形态学方法.ppt

1、形态学图像处理方法Morphological Image Processing,形态学方法,膨胀 (dilation) 腐蚀 (erosion) 开(opening) 闭(closing) 击中-击不中(hit-miss) 细化(thinning) 粗化(thicking) 骨架化(Skeleton),扩张 (Dilation),反折（reflection）,平移（translation）,A: 原图像, B: 结构元（Structuring element）,定义:,扩张 (Dilation),A,B,扩张(Dilation),A,B,效果: 当结构元的宽度大于缝隙的宽度时, 用膨胀方法 可

2、”填平”这些缝隙!,膨胀结果图(square,5),腐蚀(Erosion),B,A,AB,腐蚀(Erosion),腐蚀(Erosion),A,B,AB,效果: 当结构元的宽度大于”桥梁”的宽度时, 用腐蚀方法可断开这些桥梁!,扩张：扩大 1 区域，滤除小面积0区域,腐蚀：扩大 0 区域，滤除小面积1区域 扩张与腐蚀是互补的操作,膨胀与腐蚀对比图,开运算(Opening),目的: 保留与结构元形状相似的前景部分。 可去除比结构元的小的前景! ( “开”运算和“腐蚀”有点类似，但它不像“腐蚀”那样具有破坏性。),定义:,A,B,AB,A,B,AB,开运算例子1,用圆形的结构元对图像进行“开”运算，

3、可以分离出白色圆形对象并计数 (disk, m=15),开运算例子2,用不同大小的结构元(disk)提取不同的对象 disk ( m=11; m=7 ),闭运算(Closing),定义:,目的: 保留和结构元形状相似的背景部分。 可去除比结构元的小的背景! (“闭”运算和“膨胀”运算有点类似，但它不像“膨胀”那样使对象各部分变形严重。),A,B,B,A,闭运算例子1,应用: 提取特殊形状的背景 (disk, m=22),闭运算例子2,应用: 对前景”填充”(disk, m=20). (要求: 结构元比”空洞”大!),Hit-and-Miss,计算过程: 如果结构元与图像中的前景和背景部分完全匹

4、配，则结构元原点对应的点被置为1，否则被置为0。,定义:,例子1,应用: 提取角点,细 化(thinning),定义: thin(A,B)= A A*B,计算过程: 如果结构元与图像中的前景和背景部分完全匹配，则结构元原点对应的点被置为0，否则保持不变。 通常这个运算过程要不断重复，直至图像不再有什么变化。也就是说，在保证图像边缘连续的情况下，使对象的边缘只有一个前景邻域，即“细化”到一个像素宽。,Example of thinning,注意，对于每一次循环，先用左边的结构元然后再用右边的结构元进行“细化”；接着，在其它三个方向分别进行“细化”（每次，两个结构元均旋转90）。 “细化”的骨架是

5、连续的。,厚 化(thicking),定义:,计算过程: 如果结构元与图像中的前景和背景部分完全匹配，则结构元原点对应的点被置为1，否则保持不变。,Example of thicking,骨架/中轴变换(skeletonization/medial axis transform),骨架定义：骨架就是在前景区内，和对象边缘双正切的所有圆的圆心点的集合(结果是一个二值图)。比如，一个长方形的骨架如下:,“中轴变换”的结果是一个灰度图像，骨架上每一点的密度值代表该点到原对象边缘的距离(正切圆的半径)。,骨架变换,实现方法: 1. 反复进行“细化”直至不能再细化为止（Skeletonization)。 2. 先进行“距离变换”；然后确定局部最大距离的所在点位置，即对象的骨架或中轴(MAT)。,Examples of skeleton/MAT,注意: “中轴”可以用来准确地重建对象的原形, 而骨架则不行.,skeleton,骨架变换对噪音非常敏感, 容易形成毛刺.,Tophat /