系统学习数字图像处理之形态学分析

http://blog.csdn.net/app_12062011/article/details/27351043

继膨胀、腐蚀、开运算和闭运算之后的有一个基本操作就是击中击不中变换（HMT），HMT变换可以同时探测图像的内部和外部。在研究图像中的目标物体与图像背景之间的关系上，HMT能够取得很好的效果。所以常被用于解决目标图像识别和模式识别等领域。

1，结构元素是形态学变换中的基本元素，是为了探测图像的某种结构信息而设计的特定形状和尺寸的图像，也可以称为收集图像结构信息的探针。结构元素有许多的种类，如圆形、方形、线型等，还有二值的和灰度值的，模糊集中的等等多种结构元素。在击中击不中变换中将结构元素分解成两个，一个定义为前景结构元素，一个定义为背景结构元素，定义如下：B=(E,F), 其中E的F交集为空集

2，HMT的标准变换的定义就是：

腐蚀操作的结果就是结构元素S平移x但任包含在输入图像A内部的所有结构元素的原点集合，对于HMT变换，当且仅当结构元素E平移到某一点可以填入A的内部，且F平移到该点时可以填入A的外部时，该点才能在HMT变换的结果中输出。由于需要精确的匹配，因此该算法对识别的要求很高，但是对于实际的图像，往往含有各种未知的噪声，即会出现误差，所以实际的意义不是很大

它的原理就是使用腐蚀；如果要在一幅图像A上找到B形状的目标，我们要做的是：

首先，建立一个比B大的模板W；使用此模板对图像A进行腐蚀，得到图像假设为Process1;

其次，用B减去W，从而得到V模板(W-B)；使用V模板对图像A的补集进行腐蚀，得到图像假设为Process2;

然后，Process1与Process2取交集；得到的结果就是B的位置。这里的位置可能不是B的中心位置，要视W-B时对齐的位置而异；

　　其实很简单，两次腐蚀，然后交集，结果就出来了；

HMT是基于多个物体分开的假设，才有背景结构元素的，在某些情况，我们只对某个物体的模式匹配感兴趣，此时HMT简化为腐蚀。

一些形态学算法

1.边界提取原图与腐蚀结果做差

2.空洞填充从第一个边界内的0点膨胀，不断迭代

3.连通分量提取，从连通分量区域内第一个1值开始膨胀，不断迭代。

4.凸壳C(A)，其实就是包含一个集合A的最小区域，可通过算法限制其各个方向的生长，保证凸性需要最小尺寸。通过Bi结构元，让每个结构元腐蚀集合A，直到收敛，而后对i个结构元的结果取并集。

5.细化/粗化，细化是A-（B对A的HMT）,粗化则是A+B对A的HMT.但实际中，并不按此公式来做，而是先对问题集的背景细化，再对结果求补。

6.骨架S(A)

7.裁剪，是对骨架和细化操作的补充。不断删除寄生分支的终点来抑制分支。

8.形态学重建，包括测地腐蚀重建和测地膨胀重建。所谓测地腐蚀或者膨胀，实际上是利用模板限制标记图像的生长。最终会收敛。形成膨胀/腐蚀形态学重建。所以有用的地方是，重建开/闭操作，填充空洞，边界清除等。

一些灰度级形态学算法

1.平滑，利用开操作抑制亮细节，闭操作抑制暗细节

2.梯度，即膨胀-腐蚀

3.顶帽原图像-开，底帽变换闭-原图像，常用来删除物体，而非拟合物体。

4.粒度测定，即表面积随着SE增大而减小

5.纹理分割，即先闭消除小点，后开，消除大点。

灰度级形态学重建

与二值类似。只是交集取小值，并集取大值。

系统学习数字图像处理之形态学分析相关推荐

系统学习数字图像处理之形态学分析补充（灰度级处理）
一基本概念所谓的灰度级膨胀和腐蚀即将而知图像的二值形态学运算推广到灰度图像上.对于一幅图像的腐蚀(膨胀)运算定义为对每个像素赋值为某个领域内输入图像灰度级的最小(或最大值).在二值变换中的结 ...
系统学习数字图像处理之目标识别
模式:描绘子组合,即特征.x = (x1,x2,...xn)T. •模式类:共享某些属性的模式族 •常见模式组合: 向量.串和树 •类型可分离的程度的高低很大程度上取决于应用的描绘子的选择两大模式识 ...
paper 108：系统学习数字图像处理之图像复原与重建
首先,必须注意这里所限制的处理条件. 关于图像退化/复原模型退化的图像是由成像系统的退化加上额外的噪声形成的. 1.只考虑噪声引起的退化噪声模型,包含于空间不相关和相关两种,除了空间周期噪声,这里 ...
系统学习数字图像处理之图像复原与重建
首先,必须注意这里所限制的处理条件. 关于图像退化/复原模型退化的图像是由成像系统的退化加上额外的噪声形成的. 1.只考虑噪声引起的退化噪声模型,包含于空间不相关和相关两种,除了空间周期噪声,这里 ...
系统学习数字图像处理之频域滤波
最近在看模板匹配,虽然很简单,但还是想认真过下基础,因此把信号处理频域相关的内容,接着图像处理再过一遍. 理论上,对连续变量t的连续函数f(t)的傅里叶变换为F(u),利用f(t)取样后的函数重建f( ...
系统学习数字图像处理之图像分割
图像分割,有区域法,直接确定边界,边缘检测法,大多数算法基于灰度的不连续性(边缘检测)和相似性(阈值处理,区域生长,区域分裂,区域聚合). 边缘分类:台阶边缘,斜坡边缘,屋顶边缘,一阶导数会产生粗边缘 ...
系统学习数字图像处理之图像压缩
1.霍夫曼编码霍夫曼编码的基本思想:输入一个待编码的串,首先统计串中各字符出现的次数,称之为频次,假设统计频次的数组为count[],则霍夫曼编码每次找出count数组中的值最小的两个分别作为左右孩 ...
系统学习数字图像处理之描绘子
图像分割结果是得到了区域内像素集合,或位于区域边界上的像素集合. 把图像分割后,为了进一步的识别等处理,分割后的图像一般要进行表示和描述. 表示是直接具体地表示目标,好的表示方法应具有节省存储空间.易 ...
系统学习数字图像处理之彩色图像处理
这章没啥要记的,因为经常用... http://blog.csdn.net/to_xidianhph_youth/article/details/12055627

系统学习数字图像处理之形态学分析

系统学习数字图像处理之形态学分析相关推荐

最新文章

热门文章