]
。
3.2腐蚀的算法
用3x3的结构元素，扫描图像的每一个像素；
用结构元素与其覆盖的二值图像做“与”操作；
如果都为1，结果图像的该像素为1。
否则为0。
结果：
使二值图像减小一圈。
把结构元素B平移a后得到Ba，若Ba包含于X，我们记下这个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：
E（X）={a|BaX}=XB，如图1.1所示。
3
图3.1腐蚀的示意图
图1.1中X是被处理的对象，B是结构元素。
不难知道，对于任意一个在
阴影部分的点a，Ba
包含于X，所以X被B腐蚀的结果就是那个阴影部分。
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。
值得注意的是，上面的B是对称的，即B的对称集Bv=B，所以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，让我们看看图6.9，就会发现X被B腐蚀的结果和X被Bv腐蚀的结果不同。
图3.2结构元素非对称时，腐蚀的结果不同
图1.1和图1.2都是示意图，让我们来看看实际上是怎样进行腐蚀运算的。
在图1.3中，左边是被处理的图象X（二值图象，我们针对的是黑点），中间
是结构元素B，那个标有origin的点是中心点，即当前处理元素的位置，我们
4
T
在介绍模板操作时也有过类似的概念。
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，它仍在原来X的范围内，且比X包含的点要少，就象X被腐蚀掉了一层。
图3.3腐蚀运算
图3.4原图
图3.5腐蚀后的结果图
图1.4为原图，图1.5为腐蚀后的结果图，能够很明显地看出腐蚀的效果。
下面的这段程序，实现了上述的腐蚀运算，针对的都是黑色点。
参数中有
一个BOOL变量，为真时，表示在水平方向进行腐蚀运算，即结构元素B为
[111];
否则在垂直方向上进行腐蚀运算，即结构元素B为[111]
[2]
创建结构元素：
strel函数来创建任意大小和形状的STREL对象，支持如线形line、菱形diamond、圆盘形disk、球形ball等许多种常用的形状。
（本次实验做对象为菱形diamond、球形ball、圆盘形disk的strel函数。
）
5
[3]
3.3关于图像腐蚀函数
可以使用imerode函数进行图像腐蚀。
imerode函数需要两个基本输入参数：
待处理的输入图像以及结构元素对象。
此外，imerode函数还可以接受3个可选参数：
PADOPT（padopt）——影响输出图片的大小、PACKOPT（packopt）.——说明输入图像是否为打包的二值图像（二进制图像）。
M——指定原始图像的行数。
以下程序示例说明了如何对某一副具体图像进行腐蚀操作，腐蚀前后的效果对比如图末。
步骤1，读取图像cameraman.tif（该图像是Matlab当前目录下自带的图片）
>
BW1=imread（'
cameraman.tif'
）;
步骤2，创建一个任意形状的结构元素对象
SE=strel（'
arbitrary'
eye（5））;
步骤3，以图像BW1和结构元素SE为参数调用imerode函数进行腐蚀操作。
BW2=imerode（BW1,SE）;
步骤4，显示操作结果
imshow（BW1）
figure,imshow（BW2）
图3.6系统原图像左与腐蚀后图像右对比
6
[4]
4具体设计内容
4.1不同的结构元素的腐蚀
为了研究图像在不同图形元素下腐蚀的不同结果，我们做了一下程序代码对图像进行腐蚀，将图像2经过菱形，球形，圆盘形等元素的腐蚀显示原图像及腐蚀后的各图像的程序如下：
I=imread（'
F:
\2.jpg'
SE1=strel（'
diamond'
3）;
IM1=imerode（I,SE1）;
SE2=strel（'
ball'
3,4,8）;
IM2=imerode（I,SE2）;
SE3=strel（'
disk'
6）;
IM3=imerode（I,SE3）;
subplot（2,2,1）;
imshow（I）;
title（'
原始图像'
subplot（2,2,2）;
imshow（IM2）;
菱形腐蚀后图像'
subplot（2,2,3）;
球形腐蚀后图像'
subplot（2,2,4）;
imshow（IM3）;
圆盘形腐蚀后图像'
7
4.2相同结构元素不同幅值的腐蚀
为了研究图像在同种图形元素下不同尺寸腐蚀的不同结果，我们做了一下程序代码对图像进行腐蚀，将图像2分别经过菱形，球形，圆盘形等各元素的不同大小腐蚀显示原图像及腐蚀后的各图像的程序如下：
4.2.1在菱形结构元素下不同幅值的腐蚀下的程序
2）;
4）;
subplot（1,3,1）;
subplot（1,3,2）;
imshow（IM1）;
菱形腐蚀1后图像'
subplot（1,3,3）;
菱形腐蚀2后图像'
4.2.2在球形结构元素下不同幅值的腐蚀下的程序
5,4,8）;
8
球形腐蚀1后图像'
球星腐蚀2后图像'
4.2.3在圆盘形结构元素下不同幅值的腐蚀下的程序I=imread（'
圆盘形腐蚀1后图像'
圆盘形腐蚀2后图像'
9
[5]
5仿真结果
5.1图像在不同结构元素下腐蚀的结果
图5.1腐蚀图1
图像在不同的图形元素腐蚀下腐蚀效果有明显差别，在腐蚀的作用下，图像小亮点被除去，同时图像变暗。
5.2图像在相同结构元素不同幅值下腐蚀的结果
5.2.1图像在菱形结构元素不同幅值下的腐蚀
图5.2.1腐蚀图2
10
[6]
5.2.2图像在球形结构元素不同幅值下的腐蚀
图5.2.2腐蚀图3
5.2.3图像在圆盘形结构元素不同幅值下的腐蚀
图5.2.3腐蚀图4
由腐蚀图2、腐蚀图3、腐蚀图4可以看出，图像即使在相同图形元素下进行腐蚀，当结构元素的幅值不同时，腐蚀的效果也有很大不同，且幅值越大腐蚀效果越明显，图像越暗淡。
11
结论
综上，腐蚀是一种消除边界点，使边界向内部收缩的过程。
可以用来消除小且无意义的目标物。
如果两目标物间有细小的连通，可以选取足够大的结构元素，将细小连通腐蚀掉。
灰度图像的腐蚀程度取决于这些亮细节周围的灰度值和结构元素的形状和幅值。
通过这次数字图像处理课程设计，本人在多方面都有所提高。
通过这次课程设计，综合运用本专业所学课程的理论。
在图像处理过程中，使用相对应的方法去获得自己需要的效果，在这次设计过程中，体现出自己的能力以及综合运用知识的能力，体会了学以致用、突出自己劳动成果的喜悦心情，从中发现自己平时学习的不足和薄弱环节，从而加以弥补。
这次程设计，让我理解和巩固所学的理论知识，树立解决实际问题的严谨科学态度。
知道了实验前要求做好编程准备工作，提高实验效果，知道了还需要培养自己注重独立分析问题、解决问题的能力。
12
参考文献
[1]贾永红.数字图像处理[M].武汉大学出版社,2005:
173-175.
[2]何明一，卫保国.数字图像处理[M].科学出版社,2007:
218-226.[3]WillianKPratt.数字图像处理[M].机械工业出版社,2010:
360-368.
章霄，董艳雪，赵文娟，张彦嘉.数字图像处理技术[M].冶金工业出版
社,2005:
219-221.
[5]莫德举，梁光华.数字图像处理[M].北京邮电大学出版社,2010:
72-76.[6]朱虹.数字图像处理基础[M].科学出版社,2006:
154-156.
13
升级会员 