基于Matlab的形态学图像处理研究.doc

王娟周金芝(淮北师范大学计算机科学与技术学院安徽 淮北235000)摘要数学形态学是以几何学和集合论为基础，应用于图像处理和模式识别等领域。它具有腐蚀，膨胀，开运算，闭运算四种基本运算。本文主要探讨形态学图像处理的原理及基于MATLAB软件平台的实施方法。研究表明，利用MATLAB图像处理工具箱中的函数运用形态学方法对图像进行预处理，如形态学滤波、细化、剪裁，能够达到比较好的效果。关键词Matlab 形态学图像处理 预处理 形态学滤波中图分类号TP751.1文献标识码A文章编号1009-5349（2010）04013502引言Matlab是美国MathWorks公司出品的商业数学软件，用 于算法开发、数据可视化、数据分析以及数值计算的高级技 术计算语言和交互式环境。在MATLAB技术环境下，利用图像 处理工具箱的IPT函数可以进行可视化操作，方便快捷地对 图像进行处理。形态学图像处理思想是基于通过一小块形状或模板(结 构元素)来处理图像，其方法适用于图像处理的各个方面， 如基于形态学滤波器的颗粒分析，基于腐蚀和开运算的骨架 抽取等。许多二值图像上的形态学运算也可以用于灰度图像 的处理，但像形态学重构运算只能用于灰度图像，如峰值滤 波。一、形态学图像处理的原理结构元素通常是0和1的矩阵表示，有时为方便起见可只 显示1，结构元素的原点必须明确表明，腐蚀和膨胀的程度 都由结构元素的集合控制。膨胀是在二值图像中“加长”或 “变粗”的操作，膨胀过程中对结构元素的平移类似于空间 卷积。腐蚀是对二值图像的对象进行“收缩”或“细化”。 腐蚀和膨胀都是使结构按照一定的规则在图像区域进行平移 来实现对图像的形态学处理。(一)基本形态学操作膨胀和腐蚀是两种最基本的形态学运算，大多数其他形 态学算法都是以这两种运算为基础。数学上，膨胀定义为集合运算，A被结构元素B膨胀，记 为AB，其原理如下：在平移结构元素的过程中，使得结构原点到所有可能的图像像素点来检测图像，当结构元素和像素值为1像素点重 叠时，即结构元素击中图像，则输出1，否则输出0.膨胀也满足交换定律，即A B=B A。在图像处理中， 我们习惯令A B的第一个操作数为图像，而第二个操作数为 结构元素，结构元素往往比图像小得多。腐蚀的数学定义与膨胀类似，A被解构元素B腐蚀记为AB，其原理同样可以表述为： 在结构元素在整个图像区域平移的过程中，结构元素的原点到所有可能的图像像素点检查图像，当结构元素与图像 的前景部分完全匹配时，即结构元素适合图像，则输出1， 否则输出0。由于腐蚀和膨胀的程度由结构元素控制，选择合适的结 构元素对图像进行处理从而达到改进图像性能的目的显得尤为重要。但是单独使用膨胀和腐蚀进行图像处理其用途是有限的，通过对这两种基本操作的组合可达到更有效的处理效 果。(二)膨胀和腐蚀的组合除了膨胀和腐蚀两种基本的形态学操作外，形态学操 作还包括三种常用的膨胀和腐蚀的组合操作：开运算、闭运 算、击中或击不中变换。A被结构元素B的形态学开运算可以记为Ao B，这种运算 时A被B腐蚀后再用B来膨胀腐蚀结果：AoB=(A B) B (1)开运算具有平滑边界，滤掉比结构元素小的斑点、突刺，断开狭长连接的作用。 A被结构元素B的形态学闭运算记为AB，它是先腐蚀再膨胀的结果：AB=(AB) B(2)闭运算具有平滑边界，填充比结构元素小的缺口或洞，连接狭窄缺口形成细长弯口的作用。 通常，能够识别像素的特定形状是很有用的，击不中或击中变换对这类应用非常实用。A被B击中或击不中变换定义为AB，B是结构元素，其中B是两个结构元素，而不是单个 元素。二、Matlab中形态学图像处理实现(一)Matlab图像处理工具箱中形态学图像处理函数Matlab提供了20类图像处理函数，涵盖了图像处理的包 括近期研究成果在内的几乎所有的技术方法，本文中我们主 要介绍灰度与二值图像的形态学运算的IPT函数。在Matlab中IPT函数strel运用各种形状和大小构建结 构元素，其基本语法为se=strel(shape，parameters)，其 中，shape是指定希望形状的字符串，而parameters是指定 形状(如其大小)的一列参数。IPT函数imdilate执行膨胀运 算。基本的调用语法为A2=(A，B)，其中，A2和A是二值图像 或灰度图像，B是指定的结构元素的由0和1组成的矩阵。腐 蚀则用IPT函数imerode执行。开运算和闭运算在工具箱中用 函数imopen和imclose实现。击中或击不中变换在IPT中用函 数bwhitmiss实现，该函数语法为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。(二)形态学图像处理实现由于Matlab工具箱中含有丰富的形态学图像处理函数， 使得我们在用形态学方法进行处理时能尽可能达到所需要的收稿日期：2010年4月15日 责任编辑：张丽王娟（1983)，女，汉族，河南商丘人，淮北师范大学计算机科学与技术学院计算机软件与理论专业08级研究生。研究方向：数字图像效果。形态学技术对图像进行预处理的过程中能够很好实现理方法，本文主要研究了形态学图像处理方法，并以米粒图对图像的滤波、细化和裁剪，还能实现对图像边缘检测及特征提取。下面我们利用Matlab形态学处理函数对一副不均匀 亮度的米粒图像进行滤波处理，并进行阈值处理，使得米粒 和背景分割开来，来比较滤波处理前后图像的分割效果。滤 波处理部分源程序如下：f=imread(rice.png)；se=strel(disk，50)； fo=imopen(f，se)；%读入图像米粒图像，并对图像进行开 运算figure，imshow(f)；%显示米粒原图像，如图(a)figure，imshow(fo)；%显示经开运算之后的图像，如 图(b)f2=imsubtract(f，fo)；%米粒原图像减去经开运算后 的图像，获得一副均匀背景的米粒图像figure，imshow(f2)；%显示均匀背景的米粒图像，如 图(c)像为例说明了形态学技术能很好对图像进行预处理，为进一步图像处理能够顺利进行并达到良好的效果奠定了基础。【参考文献】1张兆礼,现代图像处理技术及MATLAB实现M.人民邮电出版社,2001年.2潘峰,刘文予,朱光喜.MATLAB在图像处理与研究中的应用J.计算机应用研究,1999,16(12).3(美)冈萨雷斯(Gonzalez,R.C.)(著),阮秋琦(译).数字图像处理(MATLAB版).电子工业出版社,2005.9.4崔屹.图像处理与分析数学形态学方法及其应用M.北京:科学出版社,2000.5邓魏.MATLAB在图像处理和分析中的应用J.农机化研究,2006.6缪绍纲.数字图像处理：活用MatlabM.成都:西南交通大学出版社,2001.Research on morphological image processing based onMatlabWANG Juan, ZHOU Jin-zhi(Institute of Computer Science and Technology,Huaibei TeachersUniversity,Anhui Haibei,235000)Abstract:Mathematical morphology is based on geometry andset theory applied to image processing and pattern recognition. Ithas the erosion,dilation, opening operation and closing operation offour basic operations.This paper mainly discusses the principle ofmorphological image processing and the implementation method based onMatlab software platform. The results indicate that it can achievebetter results ,using the image Processing Toolbox function of Matlabby morphological methodto preprocess image, such as morphologicalfiltering, thinning, cutting.Key Words:Matlab; morphological image processing; Pretreatment; Morphological filtering(a)(b)(c)接下来我们对米粒原图像(a)和均匀背景的米粒图像(c)分别进行阈值处理，所得图像如(d)和(e)，对图像中的米粒 从背景中分离出来的效果进行对比，从而证明形态学图像处 理能很好对图像进行滤波，为更进一步的图像处理奠定了良 好的基础。(d)(e)三、结束语Matlab具有强大的图像处理能力，有许多经典的图像处（上接137页）这里提出使浓淡斑点带有色信息，加入红、绿、蓝三种 色，做成3种单色浓淡斑点。然后放到同平面上，使用有色 方向符号法(COCM)对其进行检出，以此达到使COCM的鲁棒性 和高速性与色浓淡斑点的鲁棒性相结合，以期得到更高的鲁 棒性。如Fig.3中实验所示。与各顶点（xi,yi,zi）相对应的图像的点(xi,yi)之间的关系由以下公式表示，最终能够求出三斑点空间坐标。xi：xi=zi：f （7） yi：yi=zi：f(8)(x 1,y1,z1 )（红色）（蓝色）Y（a）残差绝对值分布图Fig.3 色浓淡斑点的检出例三、空间位置测试(b) 匹配例在三角形的各顶点配置了色浓淡斑点如Fig.4所示。建立坐标系。照相机坐标系为o-y、与平面面相平行 建立图像坐标系(x,y)。三斑点间的距离L1,L2以及L3为 已知数。所以有以下公式成立OFig.4 色浓淡斑点及坐标系四、结语本文提出了色方向符号法和色浓淡斑点，并使其应用到 了空间位置计测中，今后将进一步通过实验验证提案的有效 性。2222L1 =(x2x3) +(y2y3) +(z2z3)(4)(5) (6)2222L2 =(x3x1) +(y3y1) +(z3z1)2222L3 =(x1x2) +(y1y2) +(z1z2)ZXY (x 3,y3 ,z3 )（绿色）(x2 ,y2 ,z2) (x1,y1)(x3,y3) (x 2 ,y2 )Xfile:/D|/我的资料/Desktop/新建文本文档.txtApplia