数字图像处理复习PPT_第1页
数字图像处理复习PPT_第2页
数字图像处理复习PPT_第3页
数字图像处理复习PPT_第4页
数字图像处理复习PPT_第5页
已阅读5页,还剩137页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

医学图像处理复习考试题型一、选择题(每题1分,共10分)二、判断改错题(每题1分,共10分)三、填空题(每题2分,共20分)四、名词解释题(每题5分,共15分)(2、4、8)五、简答及计算题(每题9分,共45分)

(3、4、5、6、7)第1章 绪论图像分类图像的表示数字图像处理系统的组成图像分类:根据图像空间坐标和幅度(亮度或色彩)的连续性可分为模拟(连续)图像和数字图像。图像的表示一幅图像所包含的信息首先表现为光的强度(intensity),即一幅图像可看成是空间各个坐标点上的光强度I的集合,其普遍数学表达式为:I=f(x,y,z,λ,t)式中(x,y,z)是空间坐标,λ是波长,t是时间,I是光点(x,y,z)的强度(幅度)。

上式表示一幅运动的(t)、彩色/多光谱的(λ)、立体的(x,y,z)

图像。第1章 绪论而对于平面上的静止灰度图像,其数学表达式可简化为:I

= f(x,y)(1)静止图像:I=f(x,y,z,λ)(2)灰度图像:I=f(x,y,z,t)(3)平面图像:I=f(x,y,λ,t)一个基本的数字图像处理系统由图像输入、图像存储、图像通信、图像处理和分析五个模块组成。如下图所示:数字图像处理系统的组成习题3、一个基本的数字图像处理系统由图像输入、

、

、

、图像输出五个模块组成。颜色模型人眼的构造人眼的亮度感觉图像数字化图像分辨率数字图像容量的计算第2章 数字图像处理基础第2章 数字图像处理基础颜色模型

面向机器(如显示器、摄像机、打印机等)的RGB模型和面向颜色处理(也面向人眼视觉)的HSI(HSV)模型。人眼的构造

视细胞——锥状细胞:明视细胞,在强光下检测亮度和颜色,每个锥状视细胞连接着一个视神经末梢,故分辨率高,分辨细节、颜色;

杆(柱)状细胞:暗视细胞,在弱光下检测亮度,无色彩感觉,多个杆状视细胞连接着一个视神经末梢,故分辨率低,仅分辨图的轮廓。人眼的亮度感觉

人眼的亮度感觉具有相对性,即人在观察处于不同亮度背景中的两个不同亮度的目标物时,会按对比度感觉目标物的亮度。(习题2.6)图像数字化

采样和量化图像分辨率

空间分辨率和幅度分辨率

(名词解释)

区分图像中目标物细节的程度,称作图像分辨率。图像分辨率包括空间分辨率和幅度分辨率,分别由图像采样和量化决定。

数字图像容量的计算

一幅图像大小为,G=2k

图像容量为b=M*N*K(bit)习题1、杆状视觉也称

视觉,其功能是在

光下检测亮度。锥状视觉也称

视觉,锥状细胞对

敏感,其功能是在

光下检测亮度和颜色。2、一幅

的32bit真彩图像容量为bit。

一幅

,256个灰度级的图像容量为bit。3、名词解释:空间和幅度分辨率

区分图像中目标物细节的程度,称作图像分辨率。图像分辨率包括空间分辨率和幅度分辨率,分别由图像采样和量化决定。图像空间分辨率由采样点数决定。当灰度级数一定时,采样点数越多,图像空间分辨率就越高,图像质量越好。图像幅度分辨率是由量化级数及灰度级决定。当采样点数一定时,灰度级数越多,图像幅度分辨率越高,图像质量越好。由于硬件方面的考虑,幅度级通常是2的整数次幂。图像的几何变换;常见几何变换矩阵;灰度插值;图像的离散傅立叶变换,掌握其主要性质;掌握图像的离散沃尔什-哈达玛变换;第3章 图像变换第3章

图像变换图像的几何变换

一般表达式:[u,v][X(x,y),Y(x,y)]几种常见几何变换,则有

,

即变换后图像仅仅是原图像的简单复制。如果 X(x,y)

x ,Y(x,y)

y

[u,v][x,y]◘平移变换:◘比例缩放:◘旋转变换:◘仿射变换 :保持共线性、平行性、距离比例不变性的任意变换。通过一系列的子变换的组合来实现,包括平移、缩放、旋转、翻转和剪切。性质:(1)仿射变换只有6个自由度(对应变换中的6个系数),因此,仿射变换后互相平行直线仍然为平行直线,三角形映射后仍是三角形。但却不能保证将四边形以上的多边形映射为等边数的多边形。(2)仿射变换的乘积和逆变换仍是仿射变换。(3)仿射变换能够实现平移、旋转、缩放等几何变换。灰度插值

最近邻插值法、双线性插值法、卷积插值法。双线性插值思想双线性插值核心思想是在两个方向分别进行一次线性插值。红色的数据点与待插值得到的绿色点四个已知点坐标分别为(0,

0)、(0,

1)、(1,

0)和(1,

1)图像的离散傅立叶变换定义性质

变换核的可分离性 平均值:该性质说明2D-DFT可通过两次1D-DFT完成移位特性:

若

f

(m,

n)

F

(u,

v),则:旋转不变性:实偶函数的DFT:a.空间移位:b.频域移位:d.频谱中心化:,则移到中心(

0

,

0

)即使

f

(m,

n)

的频谱从原点

则f

(r,

)

F

(,

)f

(r,

0

)

F

(,

0

)N Nef (m,

n)

cos

2mu

cos

2nvN

1

N

1

em0

n0F

(u,

v)

若

fe

(m,

n)

fe

(m,n)

,则,仅有余弦项的实部。实奇函数的DFT:线性性:DFT

af1

(m,

n)

bf2

(m,

n)

a

DFT

f1

(m,

n)

b

DFT

f2

(m,

n)IDFT

aF1

(u,v)

bF2

(u,v)

a

IDFTF1

(u,v)

b

IDFTF2

(u,v)

比例性(尺度变换):若a

和b

是标量,

f

(m,

n)

F

(u,

v),则,则,仅有正弦项的虚部。N Nof (m,

n)sin

2mu

sin

2nvN

1

N

1

om0n0F

(u,

v)

j若

fo

(m,

n)

fo

(m,n)若a和b是常数,傅立叶的正反变换都是线性变换,即卷积定理:离散沃尔什-哈达玛变换

◘离散哈达玛变换(DHT)

哈达玛变换矩阵最低阶:递推阶:

Hadamard变换核特点:(1)递推性:H2N可以由HN递推得到(2)变换矩阵:

HN为实的正交对称矩阵(3)行(或列)变号次数乱序。反变换与正变换形式相同 :F

HN

fHNf

HN

FHN◘

离散沃尔什变换(DWT)当N=4时:变号次数

kWalsh变换核特点:(1)变换核可由哈达玛变换核间接得到(间接递推);(2)变换矩阵为实的正交对称矩阵;(3)行(或列)变号次数按自然定序(由小到大)排列。习题习题习题习题第4章 图像增强图象增强方法分类灰度的线性与非线性变换图像的直方图及直方图的修正图像平滑图像锐化同态滤波彩色图像增强第4章 图像增强图象增强方法分类

空域法:直接对图像的像素灰度值进行操作。包括图像的灰度变换、直方图修正、平滑和锐化处理、彩色增强等。

频域法:在图像的变换域中,对图像的变换值进行操作,然后经逆变换获得所需的增强结果。常用的方法包括低通滤波、高频提升滤波以及同态滤波法等。灰度的线性变换灰度的非线性变换对数变换

g(m,n)

log(1f (

m

,

n

))指数变换g(m,n)

(f(m,n)

)图像的直方图图像的直方图修正

◘直方图均衡化

◘直方图规定化(匹配)图像平滑

空域平滑法(1)邻域平均可归结为消噪掩模法4-邻域平均:8-邻域平均:(2)加权平均4-邻域加权平均:8-邻域加权平均:(权值M=1),(权值M=2),(权值M=1),(权值M=2),2. 用模板对原图像从第 2 行第 2 列开始逐渐移法计算。(注:图像四周边界一般不处理(不考虑))3. 平滑模板特点(1)模板内系数全为正,表示求和;所乘的小于1的系数表示取平均;(2)模板系数之和为1,表示对常数图像(常数)处理前后不变,而对一般图像而言,处理前后平均亮度基本保持不变。1. 根据实际需要,我们可以设计其它具有不同特性的平滑模板,如:

(3)多图像平均法(4)中值滤波法(非线性平滑滤波法)中值滤波的重要特性:(1)对离散阶跃信号和斜升(或斜降)信号不产生影响;(2)连续个数小于窗口宽度一半的离散脉冲将被滤除;(3)三角形信号的顶部被削平;(4)若C为常数,则也有:

med{Cf(m,n)}

Cmed{f(m,n)}

med{Cf(m,n)}

C

med{f(m,n)}

med{f1(m,n)

f2(m,n)}

med{f1(m,n)}

med{f2(m,n)}频域低通滤波法

理想低通滤波器

Butterworth低通滤波器(BLPF)

理想低通滤波器处理后会产生明显的振铃效应

指数低通滤波器(ELPF)梯形低通滤波器(TLPF)图像锐化

方法分类:

空域微(差)分法—模糊图像实质是受到平均或积分运算,故对其进行逆运算(微分),使图像清晰;

频域高频提升滤波法—从频域角度考虑,图像模糊的实质是高频分量被衰减,故可用高频提升滤波法加重高频,使图像清晰。◘拉普拉斯锐化法Laplacian 锐化模板(1)4-邻模板 W1(2)8-邻模板 W4◘模板锐化法Laplacian 锐化模板(1)4-邻模板 W1(2)8-邻模板 W4◘高频提升滤波法◘图像平滑锐化时的注意事项平滑及锐化时,图象四周边界不考虑(不处理);一般处理时,仅用原图象进行处理(即前面处理结果不影响后面处理);平滑及锐化的顺序是:先平滑后锐化。图像的同态滤波两边取对数进行FFT简记为反变换到空域z(m,n)=lnf(m,n)=lni(m,n)+lnr(m,n)FFTz(m,n)

=FFTlni(m,n)

+FFTlnr(m,n)Z(u,v)=I(u,v)+R(u,v)若用一滤波器进行滤波处理,则S(u,v)=H(u,v)Z(u,v)=H(u,v)I(u,v)+H(u,v)R(u,v)s(m,

n)

=

IFFTH(u,

v)I(u,

v)

+

IFFTH(u,

v)R(u,

v)=

i'(m,

n)

+

r'(m,

n)再取指数,就得到了处理后的空域图像g(m,n)g(m,n)=exps(m,n)

=expi'(m,n)

expr'(m,n)也可写成

g(m,n)=i0(m,n)

r0(m,n)图像的彩色增强习题习题习题习题灰度直方图同态滤波第5章图像恢复图像退化的一般模型退化函数的辨识方法反向(逆)滤波法维纳滤波法几何畸变图形的恢复第5章图像恢复图像退化的一般模型◆ 空间域退化模型◆ 频域退化模型退化函数的辨识方法

图像观察法、试验估计法和数学建模法。反向(逆)滤波法其中

称为恢复滤波器,恢复后图像

逆滤波法的特点将频域退化模型代入逆滤波器,上式包含了我们希望得到的 F(u,v),但同时又加上一项由噪声带来的项 N(u,v)/H(u,v)。当H(u,v)为0或较小时,该项具有噪声放大作用,有时会造成恢复出的图像面目全非,使用时要特别注意。u,

v

0,1,…,

N

1G(u,

v)

=

H(u,

v)F(u,

v)

+

N(u,

v)随机函数,而它的傅里叶变换未知当退化为零或很小时,N(u,v)/H(u,v)会变得很大避免为零值,限制滤波频率使其接近原点值.维纳滤波法◆

结果分析ˆ1F

(u,

v)

H (u,

v)G(u,

v)(1)无噪声时,即

S

(u,

v)

0,即变为逆滤波器,即因此,反向滤波器可看作是维纳滤波器的一种特殊情况。(2)在有噪声存在的情况下,相比于反向滤波器来说,维纳滤波器中由于存在S

(u,v)/Sf(u,v)项,会对噪声的放大具有自动抑制作用,同时也不会在H(u,v)为0时出现被0除的情形。示噪声和信号的功率谱密度比,则:(4)在实际应用中,Sf(u,v)和S

(u,

v)

经常是未知的,但可用一常数k来表该式可以使退化图像得到一定程度的恢复,但不一定是最佳恢复。实际应用中,k可通过已知的信噪比来获得。几何畸变图形的恢复恢复方法分为两步:第一步

空间变换,是对畸变图像进行空间坐标变换,使像素点落在正确的位置上,即恢复图像的空间关系;第二步灰度级插补

是重新确定空间坐标变换后像素的灰度值,即恢复图像的灰度值。习题习题第6章图像压缩编码图像编码的基本理论无损压缩编码基本编码定理霍夫曼编码法算术编码有损压缩编码预测编码(差分脉冲编码调制DPCM)正交变换编码四叉树编码第6章图像压缩编码图像编码的基本理论数据冗余主要有三种:

编码冗余、像素间冗余和心理视觉冗余,减少或消除了其中的一种或多种时,就实现了图像的压缩。图像压缩方法分类:

有损压缩和无损压缩图像编解码模型信息量如果某随机事件x出现的概率为P(x),则此事件包含的信息量为若a=2,则信息量单位为比特(binaryunit,bit),即

I(x)

log2P(x)信源的熵信源的熵则表示图像各灰度级的平均比特数或图像信源的平均信息量。平均码字长:每个像素所需的平均比特数。

若设图像的灰度级为k,则k出现的概率为:无损压缩编码基本编码定理

无失真编码定理

在无干扰条件下,存在一种无失真的编码方法,使编码的

Lavg与信源的熵H(A)任意的接近。即

变字长编码定理

在变字长编码中,对出现概率P(ai

)大的信符ai赋予短码字,而对P(aj)小的aj赋予长码字。如果码字长度严格按照所对应信符的出现概率大小逆序排列,则编码的平均码长不会大于任何其它排列方式。

H

(

A)

,

0Lavg但以H(A)为下限,即

Lavg

H

(

A)即若

则P(ai)

P(aj)

P(ak)

…l(ai)

l(aj)

l(ak)

…霍夫曼编码法

编码过程分为2步:1.缩减信符数量;2.分配码字Huffman编码的特点是:(1)Huffman编码构造程序是明确的,但编出的码不是唯一的,其原因之一是两个概率分配码字“0”和“1”是任意选择的(大概率为“0”,小概率为“1”,或者反之)。第二原因是在排序过程中两个概率相等,谁前谁后也是随机的。这样编出的码字就不是唯一的。(2)Huffman编码结果,码字不等长,平均码字最短,效率最高,但码字长短不一,实时硬件实现很复杂(特别是译码),而且在抗误码能力方面也比较差。(3)Huffman编码的信源概率是2的负幂时,效率达100%,但是对等概率分布的信源,产生定长码,效率最低,因此编码效率与信源符号概率分布相关,故Huffman编码依赖于信源统计特性,编码前必须有信源这方面的先验知识,这往往限制了Huffman编码的应用。算术编码算术编码用到两个基本参数:符号的概率和它的编码区间

算术编码步骤如下:(1)“当前区间”初始化为[0,1)。(2)对于输入信息流中的每个信符,编码器执行如下两个步骤:

①将“当前区间”分成子区间,该子区间的长度正比于符号的概率;

②选择下一个信符对应的子区间,并使它成为新的“当前区间”(3)将整个消息处理后,在“当前区间”中任取一个数,该数就是输入信息流的算术编码。[0.01011111011, 0.01011111101)有损压缩编码

◘预测编码利用原图像与其预测图像的差值代替原图像进行编码的方法就称为预测编码。预测编码中最有代表性的方法就是差分脉冲编码调制

(DPCM:Differential Pulse Code Modulation)方法。

DPCM编码的基本原理

◘正交变换编码◘四叉树编码习题习题第7章图像分割图像分割方法的分类边缘点检测正交梯度算子法方向梯度算子法二阶微分算子法LOG算子边缘线跟踪局部边缘连接法Hough变换法门限化分割灰度门限法迭代阈值法最佳阈值法Otsu法区域生成法区域生长法分裂合并法第7章图像分割图像分割方法的分类

根据灰度的不连续性和相似性,分成两类:

边缘检测法:利用区域间之灰度不连续性,确定区域的边界或边缘的位置。

区域生成法:利用区域内灰度的相似性,将像素(点)分成若干相似的区域。边缘点检测

边缘特点

:

局部特性不连续性;边缘位置的微分特性;幅度和方向性(沿边缘方向灰度缓(不)变,垂直方向突变)。

边缘检测用途:将图像中各不同区域的边缘(边界)检测出来,以达到分割之目的。边缘与导数(微分)的关系边缘和导数(微分)的关系边缘的一阶导数在图像由暗变亮的突变位置有一个正的峰值,而在图像由亮变暗的位置有一负的峰值,而在其他位置都为0。这表明可用一阶导数的幅度值来检测边缘的存在,幅度峰值对应的一般就是边缘的位置,峰值的正或负就表示边缘处是由暗变亮还是由亮变暗。同理,可用二阶导数的过0点检测图像中边缘的存在。DigitalImageProcessing边缘检测算法的基本思想:计算局部微分算子可分成两步:(1)对图像中每一个像素施以检测算子;(2)根据事先确定的准则对检测算子的输出进行判定,确定该像素点是否为边缘点。正交梯度算子法Roberts梯度算子Prewitt梯度算子Sobel算子各向同性Sobel算子方向梯度法N

1i0G(m,

n)

MAX

{

Gi

(m,

n)}Gi

(m,

n)

F

(m,

n)

Wi其中的下标i代表方向模板的序号,W

i表示第i方向的模板,Gi

(m,

n)表示第i方向的梯度模值,N

代表模板的个数。平均差分方向梯度平均差分8方向梯度模板(比例因子为1/3)加权平均差分方向梯度加权平均差分8方向梯度模板(比例因子为1/4)Kirsch方向梯度Kirsch梯度8方向梯度模板(比例因子为1/15)线检测模板二阶导数算子法

Laplacian算子LoG算子法高斯—拉普拉斯(LoG:Laplacian of

a

Gaussian)边缘检测算子,简称LoG算子法。优点:先采用高斯算子对原图像进行平滑,然后再施以Laplacian算子,可克服Laplacian算子对噪声敏感的缺点,减少噪声的影响。

LOG算子特点:高斯函数方差的取值决定了所提取到边缘的粗细,控制可提取边缘的分辨率。当方差取值越大,提取的边缘越粗,细小的边缘将会被忽略,同时图像边缘的定位精度越低。人们让利用不同大小的方差所形成的边缘来构成不同分辨率的边缘图像。图像处理模板特点:▓ 平滑模板特点模板内系数全为正(表示求和、平均=>平滑);模板内系数之和为1:①对常数图像f(m,n)≡c,处理前后不变;

②对一般图像,处理前后平均亮度不变。▓ 锐化模板特点模板内系数有正有负,表示差分运算;模板内系数之和为1:①对常数图像f(m,n)≡c,处理前后不变;

②对一般图像,处理前后平均亮度不变。▓ 边缘检测模板特点

模板内系数有正有负,表示差分运算;

模板内系数之和为0:①对常数图像f(m,n)≡c,处理后为0;

②对一般图像,处理后为边缘点。01/401/401/401/40边缘线跟踪

边缘跟踪的方法▓ 局部边缘连接法;▓

Hough变换法。▓

局部边缘连接法该方法以局部梯度算子处理后的梯度图像作为输入,连接过程分为两步:第一步:选择可能位于边缘线上的边缘点。第二步:对相邻的候选边缘点,根据事先确定的相似准则判定是否连接。如果在相邻的小邻域内的两个候选点的梯度和方向差值都在某阈值之内,则这两点被认为属于同一边缘线,可以连接起来。相似准则定义为:▓

哈夫(Hough)变换

Hough变换的基本原理图像空间待检测直线(或有规曲线)(映射,变换)→参数空间峰值点,图像空间XY和参数空间ρθ的对应关系:(1)图像空间中的一条直线,在参数空间映射为一个点(,);(2)图像空间的一个点映射为参数空间的一条正弦曲线;(3)图像空间的一条直线上的多个共线点映射为参数空间相交于一点的多条正弦曲线。这种图像空间和参数空间点和线之间的映射关系就称为Hough变换。据此,要检测图像空间共线点最多的直线,就变成了参数空间相交于一点正弦曲线最多的这个峰值点。这就是Hough变换检测直线的原理。门限化分割灰度门限法

单阈值分割和多阈值分割灰度门限的确定

1.极小值点阈值

2.最优阈值

要求错分概率达到最小。将1个背景像素错分为1个目标物像素的概率为:选取阈值T的总的错分概率:令上式最小,即,得将1个目标物像素错分为1个背景像素的概率为:P1

p1

(T

)

P2

p2

(T

)迭代阈值法Otsu法Otsu方法是使类间方差最大而推导出的一种能自动确定阈值的方法Matlab工具箱提供的graythresh函数求取阈值采用Otsu法Otsu法基本思想区域分割法区域生长法定义:区域生长是把图像分割成特征相似的若干小区域,比较相邻小区域的特征,若相似则合并为同一区域,如此进行直到不能合并为止,最后生成特征不同的各区域。这种分割方法也称为区域扩张法。方法步骤:(1)确定要分割的区域数目,并在每个区域选择或确定一个能正确代表该区域灰度取值的像素点,称为种子点。(2)选择有意义特征和邻域方式。(3)确定相似性准则。最后要有区域生长停止即分割结束的条件。在区域生长算法中,其中最主要的三个要素是种子、相似性准则以及迭代终止准则。种子:选择或确定一组能正确代表所需区域的种子像素,其是区域生长的起始点。可以由人工选定,或者自动产生。相似性准则:确定在生长过程中能将相邻像素包括进来的准则。基于距离的相似性度量,另一类是相关性度量。迭代终止准则:制定让生长过程停止的条件或规则区域生长法分为:简单生长(像素+像素)、质心生长法(区域+像素)和混合生长法(区域+区域)等。区域生长法分割举例:(a)原图像块 (b)简单生长法(c)质心生长法(d)混合生长法( ) ()图(b)和(c)的分割结果相同,图像块被分成两个区域。但生长过程中所用相似性准则是不同的。简单生长法中,是用生长点和其邻域点直接比较,而质心生长法则用生长区域内所有生长点的均值与其邻域点比较。对于(b)和(c)中的两个区域分别标记为f1和f2,则其均值分别为。若取1(T

3)2T

3T3

5f1

1.1,

f2

5.7T3

51 2 3DigitalImageProcessing,则

|f

f||1.15.7|4.6T5,由混合生长法可将(b)中的两个区域合并为同一个区域图(d);若门限T34.6,则(b)中的两个区域不能合并。110465021576110564212765101576122657111666111666111666111666111666111666110465021576110564212765101576122657110465021576110564212765101576122657分裂合并法(1)给定一相似准则P,如果对图像中的任一区域Ri有即不满足相似性准则,则把Ri区域等分为四个子区Ri1、Ri2、Ri3和Ri4。(2)对相邻的区域Ri和Rj,若(3)当进一步分裂和合并都不能进行时,则分割结束。false,p

(

Ri

)

p(Ri

Rj)

true,则合并这两个区域。0层1层2层RDigitalImageProcessing01R2R13RR4021R122R123R124R0R141 42R431 144R R图7.5.2四叉树分裂合并法示(c)四叉树表示(b)分裂合并过(a)原图像块(d)分裂合并结果00000011000000110000111100001111001111110011111111111111111111111243121222423414234443习题习题第八章 图像描述及形态学处理像素间的邻接和连通距离测量目标物边界的链码表示形态学图像处理二值图像形态学处理灰度图像形态学处理第八章 图像描述及形态学处理像素间的邻接和连通2、邻接的类别根据相邻的类别,邻接也分为两类:(1)4邻接p,qV且s,t

N4p,则称p和q

4邻接,记为(2)

8邻接p,qV且s,tN8p

,则称p和q

8邻接,记为(3)

两种邻接的关系

4邻接必8邻接,反之不一定成立。距离测量

给定三个像素p(m1,n1),q(m2,n2)目标物边界的链码表示原链码、差分码、归一化链码

、

归一化的差分码边界的形状数表示归一化的差分码既具有唯一性,也具有目标物平移和旋转不变性,因此可用来表示边界,称为形状数。形状数序列的长度(位数)称为形状数的阶,它可作为闭合边界的周长。如上图所示的目标边界,其,原链码为差分码为形状数:,形状数的阶为10。8M

2120606454

M

8

6716626617

,M

8

1662661767形态学图像处理二值图像形态学处理灰度图像形态学处理二值图像形态学处理膨胀(dilation)腐蚀(erosion)开和闭(openingandclosing)击中与否变换(hit-or-miss)膨胀运算定义:假定A和B是Z2上的两个集合,把A被B(结构元素)膨胀定义为:含义:膨胀结果是这样一个由移位元素z组成的集合,以至B的反射对这些元素移位操作的结果与A至少重叠一个元素,因此也可以表示成:这里,结构元B也可以称为卷积掩码,因为膨胀的操作过程和线性卷积过程很类似。

腐蚀运算定义:假定A和B是Z2上的两个集合,把A被B腐蚀定义为:含义:腐蚀结果是这样一个由移位元素z组成的集合,以至B对这些元素移位操作的结果完全包含于A。腐蚀和膨胀关于补集和反射操作呈对偶关系(证明略):开和闭运算开运算:相当于先用结构元B对A腐蚀,再对腐蚀结果用同样的结构元进行膨胀操作。开运算也可以通过下面的拟合过程来表示:基本属性:开的结果是A的子集;如C是D的子集,则C与B开的结果是D与B开运算结果的子集;对同样的A,做多次开运算的结果与做一次是一样的。闭运算相当于先用结构元B对A进行膨胀,再对膨胀结果用同样的结构元进行腐蚀操作,过程与开运算正好相反。基本属性:A是闭运算结果的子集;如C是D的子集,则C与B闭作用的结果是D与B闭运算结果的子集;对同样的A,做多次闭运算的结果与做一次是一样的。开和闭运算开、闭运算的基本作用从开、闭运算的基本定义和运行过程可以看出,这两种集合操作的所能导致的大致效果如下:

开运算通常对图像轮廓进行平滑,使狭窄的“地峡”形状断开,去掉细的突起。

闭运算也是趋向于平滑图像的轮廓,但与开

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论