《数字图像处理教程（OPENCV版）》 课件 Ch09 形态学处理

数字图像处理教程第9章形态学处理用具有一定形态的结构元素对图像处理，以提取那些在描述图像区域形状中非常有用的特征在图像分割、特征识别、图像描述等应用中常用简化图像特征、保持图像基本特征、去除无关细节等目的，是图像增强的有效手段非线性图像处理，可用于二值图像和灰度图像9.1预备知识9.1预备知识

9.1预备知识

9.1预备知识

9.1预备知识

9.2.腐蚀与膨胀二值图像中通常用像素值1表示属于目标（又称前景）的像素、0表示该像素属于非目标（又称背景）腐蚀和膨胀都是针对目标进行的处理9.2.1腐蚀

9.2.1腐蚀腐蚀结果与目标和结构元形状、尺寸、结构元原点位置有关消除细小的噪声，选择大小形状适当的结构元可以滤掉不能完全包含结构元的噪声利用腐蚀滤除噪声的同时，对图像中目标的形状也有影响9.2.2膨胀

9.2.2膨胀膨胀填充图像中背景尺寸比结构元小的区域可用于连接相邻间隔很小的目标区域、填充小孔和狭窄的缝隙膨胀结果与结构元大小、形状及中心点位置有关9.2.3对偶性

9.3开运算和闭运算9.3.1开运算

9.3.2闭运算

开、闭运算、腐蚀和膨胀比较

9.4击中与击不中变换9.4击中与击不中变换

找内部形状找外部边缘形状9.4击中与击不中变换9.5一些基本形态学算法9.5.1边界提取

9.5.2种子填充

9.5.3提取连通分量

9.5.4凸包

9.5.4凸包

9.5.5细化、骨架化和粗化

9.5.5细化、骨架化和粗化

9.5.5细化、骨架化和粗化骨架化（1）骨架化是一种极致的细化，将目标细化为宽度1个像素，细化后细线连通保持输入对象的尺寸，骨架的端点一直延伸至目标的边界骨架位于目标中心线位置不改变目标基本结构9.5.5细化、骨架化和粗化

9.5.5细化、骨架化和粗化

开运算9.5.5细化、骨架化和粗化骨架化（4）距离变换实现骨架化对二值图像进行距离变换，得到距离图像目标中心在距离图像最亮，根据距离变换结果的奇异性（中心最亮处曲率变化最大）提取中心轴线，得到目标的骨架9.5.5细化、骨架化和粗化

9.5.5细化、骨架化和粗化

9.5.6形态学重建涉及两幅图像和一个结构元一幅图像为标记(marker)或标记图像，包含变换的起始点另一幅图像称为模板(mask)，用于对变换进行约束结构元用于定义连接性形态学重建的基本运算是测地膨胀和测地腐蚀9.5.6形态学重建

9.5.6形态学重建

9.5.6形态学重建

9.5.6形态学重建

9.5.6形态学重建

9.5.6形态学重建

9.5.6形态学重建

9.5.6形态学重建形态学重建应用9.5.6形态学重建形态学重建应用9.6灰度图像的形态学处理9.6灰度图像的形态学处理一般用于图像分割、图像二值化等之前的预处理阶段提高区域灰度趋同性、强调灰度差异、突出某些特征等9.6灰度图像的形态学处理不平坦结构元平坦结构元通常灰度图级形态学处理的结构元关于原点对称一般采用平坦结构元9.6.1腐蚀和膨胀

9.6.1腐蚀和膨胀

9.6.1腐蚀和膨胀

9.6.1腐蚀和膨胀腐蚀降低图像整体亮度膨胀增加图像整体亮度9.6.2开运算和闭运算

9.6.2开运算和闭运算

9.6.2开运算和闭运算9.6.2开运算和闭运算多次形态学处理使亮度趋于一致9.6.3顶帽变换和底帽变换

9.6.3顶帽变换和底帽变换

9.6.3顶帽变换和底帽变换顶帽变换和底帽变换可用于对比度增强处理将原图与顶帽变换结果相加，可以使局部亮处更亮原图减去底帽变换使得局部暗处更暗9.6.4形态学滤波开运算抑制小于结构元的亮细节，闭运算则抑制暗细节二个操作可以联合使用，先进行开运算再进行闭运算，去除局部最亮和最暗细节或噪声先开后闭的联合运算或者先闭后开的联合运算称为形态学滤波，又称形态学平滑9.6.4形态学滤波形态学滤波衍生出类似的形态学平滑方法还有诸如：将图像腐蚀结果与膨胀结果求平均、将图像开运算结果与闭运算结果求平均等等9.6.5形态学梯度图像中各区域边缘处灰度发生明显变化，梯度强调了这种变化通常在梯度计算前对图像进行平滑以抑制噪声基本的形态学梯度：布彻梯度图像膨胀结果减去图像腐蚀结果反映了在结构元形状确定的区域范围内灰度的最大变化9.6.5形态学梯度当