数字图像,形态学处理.doc

《医学图像处理》实验报告 摘要 本次实验的目的是 对二值原始图像进行膨胀和腐蚀，并对经过膨胀和腐蚀后的两张图像进行集合的逻辑运算操作——交集、补集、相减； 对二值图像进行边界提取操作； 利用阈值处理的方法对二值图像进行连通分量的提取操作； 运用上述结果和其他技术解决课本P442的习题9.36。 本次实验的内容是 一、技术讨论 1.1实验原理 1.1.1图像的腐蚀 腐蚀缩小或细化了二值图像中的物体。用3X3的结构元，扫描二值图像的每一个元素，将结构元与其覆盖的二值图像做“与”操作，若结果均为1，输出图像的该像素为1，否则输出图像的该像素为0。图示如下： 1.1.2图像的膨胀 膨胀会增长或粗化二值图像中的物体。用3X3的结构元，扫描二值图像的每一个像素，将结构元关于原点的映射与其覆盖的二值图像做“与”操作，若结果均为0，输出图像的该像素为0，否则输出图像的该像素为1。图示如下： 1.1.3图像的 1.1.4图像的连通分量提取 连通分量是指若像素子集S的全部像素之间存在一个通路，则可以说两个像素p和q之间是连通的，对于S中的任何像素p，S中连通到该像素的像素称为S的连通分量。 图像连通分量的提取方法是先对二值图像进行阈值处理，再对输出图像做腐蚀处理。 1.1.5测地膨胀 测地膨胀不是包含一幅输入图像和特定的结构元素而是涉及两幅图像：标记图像和模版图像。其基本思想是用特定结构元素对标记图像作膨胀运算，并将结果图像限制在模版图像之下。图示如下： 1.2实验函数 示例： A二值图像进行腐蚀处理二值图像进行处理 二、结果与讨论 2.1实验结果（每个实验均要使用3个不同大小的结构元进行处理，并将实验结果列举出来，注明结构元大小） a. Originpic b. intersection c. img_erode d.img_dilate e. differencing f. Complementation 图1.2、图像腐蚀和膨胀（7X7结构元，中心点为3,3） a. Originpic b. intersection c. img_erode d.img_dilate e. differencing f. Complementation 图1.3、图像腐蚀和膨胀（9X9结构元，中心点为4,4） a. Originpic b. img_out c. img_erode 图2.1、边界提取（3X3结构元，中心点为1,1） a. Originpic b. img_out c. img_erode 图2.2、边界提取（7X7结构元，中心点为1,1） a. Originpic b. img_out c. img_erode 图2.3、边界提取（10X10结构元，中心点为1,1） a. Originpic b. img_out c. img_erode 图2.4、边界提取（10X10结构元，中心点为5,5） a. Originpic b.img_out1 c.img_out2 图3.1、连通分量的提取（5X5结构元，中心点为3,3） a. Originpic b.img_single c.img_intersect d. img_boundary 图4.1 problem4-36 2.2实验讨论（详细说明解决课本习题具体思路和过程 腐蚀的作用是消除物体边界点，使目标缩小，可以消除小于结构元素的噪声点；膨胀的作用是将与物体接触的所有背景点合并到物体中，使目标增大，可添补目标中的空洞。用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积 边界提取时结构元的大小会影响提取的结果，图2.1、图2.2和图2.3对比可知，结构元的越大，提取的边界越宽； 中心点的位