数字图像处理-第六章-形态学.ppt
《数字图像处理-第六章-形态学.ppt》由会员分享,可在线阅读,更多相关《数字图像处理-第六章-形态学.ppt(72页珍藏版)》请在冰豆网上搜索。
第六章数学形态学在图像处理中的应用,6.1数学形态学概述6.2数学形态学基本算法6.3二值图像的形态学处理6.4灰值形态学,1、起源:
数学形态学(MathematicsMorphology)形成于1964年,法国巴黎矿业学院马瑟荣(G.Matheron)和其学生赛拉(J.Serra)从事铁矿核的定量岩石学分析,提出了该理论。
6.1数学形态学概述,2、发展:
数学形态学是一门建立在严格数学理论基础上的学科,其基本思想和方法对图像处理的理论和技术产生了重大的影响。
目前,形态学图像处理已成为数字图像处理的一个主要研究领域。
在文字识别、显微图像分析、医学图像、工业检测、机器人视觉都有很成功的应用。
6.1数学形态学概述,3、定义:
数学形态学(MathematicalMorphology)是分析几何形状和结构的数学方法,它建立在集合代数的基础上,是用集合论方法定量描述目标几何结构的学科。
这种结构表示的可以是分析对象的宏观性质,例如,在分析一个工具或印刷字符的形状时,研究的就是其宏观结构;也可以是微观性质,例如,在分析颗粒分布或由小的基元产生的纹理时,研究的便是微观结构。
6.1数学形态学概述,4、形态学研究几何结构的基本思想利用一个结构元素(相当于模板)去探测一个图像,看是否能将这个结构元素很好地填放在图像的内部,同时验证填放结构元素的方法是否有效。
对图像内适合放入结构元素的位置做标记,得到关于图像结构的信息。
这些信息与结构元素的尺寸和形状都有关。
构造不同的结构元素,便可完成不同的图像分析,得到不同的分析结果。
一、数学形态学概述,6.1数学形态学概述,1、基本概念,a)B包含于A,b)B击中(hit)A,c)B击不中(miss)A,,集合关系:
设A和B为R2的子集,A为物体区域,B为某种结构元素,则B结构单元对A的关系有三类:
6.2数学形态学基本算法,平移:
将一个集合A平移距离x可以表示为A+x,其定义为:
1、基本概念,6.2数学形态学基本算法,对称集:
设有一幅图像A,将A中所有元素相对原点转180o,即令(x,y)变成(-x,-y),所得到的新集合称为A的对称集,记为-A.,相对原点转180o,1、基本概念,6.2数学形态学基本算法,腐蚀概念:
腐蚀表示用某种“探针”(即某种形状的基元或结构元素)对一个图象进行探测,以便找出在图象内部可以放下该基元的区域。
定义:
集合A被集合B腐蚀,表示为,数学形式为,2、腐蚀与膨胀,6.2数学形态学基本算法,腐蚀,表示将B平移x但仍包含在A内的所有点x组成.若把A看作输入图像,B看作模板,则由在平移模板的过程中,所有可以添入A内部的模板的原点组成.,2、腐蚀与膨胀,6.2数学形态学基本算法,腐蚀类似于收缩,腐蚀不是输入图像的子图像,一般,如果原点在结构元素内部,则腐蚀后的图像为输入图像的子集;如果原点不在结构元素的内部,则腐蚀后的图像可能不在输入图像的内部,但输出形状不变.,腐蚀,2、腐蚀与膨胀,6.2数学形态学基本算法,例数字图像S和结构元素E,求腐蚀结果如下:
结构元素包含原点时,腐蚀后得到的图象为输入图象的子集,当其不包含原点时,腐蚀可以用于填充图象内部的孔洞。
膨胀定义:
是腐蚀运算的对偶运算,可以通过对补集的腐蚀来定义。
A被B膨胀表示为,其定义为:
2、腐蚀与膨胀,6.2数学形态学基本算法,对于圆盘状结构元素,膨胀可以填充图象内部的小孔,及在图象边缘处的小凹陷部分,并能够磨平图象向外的尖角。
膨胀,2、腐蚀与膨胀,6.2数学形态学基本算法,膨胀的等效方程:
膨胀可以通过相对结构元素的所有点平移输入图像,然后计算其并集得到。
膨胀,2、腐蚀与膨胀,6.2数学形态学基本算法,用膨胀的等效方程计算膨胀结果,AB膨胀结果,开运算:
利用图像B对图像A做开运算,用符号表示,其定义为:
开运算,3、开、闭运算,6.2数学形态学基本算法,例:
闭运算:
是开运算的对偶运算,定义为先作膨胀然后再作腐蚀.利用B对A作闭运算表示为,其定义为:
闭运算,3、开、闭运算,6.2数学形态学基本算法,闭运算实例,开、闭运算的滤波性质:
开运算可以滤掉背景(并)噪声胡椒状噪声闭运算可以滤掉前景(差)噪声沙眼噪声,3、开、闭运算,6.2数学形态学基本算法,定义:
击中击不中变换需要两个结构基元E和F,这两个基元被作为一个结构元素对B=(E,F),一个探测图像内部,一个探测图像外部,其定义为:
显然,击中结构元素击不中结构元素输入图像击中击不中输出,4、击中击不中变换,6.2数学形态学基本算法,利用击中击不中变换进行物体识别,利用与目标相同的结构元素做腐蚀,4、击中击不中变换,6.2数学形态学基本算法,利用击中击不中变换识别物体的过程,利用击中击不中变换进行物体识别,4、击中击不中变换,6.2数学形态学基本算法,利用击中击不中变换细化,4、击中击不中变换,6.2数学形态学基本算法,利用一个结构对的顺序细化,S1,在实际应用中,通常选择一组结构元素对,迭待过程不断在这些结构对中循环,当一个完整的循环结束时,如果所得结果不再变化,则终止迭待过程。
例如,下面是用于细化的8个方向结构对,细化中结构元素对的选取,1基本概念强邻接象素:
两个象素在竖直方向或水平方向上相邻。
弱邻接象素:
两个象素在对角方向上相邻,相对原点的各种邻接象素模板,(a)强邻接象素模板(b)弱邻接象素模板(c)邻接象素模板,6.3二值图像的形态学处理,强连通:
假设x和y为区域中的任意两个象素,在x和y之间存在一个象素序列,若该象素序列也在这个区域中,且序列中象素间为强邻接的,则这个区域是强连通的。
连通:
序列中所有的象素之间都具有邻接关系。
非连通:
任意两个象素之间不存在邻接的象素序列,强连通区域连通区域非连通区域,1基本概念,6.3二值图像的形态学处理,2、边界检测,AB,6.3二值图像的形态学处理,(a)输入图像,(b)膨胀/强连通外边界,(c)腐蚀/强连通内边界,(d)形态学梯度,例,用原点邻接象素模板得到强连通边界。
例,用原点强邻接象素模板得到弱连通边界。
定义:
假设有输入图像A,结构元素B,集合C,则利用B相对C对A作条件膨胀,可以通过将平移限制在C之内得到,其结果为:
B,6.3二值图像的形态学处理,3、条件膨胀,结构元素B,应用连通成分重建:
利用给定的标记进行膨胀,找出二值图像中含有某种标记的连通成分,这个标记可以是一个象素,也可以是一个连通子区域。
6.3二值图像的形态学处理,3、条件膨胀,第一步,把整个原始图像目标数据作为条件C,抽取连通成分。
第二步,第三步,第四步,注:
结构元素的选择很重要。
例:
填充一个用曲线围成的区域,结构元素,输入图像,第一步,第二步,第三步,第四步,第五步,基本概念:
最大圆盘:
对于一个目标S,S内的最大圆盘不是其他任何完全属于S的圆盘子集,并且至少有两点与目标边界轮廓相切。
6.3二值图像的形态学处理,4、骨架化,基本概念:
骨架:
所有最大圆盘的圆心构成了图像的骨架。
最大圆盘定义的骨架,6.3二值图像的形态学处理,4、骨架化,数字情况下圆盘的选择:
令B为一种结构元素,最大圆盘可表示为0B,1B,nB。
其中,用邻接象素模板作结构元素时的数字圆盘,0B,1B,2B,3B,6.3二值图像的形态学处理,4、骨架化,n=0n=1n=2,输入图像,最终骨架,n=0n=1n=2,利用骨架子集进行数据重建的过程,数字骨架的应用:
数据压缩(有损或无损)、字符识别,6.3二值图像的形态学处理,4、骨架化,问题:
分割下面两个互相重叠的球状物体,a,b,6.3二值图像的形态学处理,5、流域分割方法,基本概念,极限腐蚀:
对于给定图像A,用结构元素B对其不断进行腐蚀,在腐蚀过程中,不连通的区域不断产生,某些区域又不断消失,一个连通成分在消失前的最后一步,称为最终连通成分。
所有最终连通成分的并就是相对B的极限腐蚀,用来表示。
6.3二值图像的形态学处理,5、流域分割方法,基本概念,距离函数:
对于A内给定一点x,距离函数dist(x)为从x到A的补集的距离。
输入图像,距离函数图,6.3二值图像的形态学处理,5、流域分割方法,流域分割原理,距离函数反相图-dist(x),相对通过圆盘水平线做出的-dist(x)图形,6.3二值图像的形态学处理,5、流域分割方法,地形浸没过程说明,流域分割原理,6.3二值图像的形态学处理,5、流域分割方法,实现,a)对图像做极限腐蚀,生成距离函数反相图-dist(x),并记下极限腐蚀位置b)水从最深处(最后一个消失的连通成分)开始上涨,给每个新出现的积水盆一个新的标记,水面上涨过程中不同积水盆相接时,筑起一道坝最终的坝就是分割线,6.3二值图像的形态学处理,5、流域分割方法,图像滤波:
开闭运算图像细化和目标识别:
击中击不中变换焊点短路检测:
原数据与开运算相减粘连粒子分离:
流域分割离散粒度分布:
用尺寸递增的结构元素序列过滤图像(开运算)局部颗粒分析:
6.3二值图像的形态学处理,6、二值形态学应用,g在f的下方:
g的定义域是f定义域的子集,对于定义域内任意一点x,都有,则称g在f的下方,记为。
6.4灰值形态学,1、灰值腐蚀,相关概念:
平移:
信号f的图形可以按两种方式移动,即水平移动和垂直移动.将信号f向右水平方向移动x,称移位,可以写成fx(z)=f(z-x);将信号f竖直移动y,称偏移,可以写成(f+y)(z)=f(z)+y;当移位和偏移同时存在时,便得到形态学平移fx+y,其定义为:
1、灰值腐蚀,相关概念:
利用结构元素g对信号f的腐蚀定义为:
1、灰值腐蚀,例1,1、灰值腐蚀,1、灰值腐蚀,腐蚀的等价定义:
推导:
假设在点x处,f被g腐蚀的值为y,则,例1,腐蚀的等价定义:
例2:
腐蚀的等价定义:
2、灰值膨胀,反射:
若h为定义域内的一个信号,h对原点的反射定义为:
信号的反射是原信号先纵轴反射,然后再横轴反射的结果,2、灰值膨胀,膨胀定义:
f被g膨胀可逐点地定义为:
等价定义为:
2、灰值膨胀,计算过程:
1)对结构元素g的定义域Dg中的每一点x将信号f平移x;2)再对平移信号的值加上g(x);3)对所有这些信号逐点取最大值。
例1:
注:
定义域扩展了,例2:
3、灰值开、闭运算,灰值开运算,灰值闭运算,3、灰值开、闭运算,开、闭运算的滤波性质,4、灰值形态学算法,灰值形态学梯度,扁平结构元素定义域上取常数的结构元素,要求结构元素为以原点为中心的扁平结构,4、灰值形态学算法,Top-Hat变换,有检测波峰的作用,对在较亮的背景中求暗的像素聚集体(颗粒),或在较暗的背景中求亮的像素聚集体非常有效。
4、灰值形态学算法,Top-Hat变换,Top-Hat的对偶算子波谷检测器,4、灰值形态学算法,流域分割(watershed变换),原理:
模仿地形浸没的过程,4、灰值形态学算法,流域分割(watershed变换),一组分割实例,4、灰值形态学算法,基于标记的流域分割(watershed变换),关键技术1:
梯度算子的选择,用不同梯度算子进行水域分割的结果,它们依次为Prewitt、Sobel、形态学梯度、最大距离梯度及Canny梯度,4、灰值形态学算法,基于标记的流域分割(watershed变换),关键技术2:
种子点的选取,一种比较典型的方法是通过截取直方图的峰选取种子点的方法,t,改进利用直方图的势函数特性选择种子点,4、灰值形态学算法,基于标记的流域分割(watershed变换),关键技术2:
种子点的选取,4、灰值形态学算法,基于标记的流域分割(watershed变换),直方图势函数与水域生长相结合的分割实例,人脸划痕的去除方法及效果分析1)空域平滑方法(均值,中值)2)形态学方法(闭运算,波谷检测),