图像分析基础学习教案

《图像分析基础学习教案》由会员分享，可在线阅读，更多相关《图像分析基础学习教案（68页珍藏版）》请在装配图网上搜索。

1、图像分析图像分析(fnx)基础基础第一页，共68页。v 图像分割的目的是理解图像的内容，提取出我们感兴趣图像分割的目的是理解图像的内容，提取出我们感兴趣的对象。的对象。v 图像分割按照具体应用的要求和具体图像的内容将图像图像分割按照具体应用的要求和具体图像的内容将图像分割成一块块区域。分割成一块块区域。v 图像分割是模式识别和图像分析的预处理阶段。图像分割是模式识别和图像分析的预处理阶段。v 通常图像分割采用聚类方法，假设通常图像分割采用聚类方法，假设(jish)图像中组成我图像中组成我们所感兴趣对象的像素具有一些相似的特征，如相同的灰度们所感兴趣对象的像素具有一些相似的特征，如相同的灰度值、

2、相同的颜色等。值、相同的颜色等。1.图像图像(t xin)分割分割(1)概论概论(giln)第2页/共68页第1页/共68页第二页，共68页。 分割分割(fng)对象对象 灰度图像、彩色图像灰度图像、彩色图像 遥感图像、红外图像、遥感图像、红外图像、X光成像、超声图像以光成像、超声图像以 及核磁共振成像等。及核磁共振成像等。 分割分割(fng)与识别的关系与识别的关系 没有对物体或其局部的认识，分割没有对物体或其局部的认识，分割(fng)就无法进行。没有分割就无法进行。没有分割(fng)，物体识别也是不可能的，物体识别也是不可能的? 分割分割(fng)可视为一种特殊的识别问题。可视为一种特殊的

3、识别问题。第3页/共68页第2页/共68页第三页，共68页。传统的图像分割传统的图像分割(fng)技术：技术： 基于像素灰度值的分割基于像素灰度值的分割(fng)技术技术 基于区域的分割基于区域的分割(fng)技术技术 基于边界的分割基于边界的分割(fng)技术技术 v 图像的描述，包括边界和区域的描述图像的描述，包括边界和区域的描述v 对图像区域的操作对图像区域的操作(cozu)数学形态学数学形态学 (1)概论概论(giln)1.图像分割图像分割第4页/共68页第3页/共68页第四页，共68页。1.特征空间聚类方法（特征空间聚类方法（clustering）2. 阈值化、尺度空间聚类、均值迁移

4、阈值化、尺度空间聚类、均值迁移.3. 对含噪图像以及纹理图像分割的鲁棒性对含噪图像以及纹理图像分割的鲁棒性较好较好 4. 但特征选取依赖但特征选取依赖(yli)一定的先验和统计一定的先验和统计知识知识 5.基于边缘的方法基于边缘的方法6. 梯度法、梯度法、Snake模型模型7. 方法直观，分割结果比较美观简单，但方法直观，分割结果比较美观简单，但边缘检测受噪声影响大，不能保证边缘的封边缘检测受噪声影响大，不能保证边缘的封闭性闭性 1.图像分割图像分割(fng)（最近新方（最近新方法）法）第5页/共68页第4页/共68页第五页，共68页。3. 基于区域的方法基于区域的方法 区域生长法、分裂区域生

5、长法、分裂(fnli)合并法合并法 保证得到边缘封闭的区域，缺点是边缘复保证得到边缘封闭的区域，缺点是边缘复 杂，没有统一标准描述区域杂，没有统一标准描述区域 4. 全局优化方法（全局优化方法（global optimization） Bayes方法、最小描述长度（方法、最小描述长度（MDL）、最小割算法）、最小割算法. 计算量大，技巧性强计算量大，技巧性强 1.图像图像(t xin)分割（最近新分割（最近新方法）方法）5. 混合方法混合方法 形态学方法、表面拟合法、边缘形态学方法、表面拟合法、边缘-区域区域(qy)法法6. 基于识别的方法基于识别的方法 通过识别结果的反馈实现分割通过识别结果

6、的反馈实现分割第6页/共68页第5页/共68页第六页，共68页。灰度阈值分割法是最古老的分割技术灰度阈值分割法是最古老的分割技术 只能应用于图像中组成感兴趣对象的灰度值是均匀的，并只能应用于图像中组成感兴趣对象的灰度值是均匀的，并且和背景的灰度值不一样。且和背景的灰度值不一样。事先决定一个阈值，当一个像素的灰度值超过这个阈值，事先决定一个阈值，当一个像素的灰度值超过这个阈值，我们就说这个像素属于我们所感兴趣的对象；反之则属于背我们就说这个像素属于我们所感兴趣的对象；反之则属于背景部分。景部分。 这种方法的关键是怎样选择阈值，一种简便这种方法的关键是怎样选择阈值，一种简便(jinbin)的的方法

7、是检查图像的直方图，然后选择一个合适的阈值。方法是检查图像的直方图，然后选择一个合适的阈值。(2)灰度阈值灰度阈值(y zh)分割法分割法1.图像图像(t xin)分割分割第7页/共68页第6页/共68页第七页，共68页。单一单一(dny)阈值方法也不适合于由许多不同纹理组成阈值方法也不适合于由许多不同纹理组成一一块块区域的图像。块块区域的图像。 如果图像适合这种分割法，那么图像的直方图在表示对象如果图像适合这种分割法，那么图像的直方图在表示对象(duxing)和背景的小范围灰度值附近出现一个高峰值。适合和背景的小范围灰度值附近出现一个高峰值。适合这种分割法的图像的直方图应是双极模式，我们可以

8、在两个峰这种分割法的图像的直方图应是双极模式，我们可以在两个峰值之间的低谷处找到一个合适的阈值。值之间的低谷处找到一个合适的阈值。 (2)灰度阈值灰度阈值(y zh)分割法分割法1.图像分割图像分割第8页/共68页第7页/共68页第八页，共68页。 若T为图像的一个阈值，它应具备的条件：(1)T应介于(ji y)目标/背景灰度之间(2)近似于T的象素应是少数。 T位于直方图谷点(3)若T为阈值，则分割出的背景和目标都应均匀，错分率低，类内方差小(4)若T为阈值, 则分割出的背景和目标之间的类间方差大1.图像图像(t xin)分分割割(2)灰度阈值灰度阈值(y zh)分割法分割法第9页/共68页

9、第8页/共68页第九页，共68页。v 用如下所示的循环(xnhun)迭代策略得到阈值1.假设图像(t xin)中处于四个角的像素是属于背景部分，其它像素属于感兴趣对象，然后定义一个背景灰度和对象灰度的初始值。2.通过下面的公式循环迭代直至前后两次循环得到的阈值Ti+1和Ti相差非常小，循环过程停止。 21iobjectibackgroundiT 1.图像图像(t xin)分割分割(2)灰度阈值分割法灰度阈值分割法uibackground和uiobject分别是循环第i次得到的背景灰度值和对象灰度值。 第10页/共68页第9页/共68页第十页，共68页。v 这种单一阈值分割方法一种拓展就是将图像

10、分成一个个子(g zi)区域，不同的子区域采用不同的阈值。将图像分成6464重叠的子区域，并在每个子区域中检测(jin c)区域的直方图是不是双极模式，如果一个区域的直方图不是双极模式，则判定该区域完全属于背景部分或对象部分。第11页/共68页第10页/共68页第十一页，共68页。原始(yunsh)图像分割(fng)结果(T=170)第12页/共68页第11页/共68页第十二页，共68页。OTSU算法以最佳门限将图像灰度直方图分割成两部(lin b)分,使两部(lin b)分类间方差取最大值,即分离性最大.设图像灰度级1M,第i 级象素ni个,总象素:则第i 级灰度出现的概率为Pi= ni/N

11、.设灰度门限值为k,则图像像素按灰度级被分为两类:C0=1,2,.,k, C1=k+1,.,M,图像总平均灰度级 : MiiPi1 MiinN1 kiinN10 kiiPik1 (3) OTSU算法算法(sun f) C0类的平均(pngjn)灰度级为: 像素数为:第13页/共68页第12页/共68页第十三页，共68页。C1类的平均灰度级为:-(k), 像素数为: N-N0 两部分图像(t xin)所占比例分别为:)(10kwPwkii w1=1-w(k); 对C0,C1均值(jn zh)作处理:0=(k)/w(k)1=(k)/1-w(k)图像(t xin)总均值可化为: =w00+ w11

12、类间方差:2(k)=w0(0)2+w1(1)2=w0w1(01)2化为:2(k)=w(k)(k)2/w(k)1w(k)k从1M变化,使2(k)最大的k*即为所求之最佳门限.2(k)称为目标选择函数.第14页/共68页第13页/共68页第十四页，共68页。实例：黑夜车灯检测（直接阈值分割）缺点：阈值不好确定；误差(wch)较大；同学(tng xu)们自己察看资料：OTSU算法 level = graythresh(I)MATLAB使用(shyng)OTSU算法得到图像的全局阈值：N. Otsu, A Threshold Selection Method from Gray-Level Histo

13、grams, IEEE Transactions on Systems, Man, and Cybernetics, vol. 9, no. 1, pp. 62-66, 1979.Watershed（分水岭算法）（分水岭算法）第15页/共68页第14页/共68页第十五页，共68页。 TdzzpTE)()(22 TdzzpTE)()(11(4)最小误差最小误差(wch)分割分割 设目标的像点数占图像(t xin)总点数的百分比为,背景点占1,混合概率密度为:p(z)=p1(z)+(1)p2(z)当选定门限为T时，目标点错划为背景(bijng)点的概率为:把背景点错划为目标点的概率为:则总错误概率

14、为: E(T)=E1(T)+(1)E2(T)第16页/共68页第15页/共68页第十六页，共68页。第17页/共68页第16页/共68页第十七页，共68页。1.图像图像(t xin)分分割割(4)区域区域(qy)生长法生长法v 什么(shn me)是区域 图像中属于某个区域的像素点必须加以标志，当应用区域生长法来分割图像时，最终应该不存在没有被标注的像素点。 在同一区域的像素点必须相连。这就意味着我们可以从现在所处的像素点出发，按照某种连接方式到达任何一个邻近的像素点。常用的有两种各向同性连通方式：四连通和八连通。 区域之间不能重叠，也就是说一个像素只能有一个标注。 在区域Ri中每一个像素点必

15、须遵从某种规则P(Ri)。例如我们说P(Ri)为真，当区域Ri中所有像素具有相似的灰度(相似性在一定的范围内)。 两个不同的区域Ri和Rj具有的规则不同。第18页/共68页第17页/共68页第十八页，共68页。最简单的区域生长法是将像素聚类，为了达到这一目的，我们(w men)从一个种子像素点出发，按照某种连通方式和规则P来检查周围邻近的像素点，如果具有和种子像素点相似的性质，就说明它们属于同一区域，这种算法有点类似于计算机图形学中的多边形种子填充算法。 区域(qy)生长法的程序伪码 procedureprocedure label_region_of(I,x,y,label,intensit

16、y);ifif I(x,y)=intensity thenthenI(x,y):=label;label_region_of(I,x,y-1,label,intensity);label_region_of(I,x,y+1,label,intensity);label_region_of(I,x-1,y,label,intensity);label_region_of(I,x+1,y,label,intensity); 这是一个在高层编程实现递归调用很好的方式 不过这种方法的一个主要缺点是怎样获得初始的种子像素点。 我们可以重新回到基于直方图的方法上来，为每一个区域(qy)寻找一个种子像素，找

17、到具有图像直方图中峰值的像素点作为种子像素。 1.图像分割图像分割(4)区域生长法区域生长法第19页/共68页第18页/共68页第十九页，共68页。将图像分割成越来越小的区域直至每个区域中的像素点具有相似的数值。这种方法(fngf)的一个优点是不再需要前面所说的种子像素 但是它有一个明显的缺点是会使分割后的区域具有不连续的边界。 ifif current region homogeneous test is FALSEthenthen split into four quadrants attempt to merge these quadrants recursively call the

18、procedure for each subdivisionfind any remaining merges 一种(y zhn)简单直接实现算法1.图像图像(t xin)分分割割(4)区域分割与合并区域分割与合并 第20页/共68页第19页/共68页第二十页，共68页。 图像分割：图像分割：图像分割是图像分析的第一步，是所有图像分割是图像分析的第一步，是所有(suyu)分析和识别分析和识别的基础，如果这一步做好，将大大提高分析能力；的基础，如果这一步做好，将大大提高分析能力；缺乏有力的统一的理论指导，算法繁多；缺乏有力的统一的理论指导，算法繁多；可和其他学科交叉应用。可和其他学科交叉应用。第

19、21页/共68页第20页/共68页第二十一页，共68页。() 图像图像(t xin)边缘检测：边缘检测：使用图像增强一章中所讲的各种图像锐化算子，然使用图像增强一章中所讲的各种图像锐化算子，然后进行自适应阈值后进行自适应阈值(y zh)分割，得到二值图像，一般为黑分割，得到二值图像，一般为黑底白边缘的图像。底白边缘的图像。I = imread(rice.tif);BW1 = edge(I,sobel);BW2 = edge(I,canny);imshow(BW1)figure, imshow(BW2).图像图像(t xin)检测检测第22页/共68页第21页/共68页第二十二页，共68页。图像

20、分析例子一：米粒图像分析例子一：米粒(ml)个数检测，米粒个数检测，米粒(ml)边缘检测边缘检测RiceTest.m() 图像边缘图像边缘(binyun)检测：检测：.图像图像(t xin)检测检测第23页/共68页第22页/共68页第二十三页，共68页。（2）线检测）线检测(jin c)： Hough变换变换 Hough变换问题的提出 在找出边界点集之后，需要连接，形成完整的边界图形(txng)描述第24页/共68页第23页/共68页第二十四页，共68页。（2）线检测）线检测(jin c)： Hough变换变换在在xy坐标系中的一条直线，若用分别表示法线坐标系中的一条直线，若用分别表示法线的

21、距离及法线与的距离及法线与x轴的夹角，则：轴的夹角，则：, cossinxy xy第25页/共68页第24页/共68页第二十五页，共68页。（2）线检测）线检测(jin c)： Hough变换变换Hough变换变换(binhun)的性质：的性质：（）在(x,y)域中的一条直线对应着变换域中的一个点（）；, （）(x,y)域中的一个点对应着变换(binhun)域中的一条正弦曲线；（）变换域中一条曲线上的n点对应于(x,y)于中过一个公共点的n条直线。第26页/共68页第25页/共68页第二十六页，共68页。（2）线检测）线检测(jin c)： Hough变换变换Hough变换变换(binhun)

22、的性质：的性质：第27页/共68页第26页/共68页第二十七页，共68页。（2）线检测）线检测(jin c)： Hough变变换换Hough变换(binhun)的性质：在参数平面上相交最多的交点在参数平面上相交最多的交点(jiodin)，对应的，对应的xy平面上的直线就是我们的解平面上的直线就是我们的解（）（）(x,y)域中一条直线上的域中一条直线上的n个点对应于变换个点对应于变换域中经过一个公共点的域中经过一个公共点的n条曲线。条曲线。若该直线为若该直线为y=ax+b，则变换域的公共点为：，则变换域的公共点为：11arctan,sin( arctan)baa 第28页/共68页第27页/共6

23、8页第二十八页，共68页。使用交点累加器，或交点统计直方图，找出相交线段使用交点累加器，或交点统计直方图，找出相交线段(xindun)最多的参数空间的点（最多的参数空间的点（, ）然后找出该点对应的然后找出该点对应的xy平面的直线线段平面的直线线段(xindun)（2）线检测）线检测(jin c)： Hough变换变换Hough变换变换(binhun)的实现：的实现：参数空间分成小格，每格上有计数器，峰值检测，参数空间分成小格，每格上有计数器，峰值检测，参数空间分成小格，每格上有计数器，峰值检测，参数空间分成小格，每格上有计数器，峰值检测，最大值点即为变换空间的参数（最大值点即为变换空间的参数

24、（ , ）；根据）；根据 11arctan,sin( arctan)baa 求出a,b第29页/共68页第28页/共68页第二十九页，共68页。Hough变换的问题：变换的问题：计算量大计算量大: 每个点对应一条曲线，每个点对应一条曲线， , 的范围怎的范围怎么确定？占用内存大么确定？占用内存大:随着精度的增加随着精度的增加(zngji)，占用内存，占用内存容量会大大增加容量会大大增加(zngji).峰值峰值(fn zh)不明显不明显Hough变换变换(binhun)的优缺点：的优缺点：Hough变换的优点：变换的优点：不受不连续点的影响，对噪声不敏感不受不连续点的影响，对噪声不敏感（2）线检

25、测：）线检测： Hough变换变换第30页/共68页第29页/共68页第三十页，共68页。MATLAB.0以上版本提供(tgng)hough变换的函数houghhoughlineshoughpeaks第31页/共68页第30页/共68页第三十一页，共68页。.图象图象(t xin)的检测常见算法：的检测常见算法： （）投影（）投影(tuyng)法法第32页/共68页第31页/共68页第三十二页，共68页。（）差影法（）差影法 在银行金库在银行金库(jnk)内，摄像头每隔一小段时间，拍摄一幅图，内，摄像头每隔一小段时间，拍摄一幅图，与上一幅图做差影；如果差别超过了预先设置的阈值，与上一幅图做差影

26、；如果差别超过了预先设置的阈值，说明有人，这时就应该拉响警报。说明有人，这时就应该拉响警报。 .图象的检测常见图象的检测常见(chn jin)算法：算法： 第33页/共68页第32页/共68页第三十三页，共68页。（）模板（）模板(mbn)匹配匹配 .图象图象(t xin)的检测常见算法：的检测常见算法： 利用模板匹配可以在一幅图象利用模板匹配可以在一幅图象(t xin)中找到已知的物体。中找到已知的物体。 所谓模板匹配，其实想法很简单：拿已知的模板所谓模板匹配，其实想法很简单：拿已知的模板和原图象中同样大小的一块区域去对。和原图象中同样大小的一块区域去对。 最开始时，模板的左上角点和图象的左

27、上角点是重最开始时，模板的左上角点和图象的左上角点是重合的，拿模板和原图象中同样大小的一块区域去对合的，拿模板和原图象中同样大小的一块区域去对比，然后平移到下一个象素，仍然进行同样的操作，比，然后平移到下一个象素，仍然进行同样的操作，所有的位置都对完后，差别最小的那块就是我们所有的位置都对完后，差别最小的那块就是我们要找的物体。要找的物体。我们用平方误差之和来衡量原图中的块和模板之我们用平方误差之和来衡量原图中的块和模板之间的差别。间的差别。 第34页/共68页第33页/共68页第三十四页，共68页。3.数学数学(shxu)形态学形态学形态形态(xngti)学的用途主要是获取物体拓扑和结构信息

28、，学的用途主要是获取物体拓扑和结构信息，它通过物体和结构元素相互作用的某些运算，得它通过物体和结构元素相互作用的某些运算，得到物体更本质的形态到物体更本质的形态(xngti)。在图象处理中的应用主要。在图象处理中的应用主要是：是：(1)利用形态利用形态(xngti)学的基本运算，对图象进行观察学的基本运算，对图象进行观察和处理，从而达到改善图象质量的目的；和处理，从而达到改善图象质量的目的；(2)描述描述和定义图象的各种几何参数和特征，如面积、周和定义图象的各种几何参数和特征，如面积、周长、连通度、颗粒度、骨架和方向性等。长、连通度、颗粒度、骨架和方向性等。 1. 诞生于1964年，法国(f

29、u)巴黎Matheron的纹理分析器2. 法国(f u)枫丹白露数学形态学研究中心3. 发展过程第35页/共68页第34页/共68页第三十五页，共68页。60年代：孕育和形成1964诞生，Matheron指导下的Serra做岩相学分析，击中击不中变换开闭运算、纹理分析器。1966年命名Mathematical Morphology。1968年成立枫丹白露数学形态学研究中心。70年代：纹理分析器商业应用，理论方面Mathron随机集和积分几何，数学形态学的核心内容，灰度。未引起信号图像处理方面重视，多为自然科学家，独立(dl)思维开拓图像分析一个新的领域。3.数学数学(shxu)形态学形态学第3

30、6页/共68页第35页/共68页第三十六页，共68页。80年代：Serra 1982完成图像分析于数学形态学，形态学走向美国及世界。在格论框架上建立的数学形态学基础。算法开发。90年代至今在模式识别，编码，运动分析，运动景物描述等方面取得(qd)进展。用于数值函数的形态学算子开发“如果证明，在某些时候，形态学方法闭其他方法在模式识别方面更有效，那是因为它更好地把握了景物的几何特点，仅此而已” Serra 在把握自然景物含义，人类思维的符号描述方面显得不够有力有待发展。3.数学数学(shxu)形态形态学学第37页/共68页第36页/共68页第三十七页，共68页。(1)一些基本符号(fho)和关系

31、。 10. 元素元素设有一幅设有一幅(y f)图象图象X，若点，若点a在在X的区域以内，则称的区域以内，则称a为为X的的元素，记作元素，记作aX，如图，如图1所示。所示。20. B包含于包含于X设有两幅图象设有两幅图象B，X。对于。对于B中所有中所有(suyu)的元素的元素i，都有，都有iX，则称则称B包含于包含于(included in)X，记作，记作B X 3.数学形态学数学形态学第38页/共68页第37页/共68页第三十八页，共68页。30. B击中击中X设有两幅图象设有两幅图象(t xin)B，X。若存在这样一个点，它既是。若存在这样一个点，它既是B的元素，又是的元素，又是X的元素，则

32、称的元素，则称B击中击中(hit)X，记作，记作BX，如图，如图3所示。所示。40. B不击中不击中X设有两幅图象设有两幅图象(t xin)B，X。若不存在任何一个点，它既。若不存在任何一个点，它既是是B的元素，又是的元素，又是X的元素，即的元素，即B和和X的交集是空，的交集是空，则称则称B不击中不击中(miss)X，记作，记作BX=；其中；其中是集合是集合运算相交的符号，运算相交的符号，表示空集。如图表示空集。如图4所示。所示。3.数学数学(shxu)形态学形态学第39页/共68页第38页/共68页第三十九页，共68页。50. 补集补集设有一幅图象设有一幅图象X，所有，所有X区域区域(qy)

33、以外的点构成的集合称以外的点构成的集合称为为X的补集，记作的补集，记作Xc，如图，如图6.5所示。显然，所示。显然，如果如果BX=，则，则B在在X的补集内，即的补集内，即B Xc。 3.数学数学(shxu)形态学形态学第40页/共68页第39页/共68页第四十页，共68页。60. 结构元素结构元素设有两幅图象设有两幅图象B，X。若。若X是被处理的对象，而是被处理的对象，而B是用来是用来处理处理X的，则称的，则称B为结构元素为结构元素(structure element)，又被形，又被形象地称做刷子象地称做刷子(shu zi)。结构元素通常都是一些比较小的图象。结构元素通常都是一些比较小的图象。

34、的定义结构(jigu)元素的函数：strel3.数学数学(shxu)形态学形态学第41页/共68页第40页/共68页第四十一页，共68页。10 腐蚀腐蚀把结构元素把结构元素B平移平移a后得到后得到Ba，若，若Ba包含于包含于X，我们记，我们记下这个下这个a点，所有满足上述条件点，所有满足上述条件(tiojin)的的a点组成的集合称做点组成的集合称做X被被B腐蚀腐蚀(Erosion)的结果。用公式表示为：的结果。用公式表示为：E(X)=a| Ba X=X B (2) 数学数学(shxu)形态学的基本运算形态学的基本运算(黑白图像黑白图像) 3.数学数学(shxu)形态学形态学第42页/共68页第

35、41页/共68页第四十二页，共68页。bw = imread(text.tif);se = strel(line,11,90);bw2 = imerode(bw,se);imshow(bw), title(Original)figure, imshow(bw2), title(Eroded)oooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooo

36、oooooooooo原点原点第43页/共68页第42页/共68页第四十三页，共68页。第44页/共68页第43页/共68页第四十四页，共68页。3.数学数学(shxu)形态学形态学20 膨胀膨胀(png zhng)膨胀(dilation)可以看做是腐蚀(fsh)的对偶运算，其定义是：把结构元素B平移a后得到Ba，若Ba击中X，我们记下这个a点。 所有满足上述条件的a点组成的集合称做X被B膨胀的结果。用公式表示为：D(X)=a | BaX=X B， 膨胀的方法是，拿B的中心点和X上的点及X周围的点一个一个地对，如果B上有一个点落在X的范围内，则该点就为黑；右边是膨胀后的结果。可以看出，它包括X的

37、所有范围，就象X膨胀了一圈似的 (2) 数学形态学的基本运算数学形态学的基本运算(黑白图像黑白图像) 第45页/共68页第44页/共68页第四十五页，共68页。3.数学数学(shxu)形态学形态学0 膨胀膨胀(png zhng)(2) 数学形态学的基本运算数学形态学的基本运算(yn sun)(黑白图像黑白图像) 第46页/共68页第45页/共68页第四十六页，共68页。3.数学数学(shxu)形态学形态学0 膨胀膨胀(png zhng)(2) 数学形态学的基本数学形态学的基本(jbn)运算运算(黑白图像黑白图像) oooooooooooooooooooooooooooooooooooooooo

38、ooooooooooooooooooooooooooooooooooo原点原点oooooooooooooooooooooooooooooooooooooooooooooooooooooooooooo第47页/共68页第46页/共68页第四十七页，共68页。原图原图(yun t)膨胀膨胀(png zhng)后结果后结果3.数学数学(shxu)形态学形态学0 膨胀膨胀(2) 数学形态学的基本运算数学形态学的基本运算(黑白图像黑白图像) 第48页/共68页第47页/共68页第四十八页，共68页。先腐蚀(fsh)后膨胀称为开3.数学数学(shxu)形态学形态学30 开运算开运算(yn sun)(2)

39、数学形态学的基本运算数学形态学的基本运算(黑白图像黑白图像) 第49页/共68页第48页/共68页第四十九页，共68页。左边是被处理的图象左边是被处理的图象X(二值图象，我们针对的是黑点二值图象，我们针对的是黑点)，右边是结构元素右边是结构元素B，下面的两幅图中左边是腐蚀后的结，下面的两幅图中左边是腐蚀后的结果；右边是在此基础上膨胀果；右边是在此基础上膨胀(png zhng)的结果。可以看到，原图经的结果。可以看到，原图经过开运算后，一些孤立的小点被去掉了。过开运算后，一些孤立的小点被去掉了。3.数学数学(shxu)形态学形态学3 0 开运算开运算(yn sun)1）消除细小对象）消除细小对象

40、2）在细小粘连处分离对象）在细小粘连处分离对象3）在不改变形状的前提下，平滑对象的边缘）在不改变形状的前提下，平滑对象的边缘(2) 数学形态学的基本运算数学形态学的基本运算(黑白图像黑白图像) 第50页/共68页第49页/共68页第五十页，共68页。3.数学数学(shxu)形态学形态学0 闭运算闭运算(yn sun)先膨胀先膨胀(png zhng)、再腐蚀、再腐蚀(2) 数学形态学的基本运算数学形态学的基本运算(黑白图像黑白图像) 第51页/共68页第50页/共68页第五十一页，共68页。1）填充）填充(tinchng)对象内细小空洞。对象内细小空洞。2）连接邻近对象）连接邻近对象3）在不明显

41、改变面积前提下，平滑对象的边缘）在不明显改变面积前提下，平滑对象的边缘左边是被处理的图象左边是被处理的图象X(二值图象，我们针对二值图象，我们针对(zhndu)的是黑点的是黑点)，右边是结构元素右边是结构元素B，下面的两幅图中左边是膨胀后的结，下面的两幅图中左边是膨胀后的结果，右边是在此基础上腐蚀的结果可以看到，原图经果，右边是在此基础上腐蚀的结果可以看到，原图经过闭运算后，断裂的地方被弥合了。过闭运算后，断裂的地方被弥合了。 3.数学数学(shxu)形态学形态学0 闭运算闭运算(2) 数学形态学的基本运算数学形态学的基本运算(黑白图像黑白图像) 第52页/共68页第51页/共68页第五十二页

42、，共68页。结果结果:在不破坏连通性的前提下，细化图像在不破坏连通性的前提下，细化图像算法实现：算法实现：1）做腐蚀操作，但不立刻删除像素，只打标记）做腐蚀操作，但不立刻删除像素，只打标记2）将不破坏连通性的标记点删掉。）将不破坏连通性的标记点删掉。3）重复）重复(chngf)执行，将产生细化结果执行，将产生细化结果3.数学数学(shxu)形态学形态学0 细化细化所谓所谓(suwi)细化，就是从原来的图中去掉一些点，但仍要细化，就是从原来的图中去掉一些点，但仍要保持原来的形状。实际上，是保持原图的骨架。保持原来的形状。实际上，是保持原图的骨架。(2) 数学形态学的基本运算数学形态学的基本运算(

43、黑白图像黑白图像) 第53页/共68页第52页/共68页第五十三页，共68页。3.数学数学(shxu)形态学形态学0 细化细化1,2,4,6,7不能删,其他(qt)可删 (1)内部点不能删除；(2)孤立点不能删除；(3)直线端点(dun din)不能删除；(4)如果P是边界点，去掉P后，如果连通分量不增加，则P可以删除。 (2) 数学形态学的基本运算数学形态学的基本运算(黑白图像黑白图像) 第54页/共68页第53页/共68页第五十四页，共68页。BW1 = imread(circles.tif);figure;imshow(BW1); BW2 = bwmorph(BW1,remove);BW

44、3 = bwmorph(BW1,skel,Inf);figure, imshow(BW2)figure, imshow(BW3). I=imread(m1.bmp);BW3 = bwmorph(1-I,skel,Inf);figure;imshow(BW3)MATLAB演示(ynsh)：I=imread(m2.bmp);BW3 = bwmorph(1-I,skel,Inf);figure;imshow(BW3)第55页/共68页第54页/共68页第五十五页，共68页。3.数学数学(shxu)形态学形态学(3) 数学形态学的基本运算数学形态学的基本运算(yn sun)(灰度图像灰度图像) 1o腐

45、蚀腐蚀(fsh)运算：运算： )(:)()(max) (xgDzzgzfxgf + )(:)()(min) (xgDzzgzfxgf 2o膨胀运算膨胀运算开先腐蚀再膨胀开先腐蚀再膨胀 闭先膨胀再腐蚀闭先膨胀再腐蚀第56页/共68页第55页/共68页第五十六页，共68页。3.数学数学(shxu)形态学形态学(3) 数学形态学的基本数学形态学的基本(jbn)运算运算(灰度图像灰度图像) 第57页/共68页第56页/共68页第五十七页，共68页。3.数学数学(shxu)形态学形态学(3) 数学形态学的基本运算数学形态学的基本运算(yn sun)(灰度图像灰度图像) 第58页/共68页第57页/共68

46、页第五十八页，共68页。运用一个交叉结构元素(yun s)进行开运算。第59页/共68页第58页/共68页第五十九页，共68页。轮廓跟踪轮廓跟踪(gnzng)、连通域标记、连通域标记、一个简单二值图象闭合边界的轮廓跟踪算法很简单：一个简单二值图象闭合边界的轮廓跟踪算法很简单：首先按从上到下，从左到右的顺序搜索，找到的第一个首先按从上到下，从左到右的顺序搜索，找到的第一个黑点一定是最左上方的边界点，记为黑点一定是最左上方的边界点，记为A。它的右，右。它的右，右下，下，左下四个邻点中至少有一个是边界点，记下，下，左下四个邻点中至少有一个是边界点，记为为B。从开始。从开始(kish)B找起，按右，右

47、下，下，左下，左，找起，按右，右下，下，左下，左，左上，上，右上的顺序找相邻点中的边界点左上，上，右上的顺序找相邻点中的边界点C。如果。如果C就是就是A点，则表明已经转了一圈，程序结束；否则点，则表明已经转了一圈，程序结束；否则从从C点继续找，直到找到点继续找，直到找到A为止。判断是不是边界点为止。判断是不是边界点很容易：如果它的上下左右四个邻居都是黑点则不很容易：如果它的上下左右四个邻居都是黑点则不是边界点，否则是边界点。是边界点，否则是边界点。 其他其他(qt)二值图像处理算法：二值图像处理算法：bmlabel第60页/共68页第59页/共68页第六十页，共68页。第61页/共68页第60

48、页/共68页第六十一页，共68页。0123014672354-4-链码链码8-8-链码链码表示法设计表示法设计(shj)：链码：链码第62页/共68页第61页/共68页第六十二页，共68页。4-链码：000033333322222211110011表示法设计表示法设计(shj)：链码：链码第63页/共68页第62页/共68页第六十三页，共68页。表示法设计表示法设计(shj)：链码：链码第64页/共68页第63页/共68页第六十四页，共68页。表示法设计表示法设计(shj)：链码：链码第65页/共68页第64页/共68页第六十五页，共68页。4-链码：003332221101表示法设计表示法设计(shj)：链码：链码第66页/共68页第65页/共68页第六十六页，共68页。2）通过使用链码的首差代替码子本身的方式表示法设计表示法设计(shj)：链码：链码第67页/共68页第66页/共68页第六十七页，共68页。链码，链码，4)对象编号，就可以描对象编号，就可以描述。述。链码一般用于一幅图像中有多链码一般用于一幅图像中有多个对象的情况，对单个对象不个对象的情况，对单个对象不适用。适用。表示法设计表示法设计(shj)：链码：链码第68页/共68页第67页/共68页第六十八页，共68页。