《值图像处理》ppt课件

1、第第8 8章章 二值图像处置二值图像处置 ( (数学形状学图像处数学形状学图像处置置) )l经过图像分割之后，通常所获得的是二值图像。我们希望该二值图像中的两个值准确地代表“目的及“背景两个问题。但是在实践中，往往所检测到的“目的只是“候选目的，为了保证不丧失目的，在图像分割时，允许有假设干个“假目的出现。还有一种情况是，经过图像分割之后，所提取的是多个目的，这时就需求对所获得的二值图像进展处置，实现对目的的分析。数学形状学概述数学形状学概述u 数学形状学的开展简史及根本思想数学形状学的开展简史及根本思想u可回溯到可回溯到1919世纪世纪EulerEuler、2020世纪世纪Minkowski

2、Minkowski等人的等人的研讨。研讨。u19641964年法国的年法国的MatheronMatheron和和SerraSerra在积分几何的研讨在积分几何的研讨成果上，将数学形状学引入图像处置领域，并研成果上，将数学形状学引入图像处置领域，并研制了基于数学形状学的图像处置系统。制了基于数学形状学的图像处置系统。u19681968年在巴黎矿业学院创建了数学形状学研讨中年在巴黎矿业学院创建了数学形状学研讨中心。心。uMatheronMatheron于于19751975年出版的年出版的Random Sets and Integral Geometry一书论述了随机集合论、积一书论述了随机集合论、

3、积分几何论和拓扑逻辑论，为数学形状学奠定了坚分几何论和拓扑逻辑论，为数学形状学奠定了坚实的实际根底。实的实际根底。u1982年年Serra的专著的专著是数学形状学开展的重要里程碑。是数学形状学开展的重要里程碑。u1985年以后，一些相关领域的国际会议开场把数学形状学年以后，一些相关领域的国际会议开场把数学形状学列为学术讨论专题，或专门举行研讨会。列为学术讨论专题，或专门举行研讨会。u1990年起，年起，SPIE每年举行一次每年举行一次“Image Algebra and Morphological Image Processing会议。会议。u1986年年(GVGIP)出版了出版了数学形状学专

4、刊数学形状学专刊u1989年和年和1994年年出版了形状出版了形状学在信号处置中的运用研讨专辑。学在信号处置中的运用研讨专辑。数学形状学是研讨空间构造的外形、框架的学科数学形状学是研讨空间构造的外形、框架的学科l以积分几何、集合代数及拓扑论为实际根底，此外还涉及随机集论、近世代数和图论等一系列数学分支。l数学形状学的实际虽然很复杂，被称为“惊人的数学，但它的根本思想却是简单而完美的。l数学形状学的基于集合的观念是极其重要的。数学形状学的基于集合的观念l1运算由集合运算如并、交、补等来定义；l2一切的图像都必需以合理的方式转换为集合。l形状学算子的性能主要以几何方式进展描写，更适宜视觉信息的处置

5、和分析。l根本思想：l利用构造元素作为“探针在图像中不断挪动，在此过程中搜集图像的信息、分析图像各部分间的相互关系，从而了解图像的构造特征。 图图9.1 9.1 数学形状学的方法数学形状学的方法移位、交、并等集合运算移位、交、并等集合运算输出图像输出图像输入图像输入图像结构元素结构元素 构造元素的选择非常重要l根据探测研讨图像的不同构造特点，构造元素可携带形状、大小、灰度、色度等信息。l不同点的集合构成具有不同性质的构造元素。由于不同的构造元素可以用来检测图像不同侧面的特征，因此设计符合人的视觉特性的构造元素是分析图像的重要步骤。l最根本的形状学运算有：膨胀,腐蚀，开，闭。l用这些算子及其组合

6、来进展图像外形和构造的分析及处置，可以处理l抑制噪声、特征提取、边缘检测、外形识别、纹理分析、图像恢复与重建等方面的问题。数学形状学进展图像处置有其独有的特性：l1反映的是一幅图像中像素点间的逻辑关系，而不是简单的数值关系。l2是一种非线性的图像处置方法，并且具有不可逆性。l3可以并行实现。l4可以用来描画和定义图像的各种集合参数和特征。二值图像分析二值图像分析 问题的提出问题的提出n经过图像分割之后，获得了目的物与非目的经过图像分割之后，获得了目的物与非目的物两种不同的对象。但是提取出的目的物存物两种不同的对象。但是提取出的目的物存在以下的问题：在以下的问题：n1 1提取的目的中存在伪目的物

7、；提取的目的中存在伪目的物；n2 2多个目的物中，存在粘连或者是断裂；多个目的物中，存在粘连或者是断裂；n3 3多个目的物存在形状的不同。多个目的物存在形状的不同。 二值图像分析的目的二值图像分析的目的n二值图像的分析首先是区分所提取出的二值图像的分析首先是区分所提取出的不同的目的物，之后，对不同的目的物不同的目的物，之后，对不同的目的物特征差别进展描画与计算，最后获得所特征差别进展描画与计算，最后获得所需求的分析结果。需求的分析结果。 二值图像分析的根本概念二值图像分析的根本概念n衔接衔接n连通域连通域 多个目的物的情况多个目的物的情况为讨论方便起见，这里，假设目的为黑色，背景为白为讨论方便

8、起见，这里，假设目的为黑色，背景为白色。色。衔接n四衔接：当前像素为黑，其四个近邻像素中至四衔接：当前像素为黑，其四个近邻像素中至少有一个为黑；少有一个为黑；n八衔接：当前像素为黑，其八个近邻像素中至八衔接：当前像素为黑，其八个近邻像素中至少有一个为黑。少有一个为黑。四近邻四近邻八近邻八近邻连通域n将相互连在一同的黑色像素的集合称为一个连通域。 四接连意义下为6个连通域。 八接连意义下为2个连通域。可以看到，经过统计连通域的个数，即可获得提取的目的物的个数。二值图像的分析方法n贴标签n腐蚀n膨胀n开运算与闭运算贴标签 根本思绪n由于不同的连通域代表了不同的目的，为了由于不同的连通域代表了不同的

9、目的，为了加以区别，需求对不同的连通域进展标识。加以区别，需求对不同的连通域进展标识。例：以下图，八接连意义下为例：以下图，八接连意义下为2 2个连通域个连通域= “1号标签= “2号标签25525502550255002550025525525525525525525525525525502552552550025502552552552552550255f002020220220000000000100011010000010g贴标签 算法步骤n设一个二值矩阵表示一个黑白图像，为讨设一个二值矩阵表示一个黑白图像，为讨论方便起见，令论方便起见，令“黑黑=1=1，“白白=0=0。例：01000

10、0010110001000000000011011010100f贴标签 算法步骤l初始化：设标签号为初始化：设标签号为Lab=0,Lab=0,已贴标签数已贴标签数N=0N=0，标签矩阵，标签矩阵g g为全为全0 0阵，按照从上到下，阵，按照从上到下，从左到右的顺序寻觅未贴标签的目的点；从左到右的顺序寻觅未贴标签的目的点；例：000000000000000000000000000000000000g010000010110001000000000011011010100f贴标签 算法步骤2. 检查相邻像素的形状：根据模板中的相邻像素的形状进展相应的处置；例：0100000101100010000

11、00000011011010100f模板模板 =“曾经扫描过的像素 *=“当前像素 =“未处置的像素贴标签 算法步骤l假设扫描过的像素均为假设扫描过的像素均为0 0，那么，那么Lab=Lab+1, g(i,j)=Lab,N=N+1;Lab=Lab+1, g(i,j)=Lab,N=N+1;例：010000010110001000000000011011010100f010000000000000000000000000000000000g Lab=0+1=1; N=0+1=1贴标签 算法步骤l假设扫描过的像素标签号一样，那么假设扫描过的像素标签号一样，那么g(i,j)=Lab;g(i,j)=La

12、b;例：010000010110001000000000011011010100f010000000000000000000000000000000000g010000010000000000000000000000000000g010000010200000000000000000000000000g贴标签 算法步骤例：010000010110001000000000011011010100f010000010110001000000000011011010100f010000010220000000000000000000000000g010000012200000000000000000

13、000000000g010000010110001000000000011011010100f贴标签 算法步骤l假设扫描过的像素标签号不一样，例如：假设扫描过的像素标签号不一样，例如：Lab2 Lab1, Lab2 Lab1, 那那么么g(i,j)=Lab1g(i,j)=Lab1，N=N-1N=N-1，修正一切为，修正一切为Lab2Lab2的像素值，使之的像素值，使之为为Lab1;Lab1;例：010000010220001000000000000000000000g010000010110001000000000000000000000g贴标签 算法步骤3.将全部的像素进展2.的处置，直到一

14、切的像素全部处置完成;例：例：010000010110001000000000011011010100f010000010110001000000000011011010100f010000010110001000000000020000000000g010000010110001000000000022000000000g010000010110001000000000011011010100f010000010110001000000000011011010100f010000010110001000000000011011010100f01000001011000100000000001

15、1011010100f010000010110001000000000022030000000g010000010110001000000000022033000000g010000010110001000000000022033020000g010000010110001000000000022033020200g010000010110001000000000022022020200g贴标签 算法步骤4. 判别最终的Lab能否满足Lab=N， 假设是，那么贴标签处置完成； 假设不是，那么阐明已贴标签存在不连号情况。这时，将进展一次编码整理，消除不延续编号的情况。贴标签 运用例如腐蚀 根本概

16、念l腐蚀腐蚀 是一种消除连通域的边境点，使边境是一种消除连通域的边境点，使边境向内收缩的处置。向内收缩的处置。例：例：腐蚀 设计思想n设计一个构造元素，构造元素的原点定位在设计一个构造元素，构造元素的原点定位在待处置的目的像素上，经过判别能否覆盖，待处置的目的像素上，经过判别能否覆盖，来确定能否该点被腐蚀掉。来确定能否该点被腐蚀掉。构造元素腐蚀 算法步骤1扫描原图，找到第一个像素值为1的目的点；2将预先设定好外形以及原点位置的构造元素的原点移到该点；3判别该构造元素所覆盖的像素值能否全部为1： 假设是，那么腐蚀后图像中的一样位置上的像素值为1； 假设不是，那么腐蚀后图像中的一样位置上的像素值为

17、0；4反复2和3，直到一切原图中像素处置完成。腐蚀 例题注：图像画面上边框处不能被构造元素覆盖的部分注：图像画面上边框处不能被构造元素覆盖的部分可以坚持原来的值不变，也可以置为背景。可以坚持原来的值不变，也可以置为背景。腐蚀 运用n 腐蚀处置可以将粘连在一同的不同目的物腐蚀处置可以将粘连在一同的不同目的物 n 分别，并可以将小的颗粒噪声去除。分别，并可以将小的颗粒噪声去除。膨胀 根本概念n膨胀是将与目的区域的背景点合并到该目的物中，使目的物边境向外部扩张的处置。例：例：膨胀 设计思想n设计一个构造元素，构造元素的原点定位在背设计一个构造元素，构造元素的原点定位在背景像素上，判别能否覆盖有目的点

18、，来确定能景像素上，判别能否覆盖有目的点，来确定能否该点被膨胀为目的点。否该点被膨胀为目的点。构造元素膨胀 算法步骤1 1扫描原图，找到第一个像素值为扫描原图，找到第一个像素值为0 0的背景点；的背景点；2 2将预先设定好外形以及原点位置的构造元素的将预先设定好外形以及原点位置的构造元素的原点移到该点；原点移到该点；3 3判别该构造元素所覆盖的像素值能否存在为判别该构造元素所覆盖的像素值能否存在为1 1的目的点：的目的点： 假设是，那么膨胀后图像中的一样位置上的像假设是，那么膨胀后图像中的一样位置上的像素值为素值为1 1； 假设不是，那么膨胀后图像中的一样位置上的像假设不是，那么膨胀后图像中的

19、一样位置上的像素值为素值为0 0；4 4反复反复2 2和和3 3，直到一切原图中像素处置完，直到一切原图中像素处置完成。成。膨胀 例题膨胀 运用n 膨胀处置可以将断裂开的目的物进展合n 并，便于对其整体的提取。开运算与闭运算的提出背景n前面引见的膨胀与腐蚀运算，对目的物的后前面引见的膨胀与腐蚀运算，对目的物的后处置有着非常好的作用。但是，腐蚀和膨胀处置有着非常好的作用。但是，腐蚀和膨胀运算的一个缺陷是，改动了原目的物的大小。运算的一个缺陷是，改动了原目的物的大小。n为理处理这一问题，思索到腐蚀与膨胀是一为理处理这一问题，思索到腐蚀与膨胀是一对逆运算，将膨胀与腐蚀运算同时进展。由对逆运算，将膨胀与腐蚀运算同时进展。由此便构成了开运算与闭运算。此便构成了开运算与闭运算。 开运算 算法原理n开运算是对原图先进展腐蚀处置，后再进开运算是对原图先进展腐蚀处置，后再进展膨胀的处置。展膨胀的处置。n开运算可以在分别粘连目的物的同时，根开运算可以在分别粘连目的物的同时，根本坚持原目的物的大小。本坚持原目的物的大小。开运算 运算例如腐蚀腐蚀膨胀膨胀闭运算 算法原理n闭运算是对原图先进展膨胀处置，后再进闭运算是对原图先进展膨胀处置，