形态学腐蚀膨胀.pptVIP

数学形态学(Mathematical Morphology)，又称形态学，诞生于1964年，是由法国巴黎矿业学院博士生赛拉(J. Serra)和导师马瑟荣，在从事铁矿核的定量岩石学分析及预测其开采价值的研究中提出“击中/击不中变换”， 并在理论层面上第一次引入了形态学的表达式，建立了颗粒分析方法。 数学形态学基于集合理论，积分几何和网格代数，形态学不仅是一种理论，而且是一门强大的图像分析技术。 腐蚀运算 简单的腐蚀是消除物体的所有边界点的一种过程，其结果使剩下的物体沿其周边比原物体小一个像素的面积。 腐蚀运算 腐蚀运算 在右图中，左边是被处理的图象X(二值图象，我们针对的是黑点)，中间是结构元素B，那个标有origin的点是中心点，即当前处理元素的位置，我们在介绍模板操作时也有过类似的概念。腐蚀的方法是，拿B的中心点和X上的点一个一个地对比，如果B上的所有点都在X的范围内，则该点保留，否则将该点去掉；右边是腐蚀后的结果。可以看出，它仍在原来X的范围内，且比X包含的点要少，就象X被腐蚀掉了一层。 膨胀运算 简单膨胀是将与某物体接触的所有背景点合并到该物体中的过程。过程的结果是使物体的面积增大了相应数量的点。 膨胀运算 膨胀运算 在图中，左边是被处理的图象X(二值图象，我们针对的是黑点)，中间是结构元素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的所有范围，就象X膨胀了一圈似的。 腐蚀、膨胀运算及其性质 腐蚀、膨胀运算及其性质 开运算 开运算 在上图上面的两幅图中，左边是被处理的图象X(二值图象，我们针对的是黑点)，右边是结构元素B，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。 闭运算 先膨胀后腐蚀称为闭(close)，即CLOSE(X)=E(D(X))。 闭运算 在上图上面的两幅图中，左边是被处理的图象X(二值图象，我们针对的是黑点)，右边是结构元素B，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，原图经过闭运算后，断裂的地方被弥合了。 形态学在织物图像处理中的应用 数学形态学已经成为图像处理理论的一个重要方面，它已由二值和灰度形态学发展成软数学形态学，其基本思想是利用“顺序统计”理论并将结构元素分为核心和软边界两大部分；将模糊集合理论用于数学形态学形成了模糊数学形态学，进而发展成模糊软数学形态学。这些方法已广泛地应用到纺织学等材料科学、医学成像、生物学、机器人视觉、自动字符读取、金相学、地质学、地理学、气象学、遥感技术等图像处理的不同领域。在这些领域中，利用二值或灰度数学形态学基本运算，可通过组合得到一系列灰度数学形态学实用算法，它们在图像增强、分割、边缘检测、噪声滤除、形状结构的增强及形状的数量化、骨架化、组分分析、曲线填充、图像压缩等方面得到了广泛应用。 在这里我们主要介绍数学形态学在织物疵点检测中的应用。 数字图像处理流程图 数字图像处理系统通常有图像采集部件、图像处理部件和处理结果输出部件三部分组成 织物疵点 织物疵点检测流程 织物疵点图像的采集 织物图像的数据获取，包括选择可行的照明光源和图像数字化设备。 (1)借用目前分辨率较高的数字图像采集设备对织物表面进行采集； (2)如何设置光照条件，以保证采样时的光照均匀，从而使采集时的数字图像便于处理。 2、图像处理 将采集到的数字图像利用各种图像处理方法进行必要的图像变换、图像增强处理，如将彩色图像变为灰度图，并为增加图像对比度而进行的直方图均衡，还有为抑制图像中的噪声而进行的中值滤波等，以利于后续的图像分析。然后对图像进行二值化处理、腐蚀背景膨胀目标等形态学中的操作。本文在大量实验的基础上提出在进行了传统的形态处理法之后，再一次采用开运算，可以进一步抑制噪声，突出疵点。 3、图像分析 通过对织物疵点特征分析和进行大量实验，优化处理算法。 疵点处理 疵点处理 * 形态学概述及分类 腐蚀膨胀等算法 织物疵点处理 1、二值形态学：基本的形态运算是腐蚀和膨胀 在形态学中，结构元素是最重要最基本的概念。结构元素在形态变换中的作用相当于信号处理中的“滤波窗口”。用B（x）代表结构元素，对工作空间E中的每一点x，腐蚀和膨胀的定义为： 2、灰度数学形态学 二值数学形态学可方便地推广到灰度图像空间。只是灰度数学形态学的运算对象不是集合，而是图像函数