（转载）形态学腐蚀、膨胀——Matlab DIP(瓦)ch9形态学图像处理

转载：原文链接：http://www.cnblogs.com/tornadomeet/archive/2012/03/20/2408086.html

%% 第9章 形态学处理%% imdilate膨胀
clc
clearA1=imread('.\images\dipum_images_ch09\Fig0906(a)(broken-text).tif');
info=imfinfo('.\images\dipum_images_ch09\Fig0906(a)(broken-text).tif')
B=[0 1 01 1 10 1 0];
A2=imdilate(A1,B);%图像A1被结构元素B膨胀
A3=imdilate(A2,B);
A4=imdilate(A3,B);subplot(221),imshow(A1);
title('imdilate膨胀原始图像');subplot(222),imshow(A2);
title('使用B后1次膨胀后的图像');subplot(223),imshow(A3);
title('使用B后2次膨胀后的图像');subplot(224),imshow(A4);
title('使用B后3次膨胀后的图像');27%imdilate图像膨胀处理过程运行结果如下：

%% imerode腐蚀
clc
clear
A1=imread('.\images\dipum_images_ch09\Fig0908(a)(wirebond-mask).tif');
subplot(221),imshow(A1);
title('腐蚀原始图像');%strel函数的功能是运用各种形状和大小构造结构元素
se1=strel('disk',5);%这里是创建一个半径为5的平坦型圆盘结构元素
A2=imerode(A1,se1);
subplot(222),imshow(A2);
title('使用结构原始disk(5)腐蚀后的图像');se2=strel('disk',10);
A3=imerode(A1,se2);
subplot(223),imshow(A3);
title('使用结构原始disk(10)腐蚀后的图像');se3=strel('disk',20);
A4=imerode(A1,se3);
subplot(224),imshow(A4);
title('使用结构原始disk(20)腐蚀后的图像');
%图像腐蚀处理过程运行结果如下：

%% 开运算和闭运算
clc
clear
f=imread('.\images\dipum_images_ch09\Fig0910(a)(shapes).tif');
%se=strel('square',5');%方型结构元素
se=strel('disk',5');%圆盘型结构元素
imshow(f);%原图像
title('开闭运算原始图像')61%运行结果如下：

%开运算数学上是先腐蚀后膨胀的结果
%开运算的物理结果为完全删除了不能包含结构元素的对象区域，平滑
%了对象的轮廓，断开了狭窄的连接，去掉了细小的突出部分
fo=imopen(f,se);%直接开运算
figure,subplot(221),imshow(fo);
title('直接开运算');%闭运算在数学上是先膨胀再腐蚀的结果
%闭运算的物理结果也是会平滑对象的轮廓，但是与开运算不同的是，闭运算
%一般会将狭窄的缺口连接起来形成细长的弯口，并填充比结构元素小的洞
fc=imclose(f,se);%直接闭运算
subplot(222),imshow(fc);
title('直接闭运算');foc=imclose(fo,se);%先开后闭运算
subplot(223),imshow(foc);
title('先开后闭运算');fco=imopen(fc,se);%先闭后开运算
subplot(224),imshow(fco);
title('先闭后开运算');84%开闭运算结果如下：

%先膨胀再腐蚀
fse=imdilate(f,se);%膨胀%gcf为得到当前图像的句柄，当前图像是指例如PLOT,TITLE,SURF等
%get函数为得到物体的属性，get(0,'screensize')为返回所有物体screensize属性值
%set函数为设置物体的属性
figure,set(gcf,'outerposition',get(0,'screensize'));%具体目的是设置当前窗口的大小
subplot(211),imshow(fse);
title('使用disk(5)先膨胀后的图像');fes=imerode(fse,se);
subplot(212),imshow(fes);
title('使用disk(5)先膨胀再腐蚀后的图像');99%先膨胀后腐蚀图像如下：

%先腐蚀再膨胀
fse=imerode(f,se);
figure,set(gcf,'outerposition',get(0,'screensize'))
subplot(211),imshow(fse);
title('使用disk(5)先腐蚀后的图像');fes=imdilate(fse,se);
subplot(212),imshow(fes);
title('使用disk(5)先腐蚀再膨胀后的图像');
110%先腐蚀后膨胀的图像如下：

%% imopen imclose在指纹上的应用
clc
clear
f=imread('.\images\dipum_images_ch09\Fig0911(a)(noisy-fingerprint).tif');
se=strel('square',3);%边长为3的方形结构元素
subplot(121),imshow(f);
title('指纹原始图像');A=imerode(f,se);%腐蚀
subplot(122),imshow(A);
title('腐蚀后的指纹原始图像');
123%指纹原始图像和腐蚀后的图像结果如下：

fo=imopen(f,se);
figure,subplot(221),imshow(fo);
title('使用square(3)开操作后的图像');fc=imclose(f,se);
subplot(222),imshow(fc);
title('使用square闭操作后的图像');foc=imclose(fo,se);
subplot(223),imshow(foc);
title('使用square(3)先开后闭操作后的图像')fco=imopen(fc,se);
subplot(224),imshow(fco);
title('使用square(3)先闭后开操作后的图像');
140%指纹图像开闭操作过程结果如下：

%% bwhitmiss击中或击不中变换
clc
clear
f=imread('.\images\dipum_images_ch09\Fig0913(a)(small-squares).tif');
imshow(f);
title('击中或不击中原始图像');
148%击中或不击中原始图像显示结果如下：

B1=strel([0 0 0;0 1 1;0 1 0]);%击中：要求击中所有1的位置
B2=strel([1 1 1;1 0 0;1 0 0]);%击不中，要求击不中所有1的位置
B3=strel([0 1 0;1 1 1;0 1 0]);%击中
B4=strel([1 0 1;0 0 0;0 0 0]);%击不中
B5=strel([0 0 0;0 1 0;0 0 0]);%击中
B6=strel([1 1 1;1 0 0;1 0 0]);%击不中g=imerode(f,B1)&imerode(~f,B2)%利用定义来实现击中或击不中
figure,subplot(221),imshow(g);
title('定义实现组1击中击不中图像');g1=bwhitmiss(f,B1,B2);
subplot(222),imshow(g1);
title('结构数组1击中击不中后的图像');g2=bwhitmiss(f,B3,B4);
subplot(223),imshow(g2);
title('结构数组2击中击不中的图像');g3=bwhitmiss(f,B5,B6);
subplot(224),imshow(g3);
title('结构数组3击中击不中的图像');
172%击中击不中变换后图像如下：

%%makelut
clc
clearf=inline('sum(x(:))>=3');%inline是用来定义局部函数的
lut2=makelut(f,2)%为函数f构造一个接收2*2矩阵的查找表
lut3=makelut(f,3)%% Conway生命游戏
clc
clear
lut=makelut(@conwaylaws,3);
bw1=  [0     0     0     0     0     0     0     0     0     00     0     0     0     0     0     0     0     0     00     0     0     1     0     0     1     0     0     00     0     0     1     1     1     1     0     0     00     0     1     0     0     0     0     1     0     00     0     1     0     1     1     0     1     0     00     0     1     0     0     0     0     1     0     00     0     0     1     1     1     1     0     0     00     0     0     0     0     0     0     0     0     00     0     0     0     0     0     0     0     0     0  ];
subplot(221),imshow(bw1,'InitialMagnification','fit');
title('Generation 1');bw2=applylut(bw1,lut);
subplot(222),imshow(bw2,'InitialMagnification','fit'),
title('Generation 2');bw3=applylut(bw2,lut);
subplot(223),imshow(bw3,'InitialMagnification','fit');
title('Generation 3');temp=bw1;
for i=2:100bw100=applylut(temp,lut);temp=bw100;
end
subplot(224),imshow(bw100,'InitialMagnification','fit')
title('Generation 100');
214%显示Generation结果如下：

%% getsequence
clc
clear
se=strel('diamond',5)
decomp=getsequence(se)%getsequence函数为得到分解的strel序列
decomp(1)
decomp(2)%% endpoints
clc
clearf1=imread('.\images\dipum_images_ch09\Fig0914(a)(bone-skel).tif');
subplot(121),imshow(f1);
title('原始形态骨架图像');g1=endpoints(f1);
%set(gcf,'outerposition',get(0,'screensize'));%运行完后自动生成最大的窗口
subplot(122),imshow(g1);
title('骨架图像的端点图像');
%骨架头像端点检测头像如下：

f2=imread('.\images\dipum_images_ch09\Fig0916(a)(bone).tif');
figure,subplot(121),imshow(f2);
title('原始骨头图像');g2=endpoints(f2);
subplot(122),imshow(g2);
title('骨头图像端点头像');%结果是没有端点
245%骨头头像端点检测图像如下：

%% bwmorph组合常见形态学之细化
clc
clear
f=imread('.\images\dipum_images_ch09\Fig0911(a)(noisy-fingerprint).tif');
subplot(221),imshow(f);
title('指纹图像细化原图');g1=bwmorph(f,'thin',1);
subplot(222),imshow(g1);
title('指纹图像细化原图');g2=bwmorph(f,'thin',2);
subplot(223),imshow(g2);
title('指纹图像细化原图');g3=bwmorph(f,'thin',Inf);
subplot(224),imshow(g3);
title('指纹图像细化原图');
265%指纹图像细化过程显示如下：

%% bwmorph组合常见形态学之骨骼化
clc
clear
f=imread('.\images\dipum_images_ch09\Fig0911(a)(noisy-fingerprint).tif');
subplot(131),imshow(f);
title('指纹图像骨骼化原图');fs=bwmorph(f,'skel',Inf);
subplot(132),imshow(fs);
title('指纹图像骨骼化');for k=1:5fs=fs&~endpoints(fs);
end
subplot(133),imshow(fs);
title('指纹图像修剪后骨骼话');
283%指纹图像骨骼化过程显示：

%% 使用函数bwlabel标注连通分量
clc
clear
f=imread('.\images\dipum_images_ch09\Fig0917(a)(ten-objects).tif');
imshow(f),title('标注连通分量原始图像');
290%其结果显示如下：

[L,n]=bwlabel(f);%L为标记矩阵，n为找到连接分量的总数
[r,c]=find(L==3);%返回第3个对象所有像素的行索引和列索引rbar=mean(r);
cbar=mean(c);figure,imshow(f)
hold on%保持当前图像使其不被刷新
for k=1:n[r,c]=find(L==k);rbar=mean(r);cbar=mean(c);plot(cbar,rbar,'Marker','o','MarkerEdgeColor','k',...'MarkerFaceColor','k','MarkerSize',10);%这个plot函数用法不是很熟悉plot(cbar,rbar,'Marker','*','MarkerFaceColor','w');%其中的marker为标记
end
title('标记所有对象质心后的图像');

%% 由重构做开运算
clc
clear
f=imread('.\images\dipum_images_ch09\Fig0922(a)(book-text).tif');
subplot(321),imshow(f);
title('重构原始图像');fe=imerode(f,ones(51,1));%竖线腐蚀
subplot(322),imshow(fe);
title('使用竖线腐蚀后的结果');fo=imopen(f,ones(51,1));%竖线做开运算
subplot(323),imshow(fo);
title('使用竖线做开运算结果');fobr=imreconstruct(fe,f);%fe做标记
subplot(324),imshow(fobr);
title('使用竖线做重构开运算');ff=imfill(f,'holes');%对f进行孔洞填充
subplot(325),imshow(ff);
title('对f填充孔洞后的图像');fc=imclearborder(f,8);%清除边界，2维8邻接
subplot(326),imshow(fc);
title('对f清除边界后的图像');
336%图像重构过程显示如下：

%% 使用顶帽变换和底帽变换
clc
clear
f=imread('.\images\dipum_images_ch09\Fig0926(a)(rice).tif');
subplot(221),imshow(f);
title('顶帽底帽变换原始图像');se=strel('disk',10);%产生结构元素
%顶帽变换是指原始图像减去其开运算的图像
%而开运算可用于补偿不均匀的背景亮度，所以用一个大的结构元素做开运算后
%然后用原图像减去这个开运算，就得到了背景均衡的图像，这也叫做是图像的顶帽运算
f1=imtophat(f,se);%使用顶帽变换
subplot(222),imshow(f1);
title('使用顶帽变换后的图像');%底帽变换是原始图像减去其闭运算后的图像
f2=imbothat(imcomplement(f),se);%使用底帽变换，为什么原图像要求补呢？
%f2=imbothat(f,se);%使用底帽变换
subplot(223),imshow(f2);
title('使用底帽变换后的图像');%顶帽变换和底帽变换联合起来用，用于增加对比度
f3=imsubtract(imadd(f,imtophat(f,se)),imbothat(f,se));%里面参数好像不合理？
subplot(224),imshow(f3);
title('使用顶帽底帽联合变换后图像');
363%顶帽底帽变换过程图像如下：

%%使用开运算和闭运算做形态学平滑
%由于开运算可以除去比结构元素更小的明亮细节，闭运算可以除去比结构元素更小的暗色细节
%所以它们经常组合起来一起进行平滑图像并去除噪声
clc
clear
f=imread('.\images\dipum_images_ch09\Fig0925(a)(dowels).tif');
subplot(221),imshow(f);
title('木钉图像原图');se=strel('disk',5);%disk其实就是一个八边形
fo=imopen(f,se);%经过开运算
subplot(222),imshow(f);
title('使用半径5的disk开运算后的图像');foc=imclose(fo,se);
subplot(223),imshow(foc);
title('先开后闭的图像');fasf=f;
for i=2:5se=strel('disk',i);fasf=imclose(imopen(fasf,se),se);
end
subplot(224),imshow(fasf);
title('使用开闭交替滤波后图像');
390%使用开运算和闭运算做形态学平滑结果如下：

%% 颗粒分析
clc
clear
f=imread('.\images\dipum_images_ch09\Fig0925(a)(dowels).tif');sumpixels=zeros(1,36);
for k=0:35se=strel('disk',k);fo=imopen(f,se);sumpixels(k+1)=sum(fo(:));
end%可以看到，连续开运算之间的表面积会减少
plot(0:35,sumpixels),xlabel('k'),ylabel('surface area');
title('表面积和结构元素半径之间的关系');
407%其运算结果如下：

figure,plot(-diff(sumpixels));%diff()函数为差分或者近似倒数，即相邻2个之间的差值
xlabel('k'),ylabel('surface area reduction');
title('减少的表面积和结构元素半径之间的关系');
412%其运算结果如下：

%% 使用重构删除复杂图像的背景
clc
clear
f=imread('.\images\dipum_images_ch09\Fig0930(a)(calculator).tif');
subplot(221),imshow(f);
title('灰度级重构原图像');f_obr=imreconstruct(imerode(f,ones(1,71)),f);
subplot(222),imshow(f_obr);
title('经开运算重构图');f_o=imopen(f,ones(1,71));
subplot(223),imshow(f_o);
title('经开运算后图');f_thr=imsubtract(f,f_obr);
subplot(224),imshow(f_thr);
title('顶帽运算重构图')
432%使用重构删除复杂图像的背景1:

f_th=imsubtract(f,f_o)
figure,subplot(221),imshow(f_th);
title('经顶帽运算图');g_obr=imreconstruct(imerode(f_thr,ones(1,11)),f_thr);
subplot(222),imshow(g_obr);
title('用水平线对f_thr经开运算后重构图');g_obrd=imdilate(g_obr,ones(1,2));
subplot(223),imshow(g_obrd);
title('使用水平线对上图进行膨胀');f2=imreconstruct(min(g_obrd,f_thr),f_thr);
subplot(224),imshow(f2);
title('最后的重构结果');
449%使用重构删除复杂图像的背景2:

（转载）形态学腐蚀、膨胀——Matlab DIP(瓦)ch9形态学图像处理相关推荐

matlab 腐蚀算法,【zz】matlab 腐蚀膨胀算法
1.图像膨胀的Matlab实现: 可以使用imdilate函数进行图像膨胀,imdilate函数需要两个基本输入参数,即待处理的输入图像和结构元素对象.结构元素对象可以是strel函数返回的对象,也可 ...
C语言二值图的腐蚀膨胀及开闭运算
(M2C系列)C语言二值图的形态学腐蚀膨胀及开闭运算一.结构元二.腐蚀三.膨胀四.开闭运算五.其他 by HPC_ZY 由于剧情,需要纯C(不用三方库)实现图像算法.但作为一名MATLAB老 ...
FPGA实现图像二值形态学滤波——腐蚀膨胀
一.二值图像二值图像(Binary Image)是指图像上的每一个像素只有两种可能的取值或灰度等级状态.简言之,在图像中灰度等级只有两种0或255(黑或白). 二.形态学形态学,即数学形态学(Ma ...
matlab膨胀检测,matlab腐蚀膨胀算法
Matlab图像处理知识(四) ? 膨胀 ? 腐蚀 ? 开运算闭运算 ? 击中击不中 ? 结合进行图像预处理膨胀 ? 原理:膨胀是在图像中"增长"或"变粗"的 ...
【opencv】(4) 形态学处理：腐蚀膨胀、梯度运算、礼帽黑帽
各位同学好,今天和大家分享一下图像的形态学处理方法.内容有: 膨胀腐蚀.开运算和闭运算.梯度运算.礼帽和黑帽 (1)腐蚀:cv2.erode():(2)膨胀:cv2.dilate():(3)形态学函数 ...
OpenCV学习笔记（七）：形态学morpholgy(1)：腐蚀/膨胀：enrode(),dilate()
OpenCV学习笔记(七):形态学(morpholgy):腐蚀/膨胀:enrode(),dilate() 数学形态学(Mathematical morphology) 是一门建立在格论和拓扑学基础之上 ...
OpenCV3学习（4.3）——图像形态学（膨胀，腐蚀）
在图像处理技术中,有一些的操作会对图像的形态发生改变,这些操作一般称之为形态学操作(phology).数学形态学是基于集合论的图像处理方法,最早出现在生物学的形态与结构中,图像处理中的形态学操作用于图 ...
cuda学习笔记5——CUDA实现图像形态学腐蚀、膨胀
cuda学习笔记5--CUDA实现图像形态学腐蚀.膨胀代码 linux如何编译cuda和opencv代码耗时情况代码 #include "cuda_runtime.h" #i ...
ITK 形态学中的开运算和闭运算腐蚀膨胀
一. 图像形态学处理 -- 膨胀和腐蚀腐蚀在二值图像的基础上做"收缩"或"细化"操作; 膨胀在二值图像的基础上做"加长"或"变粗 ...
Open_CV形态学运算专题（腐蚀膨胀、开闭运算、梯度运算、顶帽运算黑帽运算）【Python-Open_CV系列（十）】
Open_CV形态学运算专题之腐蚀&膨胀.开&闭运算.梯度运算.顶帽运算黑帽运算 [Python-Open_CV系列(十)] 文章目录 1. 腐 ...

（转载）形态学腐蚀、膨胀——Matlab DIP(瓦)ch9形态学图像处理

（转载）形态学腐蚀、膨胀——Matlab DIP(瓦)ch9形态学图像处理相关推荐

最新文章

热门文章