数字图像处理第七章学习教案.pptx

《数字图像处理第七章学习教案.pptx》由会员分享，可在线阅读，更多相关《数字图像处理第七章学习教案.pptx（76页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、会计学1数字图像处理第七章数字图像处理第七章第一页，共76页。数学形态学是由一组形态学的代数运算子组成的，它的基本运算有4个：膨胀（或扩张）、腐蚀（或侵蚀）、开启和闭合(b h)，它们在二值图像和灰度图像中各有特点。数学形态学方法：利用一个称作结构元素的“探针”收集(shuj)图像的信息，当探针在图像中不断移动时，便可考察图像各个部分之间的相互关系，从而了解图像的结构特征。第2页/共76页第二页，共76页。数学(shxu)基础：1.1.元素和集合元素和集合 在数字图像处理的数学形态学运算中，把一幅图像称为一个集合。对于二值图像而言，习惯上认为取值为1的点对应于景物中心，用阴影表示，而取值为0的

2、点构成背景，用白色表示，这类图像的集合是直接表示的。考虑所有值为1的点的集合为A，则A与图像是一一对应的。对于一幅图像A，如果点a在A的区域以内，那么就说a是A的元素，记为aA，否则，记作aA。第3页/共76页第三页，共76页。对于两幅图像A和B，如果对B中的每一个点b（bB）都有bA，那么称B包含于A，记作 。如果同时还有A中存在至少一个点a，aA且 ，那么称B真包含于A，记作 。根据定义可知，如果 ，那么必有 。第4页/共76页第四页，共76页。2.2.交集、并集和补集交集、并集和补集 两两个个图图像像集集合合A A和和B B的的公公共共点点组组成成的的集集合合称称为为两两个个集集合合的的

3、交交集集，记记为为ABAB，即即AB=aAB=aaAaA且且aBaB。两两个个集集合合A A和和B B的的所所有有元元素素组组成成的的集集合合称称为为两两个个集集合合的的并并集集，记记为为ABAB，即即AB=aAB=aaAaA或或aBaB。对对一一幅幅图图像像A A，在在图图像像A A区区域域(qy)(qy)以以外外的的所所有有点点构构成成的的集集合合称称为为A A的的补补集集，记记为为ACAC，即，即AC=aAC=aa Aa A。第5页/共76页第五页，共76页。3.3.击中（击中（HitHit）与击不中（）与击不中（MissMiss）设有两幅图像A和B，如果AB，那么称B击中A，记为BA，

4、其中是空集合的符号；否则，如果AB=，那么称B击不中A。第6页/共76页第六页，共76页。4.4.平移和反射平移和反射 设A是一幅数字图像，b是一个点，那么定义A被b平移后的结果为Abab|aA，即取出A中的每个点a的坐标值，将其与点b的坐标值相加，得到一个新的点的坐标值a+b，所有这些新点所构成的图像就是A被b平移的结果，记为A+b。A关于图像原点的反射结果为 ，即将A中的每个点取相反数后所得的新图像。第7页/共76页第七页，共76页。第8页/共76页第八页，共76页。第9页/共76页第九页，共76页。5.5.目标和结构元素目标和结构元素 被被处处理理(chl)(chl)的的图图像像称称为为

5、目目标标图图像像，一一般般用用大大写写英英文文字字母母表表示示。为为了了确确定定目目标标图图像像的的结结构构，必必须须逐逐个个考考察察图图像像各各部部分分之之间间的的关关系系，并并且且进进行行检检验验，最最后后得得到到一一个个各各部部分分之之间间关系的集合。关系的集合。在在考考察察目目标标图图像像各各部部分分之之间间的的关关系系时时，需需要要设设计计一一种种收收集集信信息息的的“探探针针”，称称为为“结结构构元元素素”。“结结构构元元素素”一一般般用用大大写写英英文文字字母母表表示示，例例如如用用S S表表示示。在在图图像像中中不不断断移移动动结结构构元元素素，就就可可以以考考察察图图像像之之

6、间间各各部部分分的的关关系系。一一般般，结结构构元元素的尺寸要明显小于目标图像的尺寸。素的尺寸要明显小于目标图像的尺寸。第10页/共76页第十页，共76页。三种对称结构三种对称结构(jigu)元素元素第11页/共76页第十一页，共76页。第二节第二节 二值形态学二值形态学 设A为图像集合，S为结构元素，数学形态学运算是用S对A进行操作。需要指出，实际上结构元素本身也是一个(y)图像集合。对每个结构元素可以指定一个(y)原点，它是结构元素参与形态学运算的参考点。应注意，原点可以包含在结构元素中，也可以不包含在结构元素中，但运算的结果常不相同。以下用阴影代表值为1的区域，白色代表值为0的区域，运算

7、是对值为1的区域进行的。第12页/共76页第十二页，共76页。腐蚀(fsh)与膨胀示意图 第13页/共76页第十三页，共76页。一、腐蚀一、腐蚀 腐蚀是最基本的一种数学形态学运算。对一个给定的目标图像X和一个结构元素S，想象一下将S在图像上移动。在每一个当前位置x，S+x只有三种可能的状态：(1)S+xX；(2)S+xXC；(3)S+xX与S+xXC均不为空。第14页/共76页第十四页，共76页。S+x的三种(sn zhn)可能的状态 第15页/共76页第十五页，共76页。第一种情形说明S+x与X相关最大，第二种情形说明S+x与X不相关，而第三种情形说明S+x与X只是部分相关。因而满足第一种情

8、形的点x的全体构成结构元素与图像最大相关点集，这个点集称为S对X的腐蚀(简称腐蚀，有时也称X用S腐蚀)，记为XS。腐蚀也可以用集合的方式定义，即 X用S腐蚀的结果是所有使S平移x后仍在X中的x的集合。换句话说，用S来腐蚀X得到的集合是S完全包括在X中时S的原点位置的集合。第16页/共76页第十六页，共76页。第17页/共76页第十七页，共76页。腐蚀在数学形态学运算中的作用是消除物体边界点。如果结构元素取33的像素块，腐蚀将使物体的边界沿周边减少一个像素。腐蚀可以把小于结构元素的物体(毛刺(moc)、小凸起)去除，这样选取不同大小的结构元素，就可以在原图像中去掉不同大小的物体。如果两个物体之间

9、有细小的连通，那么当结构元素足够大时，通过腐蚀运算可以将两个物体分开。在目标数量检测中利用在目标数量检测中利用(lyng)腐蚀腐蚀第18页/共76页第十八页，共76页。腐蚀运算(yn sun)示例 例 腐蚀运算图解。图(a)中的阴影部分为集合X，图(b)中的阴影部分为结构元素S，而图(c)中黑色部分给出了XS 的结果。由图可见(kjin)，腐蚀将图像（区域）收缩小了。第19页/共76页第十九页，共76页。如果S包含了原点，即OS，那么XS将是X的一个收缩，即XSX（当OS时）；如果S不包含原点，那么XSX未必成立(chngl)。如果结构元素S关于原点O是对称的，那么S=SV，因此 X S=XS

10、V,但是，如果S关于原点O不是对称的，那么X被S腐蚀的结果与X被SV腐蚀的结果是不同的。第20页/共76页第二十页，共76页。第21页/共76页第二十一页，共76页。第22页/共76页第二十二页，共76页。二、膨胀二、膨胀 腐蚀可以看作是将图像X中每一与结构元素S全等的子集S+x收缩为点x。反之，也可以将X中的每一个点x扩大为S+x，这就是膨胀运算，记为XS。若用集合语言，它的定义为XS=x|S+xx 与上式等价的膨胀运算定义形式还有：（1）XS=X+s|sS（2）XS=S+x|xX 第23页/共76页第二十三页，共76页。第24页/共76页第二十四页，共76页。第25页/共76页第二十五页，

11、共76页。第26页/共76页第二十六页，共76页。三、开运算和闭运算三、开运算和闭运算 1.1.基本概念基本概念 如如果果结结构构元元素素为为一一个个圆圆盘盘，那那么么，膨膨胀胀可可填填充充图图像像中中的的小小孔孔(比比结结构构元元素素小小的的孔孔洞洞)及及图图像像边边缘缘处处的的小小凹凹陷陷部部分分，而而腐腐蚀蚀可可以以消消除除图图像像边边缘缘小小的的成成分分(chng(chng fn)fn)，并并将将图图像像缩缩小小，从从而而使使其其补补集集扩扩大大。但但是是，膨膨胀胀和和腐腐蚀蚀并并不不互互为为逆逆运运算算，因因此此它它们们可可以以级级连连结结合合使使用用。在在腐腐蚀蚀和和膨膨胀胀两两个

12、个基基本本运运算算的的基基础础上上，可可以以构构造造出出形形态态学学运运算算族族，它它由由膨膨胀胀和和腐腐蚀蚀两两个个运运算算的的复复合合与与集集合合操操作作（并并、交交、补补等等）组组合合成成的的所所有有运运算算构构成成。例例如如，可可先先对对图图像像进进行行腐腐蚀蚀然然后后膨膨胀胀其其结结果果，或或先先对对图图像像进进行行膨膨胀胀然然后后腐腐蚀蚀其其结结果果（这这里里使使用用同同一一个个结结构构元元素素）。前前一一种种运运算算称称为为开开运运算算（或或开开启启），后后一一种种运运算算称称为为闭闭运运算算（闭合）。（闭合）。第27页/共76页第二十七页，共76页。对图像X及结构元素(yun

13、s)S，用符号XS表示S对图像X作开运算，用符号XS表示S对图像X作闭运算，它们的定义为 XS=(XS)S XS=(XS)S 由上两式可知，XS可视为对腐蚀图像XS用膨胀来进行恢复，而XS可看作是对膨胀图像XS用腐蚀来进行恢复。不过这一恢复不是信息无损的，即它们(t men)通常不等于原始图像X。由开运算的定义式，可以推得 第28页/共76页第二十八页，共76页。因而XS是所有X的与结构元素S全等的子集的并组成的。或者说，对XS中的每一个点x，均可找到某个包含在X中的结构元S的平移S+y，使得xS+y，即x在X的近旁具有不小于S的几何结构。而对于X中不能被XS恢复的点，其近旁的几何结构总比S要

14、小。这一几何描述说明，XS是一个基于几何结构的滤波器。当使用圆盘结构元素时，开运算对边界进行了平滑，去掉了凸角；当使用线段结构元素时，沿线段方向宽度较大(jio d)的部分才能够被保留下来，而较小的凸部将被剔除。而XXS给出的是图像的凸出特征。可见，不同的结构元素的选择导致了不同的分割，即提取出不同的特征。第29页/共76页第二十九页，共76页。开运算去掉了凸角(a)结构(jigu)元素S1和S2；(b)XS1；(c)XS2 第30页/共76页第三十页，共76页。第31页/共76页第三十一页，共76页。开运算操作开运算操作(cozu)示例示例第32页/共76页第三十二页，共76页。开启和闭合不

15、受原点是否在结构元素之中的影响。由腐蚀和膨胀(png zhng)的对偶性，可知(XCS)C=XS；(XCS)C=XS 开、闭变换也是一对对偶变换，因此，闭运算的几何意义可以由补集的开运算的几何意义导出。闭运算通过(tnggu)填充图像的凹角来平滑图像，而XSX给出的是图像的凹入特征。第33页/共76页第三十三页，共76页。闭运算填充(tinchng)了凹角(a)结构元素S1和S2；(b)XS1；(c)XS2 第34页/共76页第三十四页，共76页。第35页/共76页第三十五页，共76页。闭运算操作闭运算操作(cozu)示例示例第36页/共76页第三十六页，共76页。开、闭运算示例(a)原图像；

16、(b)结构元素S；(c)结构元素S腐蚀图像X；(d)结构元素S腐蚀X的结果；(e)对腐蚀的结构再膨胀；(f)再膨胀（开运算）的结果XS；(g)结构元素S膨胀X；(h)结构元素S膨胀X的结果XS；(i)对膨胀的结果再腐蚀；(j)再腐蚀的结果（闭运算）XS 第37页/共76页第三十七页，共76页。2.开闭运算的代数性质开闭运算的代数性质 由于开、闭运算是在腐蚀和膨胀运算的基础上定义的，根据腐蚀和膨胀运算的代数性质，我们不难得到下面的性质。1）对偶性(XCS)C=XS，(XCS)C=XS2）扩展性（收缩性）XSXXS即开运算恒使原图像缩小，而闭运算恒使原图像扩大 。第38页/共76页第三十八页，共7

17、6页。3）单调性 如果XY，则XSYS，XSYS 如果YZ且ZY=Z，那么XYX Z 根椐这一性质可以知道，结构元素的扩大只有在保证扩大后的结构元素对原结构元素开运算不变的条件下方能保持单调性。第39页/共76页第三十九页，共76页。4）平移不变性(X+h)S=(XS)+h，(X+h)S=(XS)+hX(S+h)=XS，X(S+h)=XS 5）等幂性(XS)S=XS，(XS)S=XS 开、闭运算的等幂性意味着一次滤波就能把所有特定结构元素的噪声滤除干净，作重复的运算不会再有效果。这是一个(y)与经典方法(例如中值滤波、线性卷积)不同的性质。第40页/共76页第四十页，共76页。6）开、闭运算(

18、yn sun)与集合的关系 在操作对象为多个图像的情况下，可借助集合的性质来进行(jnxng)开、闭运算，上述开、闭运算与集合的关系可用语言描述如下：(1)开运算与并集：并集的开运算包含了开运算的并集；(2)开运算与交集：交集的开运算包含在开运算的交集中；(3)闭运算与并集：并集的闭运算包含了闭运算的并集；(4)闭运算与交集：交集的闭运算包含在闭运算的交集中。第41页/共76页第四十一页，共76页。第三节第三节 灰值形态学灰值形态学 一、灰值腐蚀一、灰值腐蚀 用结构元素b对输入图像f(x,y)进行灰值腐蚀记为 fb，其定义为（fb）(s,t)=minf(s+x,t+y)-b(x,y)s+x,t

19、+yDf,x+yDb 式中，Df和Db分别是f和b的定义域。这里限制(s+x)和(t+y)在f的定义域之内，类似于二值腐蚀定义中要求结构元素完全包括在被腐蚀集合中。第42页/共76页第四十二页，共76页。灰值腐蚀(fsh)示意图(a)图像f；(b)结构元素b；(c)用结构元素b对f腐蚀(fsh)；(d)用结构元素b对f腐蚀(fsh)的结果 第43页/共76页第四十三页，共76页。灰值腐蚀与膨胀(png zhng)前后的图像(a)原始图像;(b)灰值腐蚀后的图像;(c)灰度膨胀(png zhng)后的图像 第44页/共76页第四十四页，共76页。腐蚀的计算是在由结构元素确定的邻域中选取 fb的最

20、小值，因此，对灰值图像的腐蚀操作有两类效果：如果结构元素的值都为正的，则输出图像会比输入图像暗；如果输入图像中亮细节的尺寸比结构元素小，则其影响会被减弱，减弱的程度取决于这些亮细节周围的灰度值和结构元素的形状和幅值。第45页/共76页第四十五页，共76页。二、灰值膨胀二、灰值膨胀 用结构元素用结构元素b对输入图像对输入图像f(x,y)进行灰值膨胀记为进行灰值膨胀记为fb，其定义为，其定义为 (fb)(s,t)=maxf(s-x,t-y)+b(x,y)|s-x,t-y Df,x+yDb 式中，式中，Df和和Db分别是分别是f和和b的定义域。这里限制的定义域。这里限制(s-x)和和(t-y)在在f

21、的定义域之内，类似于在二值膨胀定义中要求两个的定义域之内，类似于在二值膨胀定义中要求两个(lin)运算集合至少有一个（非零）元素相交。运算集合至少有一个（非零）元素相交。第46页/共76页第四十六页，共76页。膨胀的计算是在由结构元素确定的邻域中选取fb的最大值，因此对灰值图像的膨胀操作有两类效果：如果结构元素的值都为正的，则输出图像会比输入图像亮；根据输入图像中暗细节的灰度值以及它们的形状相对于结构元素的关系，它们在膨胀中或被消减(xio jin)或被除掉。第47页/共76页第四十七页，共76页。灰值膨胀示意图(a)灰度膨胀过程(guchng)；(b)灰度膨胀结果 第48页/共76页第四十八

22、页，共76页。下面简单介绍膨胀和腐蚀(fsh)的对偶性。膨胀和腐蚀(fsh)相对于函数的补(补函数)和反射也是对偶的，对偶关系为 这里函数(hnsh)的补定义为fC(x,y)=-f(x,y)，而函数(hnsh)的反射定义为bV(x,y)=b(-x,-y)。第49页/共76页第四十九页，共76页。三、灰值开、三、灰值开、闭运算闭运算 数学形态学中关于灰值开和闭运算的定义与它们数学形态学中关于灰值开和闭运算的定义与它们(t men)在二值数学形态学中的对应运算是一致的。用结构元素在二值数学形态学中的对应运算是一致的。用结构元素b(灰值图像灰值图像)对灰值图像对灰值图像f做开运算记为做开运算记为f

23、b，其定义为，其定义为 fb=（fb）b 用结构元素用结构元素b(灰值图像灰值图像)对灰值图像对灰值图像f做闭运算记为做闭运算记为fb，其定义为其定义为 fb=（fb）b第50页/共76页第五十页，共76页。开、闭运算相对于函数的补和反射也是对偶的，对偶关系(gun x)可写为(fb)C=(fCbV）(fb)C=(fCbV)因为f(x，y)=-f(x，y)，所以可写为 -(fb)=(-fCbV)-(fb)=(-fbV)第51页/共76页第五十一页，共76页。在图(a)中，给出了一幅图像f(x,y)在y为常数时的一个剖面f(x)，其形状为一连串的山峰山谷。假设结构元素b是球状的，投影到x和f(x

24、)平面上是个圆。下面分别讨论开、闭运算的情况。用b对f 做开运算，即fb，可看作将b贴着f 的下沿从一端滚到另一端。图(b)给出了b在开运算中的几个位置，图(c)给出了开运算操作的结果。从图(c)可看出，对所有比b的直径小的山峰其高度和尖锐度都减弱了。换句话说，当b贴着f 的下沿滚动时，f 中没有与b接触的部位都削减到与b接触。实际中常用开运算操作消除与结构元素相比尺寸较小的亮细节，而保持图像整体灰度值和大的亮区域基本不受影响。具体地说就是，第一步的腐蚀去除了小的亮细节并同时减弱了图像亮度，第二步的膨胀增加了图像亮度，但又不重新引入前面(qin mian)去除的细节。第52页/共76页第五十二

25、页，共76页。灰值开、闭运算(yn sun)示意图 第53页/共76页第五十三页，共76页。用b对f做闭运算，即fb，可看作将b贴着f 的上沿从一端滚到另一端。图(d)给出了b在闭运算操作中的几个位置，图(e)给出了闭运算操作的结果。从图(e)可看出，山峰基本没有变化，而所有(suyu)比b的直径小的山谷得到了“填充”。换句话说，当b贴着f 的上沿滚动时，f 中没有与b接触的部位都得到“填充”，使其与b接触。实际中常用闭运算操作消除与结构元素相比尺寸较小的暗细节，而保持图像整体灰度值和大的暗区域基本不受影响。具体说来，第一步的膨胀去除了小的暗细节并同时增强了图像亮度，第二步的腐蚀减弱了图像亮度

26、但又不重新引入前面去除的细节。第54页/共76页第五十四页，共76页。灰值开闭运算实例(shl)(a)开运算的结果；(b)闭运算的结果 第55页/共76页第五十五页，共76页。第四节第四节 形态学的应用形态学的应用(yngyng)一、形态学滤波一、形态学滤波 由于由于(yuy)开、闭运算所处理的信息分别与图像的凸、凹处相关，开、闭运算所处理的信息分别与图像的凸、凹处相关，因此，它们本身都是单边算子，可以利用开、闭运算去除图像的噪声、恢复图像，也可交替使用开、闭运算以达到双边滤波目的。一般，可以将开、闭运算结合起来构成形态学噪声滤波器，例如因此，它们本身都是单边算子，可以利用开、闭运算去除图像的

27、噪声、恢复图像，也可交替使用开、闭运算以达到双边滤波目的。一般，可以将开、闭运算结合起来构成形态学噪声滤波器，例如(XS)S或或(XS)S等。等。第56页/共76页第五十六页，共76页。图(a)包括一个长方形的目标(mbio)X，由于噪声的影响在目标(mbio)内部有一些噪声孔而在目标(mbio)周围有一些噪声块。现在用图(b)所示的结构元素 S通过形态学操作来滤除噪声，这里的结构元素应当比所有的噪声孔和块都要大。先用S对X进行腐蚀得到图(c)，再用S对腐蚀结果进行膨胀得到图(d)，这两个操作的串行结合就是开运算，它将目标(mbio)周围的噪声块消除掉了。再用 S对图(d)进行一次膨胀得到图(

28、e)，然后用S对膨胀结果进行腐蚀得到图(f)，这两个操作的串行结合就是闭运算，它将目标(mbio)内部的噪声孔消除掉了。整个过程是先做开运算再做闭运算，可以写为 第57页/共76页第五十七页，共76页。形态学滤波(lb)示意图 (a)(b)(c)(d)(e)(f)第58页/共76页第五十八页，共76页。比较图(a)和(f)，可看出目标区域内外的噪声都消除掉了，而目标本身除原来的4个直角变为圆角外没有太大的变化。在利用开、闭运算滤除图像的噪声时，选择圆形结构元素会得到较好的结果。为了能使从噪声污染(zo shn w rn)的图像X中恢复原始图像 X0的结果达到最优，在确定结构元素的半径时，可以采

29、用优化方法。为了达到这一目的，可将图像和噪声视为随机过程，通过统计优化分析得到优化结果。第59页/共76页第五十九页，共76页。二、骨架抽取二、骨架抽取 把一个平面区域简化成图（把一个平面区域简化成图（Graph）是一种重要的结构形状表示法。利用细化技术得到区域的细化结构是常用的方法。因此，）是一种重要的结构形状表示法。利用细化技术得到区域的细化结构是常用的方法。因此，寻找二值图像的细化结构是图像处理的一个基本问题。在图像识别或数据压缩时，经常要用到这样的细化结构，例如，在识别字符之前，往往要先对字符作细化处理，求出字符的细化结构。骨架便是这样的一种细化结构，它是目标的重要拓扑寻找二值图像的细

30、化结构是图像处理的一个基本问题。在图像识别或数据压缩时，经常要用到这样的细化结构，例如，在识别字符之前，往往要先对字符作细化处理，求出字符的细化结构。骨架便是这样的一种细化结构，它是目标的重要拓扑(tu p)描述，具有非常广泛的应用。描述，具有非常广泛的应用。第60页/共76页第六十页，共76页。下面首先对数字图像细化概念做简要介绍。许多(xdu)数学形态学算法都依赖于击中/击不中变换。其中数字图像细化，便是一种最常见的使用击中/击不中变换的形态学算法。对于结构对 B=(B1，B2)，利用B细化X定义为 即XB为X与XB的差集。更一般地，利用结构(jigu)对序列B1，B2，BN迭代地产生输出

31、序列 或者(huzh)i=1,2,N 第61页/共76页第六十一页，共76页。随着迭代的进行，得到的集合也不断细化。假设输入集合是有限的（即N为有限），最终将得到一个细化的图像。结构对的选择仅受结构元素不相交的限制。事实上，每一个Bi(i=1,2,N)都可以是相同的结构对，即在不断重复的迭代细化过程使用同一个结构对。在实际(shj)应用中，通常选择一组结构元素对，迭代过程不断在这些结构对中循环，当一个完整的循环结束时，如果所得结果不再变化，则终止迭代过程。第62页/共76页第六十二页，共76页。骨架还可以用中轴表示。设想在时刻，将目标边界各处同时点燃，火的前沿以匀速向目标内部蔓延，当前沿相交时

32、火焰熄灭，火焰熄灭点的集合就构成了中轴。图(a)是这个过程的图示。另外一种定义骨架的方法使用了最大圆盘概念：目标X的骨架由X内所有(suyu)最大内切圆盘的圆心组成，如图(b)、(c)所示。最大圆盘不是其他任何完全属于X的圆盘的子集，并且至少有两点与目标边界轮廓相切。骨架的每个点都对应一个相应的最大圆盘和半径r。最大圆盘定义的骨架与火种方式定义的骨架除在某些特殊情况下端点处存在差异外，绝大多数情况下都是一致的。第63页/共76页第六十三页，共76页。骨架(gji)的定义 第64页/共76页第六十四页，共76页。按照最大圆盘定义骨架的方式，在欧氏二值图像(t xin)的内部任意给定一点，如果以该

33、点为圆心存在一个最大圆盘，其整个盘体都在图像(t xin)的内部，且至少有两点与目标边界相切，则该点便是骨架上的点。所有最大圆盘的圆心构成了图像(t xin)的骨架（中轴）。对于图像(t xin)X，一般用S(X)表示其骨架。注意，不同的图像(t xin)可能有相同的骨架。骨架对噪声非常敏感，而且连通的集合可能具有不连通的骨架（例如两个相切圆盘的骨架）。第65页/共76页第六十五页，共76页。数字骨架可以从形态学的角度进行定义。对于k0，1，2，定义骨架子集Sk（X）为图像X内所有最大圆盘kB的圆心x构成的集合。从骨架的定义可知，骨架是所有骨架子集的并，即 S(X)=Sk（X）|k0，1，2，

34、可以证明(zhngmng)骨架子集为Sk（X）=(XkB)-(X k)式中，B为结构元素，(X kB)代表连续k次用B对X腐蚀，即 (X kB)=（(X)）。S(X)=(XkB)-(XkB)|k0，1，2，第66页/共76页第六十六页，共76页。这就是骨架的形态学表示(biosh)，它也是用数学形态学方法提取图像骨架技术的依据。对于给定的图像X以及结构元素，(Xk)可以将X腐蚀为空集，如果用 N表示(biosh)(Xk)运算将X腐蚀成空集前的最后一次迭代次数，即 N=maxk|(XkB)，则相反(xingfn)，图像X也可以用Sk（X）重构，即 第67页/共76页第六十七页，共76页。式中，B

35、为结构(jigu)元素，(Sk(X)kB)代表连续k次用B对Sk(X)膨胀，即 利用上式以及图像腐蚀、膨胀的算法可以编写程序实现形态学骨架抽取变换。图(a)为一幅二值图像，图(b)为用33的结构元素S（原点在中心）得到的骨架，图(c)为用55的结构元素得到的骨架，图(d)为用77的结构元素得到的骨架。注意(zh y)图(c)和(d)中由于模板较大叶柄没有保留下来。第68页/共76页第六十八页，共76页。骨架(gji)抽取示例(a)一幅二值图像；（b）用33的结构元素S得到的骨架(gji)；(c）用55的结构元素得到的骨架(gji)；（d）用77的结构元素得到的骨架(gji)第69页/共76页第

36、六十九页，共76页。第五节第五节 应用应用(yngyng)实例实例细化细化 利用前面所介绍的形态学知识，下面给出一种实用的对二值区域进行形态学细化的一种算法。如前所述，一个图像的“骨架”，是指图像中央(zhngyng)的骨骼部分，是描述图像几何及拓扑性质的重要特征之一。求一幅图像骨架的过程就是对图像进行“细化”的过程。在文字识别、地质构造识别、工业零件形状识别或图像理解中，先对被处理的图像进行细化有助于突出形状特点和减少冗余信息量。第70页/共76页第七十页，共76页。在细化一幅图像 X时应满足两个条件：第一，在细化的过程中，X应该有规律地缩小(suxio)；第二，在X逐步缩小(suxio)的

37、过程中，应当使X的连通性质保持不变。下面介绍一个具体的细化算法。设已知目标点标记为 1，背景点标记为 0。边界点是指本身标记为 1而其8连通邻域中至少有一个标记为 0的点。算法对一幅图像的所有边界点即一个 33区域都进行如下检验和操作：第71页/共76页第七十一页，共76页。第72页/共76页第七十二页，共76页。（1）考虑以边界点为中心的 8邻域，设p1为中心点，对其邻域的 8个点逆时针绕中心点分别(fnbi)标记为p2，p3，p9，其中p2位于p1的上方。如果p1=1(即黑点)时，下面4个条件同时满足，则删除 p1(p1=0)：2N(p1)6，其中N(p1)是p1的非零邻点的个数；S(p1

38、)=1，其中S(p1)是以p2，p3，p4，p9为序时这些点的值从 0到1变化的次数；p2p4p6=0或者S(p1)1；p4p6p8=0或者S(p1)1。第73页/共76页第七十三页，共76页。（2）同第（1）步，仅将中的条件改为p2p4p8=0，中的条件改为p2p6p8=0。同样当对所有边界点都检验完毕后，将所有满足条件的点删除。以上两步操作(cozu)构成一次迭代。算法反复迭代，直至没有点再满足标记删除的条件，这时剩下的点就组成区域的骨架。图(b)、(c)、(d)是p1不可删除的三种情况。在图(b)中删除p1会分割区域，图(c)中删除p1会分割缩短边缘，图(d)中满足条件2N(p1)6但p1不可删除。第74页/共76页第七十四页，共76页。细化算法示意图(a)标记p1和邻点；(b)p1不可删除(shnch)情况一；(c)p1不可删除(shnch)情况二；(d)p1不可删除(shnch)情况三；(e)细化前图像；(f)细化后的结果 第75页/共76页第七十五页，共76页。感谢您的观看感谢您的观看(gunkn)！第76页/共76页第七十六页，共76页。