第7章二值圖像處理方法與數(shù)學(xué)形態(tài)學(xué)課件

7.1二值圖像定義：整幅圖像畫面內(nèi)僅黑白二值的圖像。像素值僅有0和1----(或0和255).目的：將采集獲得的多層次灰度圖像處理成二值圖像(binaryimage)，以便于分析理解和識別并減少計算量。圖像屬性2023/7/261二值圖像處理的一般流程

灰度圖像二值化連接圖形的分析,變形圖形特征測量結(jié)構(gòu)分析描述分類,測量識別,理解2023/7/262灰度圖像的二值化處理選擇某個閾值T

，將原始圖像變換為二值圖像：

當(dāng)f(x,y)>=T時，f(i,j)=1;

當(dāng)f(x,y)<

T時，

f(i,j)=0.如何選擇閾值T?2023/7/263閾值選擇直方圖方法背景與目標(biāo)差異大并且面積相當(dāng)時直方圖出現(xiàn)雙峰，這時的最低谷點為T。2023/7/264直方圖方法

2023/7/265直方圖方法當(dāng)圖像中的對象圖形與背景的灰度值之差很大時，因在直方圖中能形成明顯的谷，因而這一方法是適用的。在干擾多的圖像或復(fù)雜的圖像中，因在直方圖中不能形成明顯的谷，因而有時難以適用。2023/7/266多閾值方法多層次地選擇閾值T，常用于黑白的偽彩色顯示。2023/7/267其他方法微分直方圖方法梯度閾值法2023/7/268二值圖像的連接性

鄰域:--(考慮一個像素)對于任意的像素(i,j)，把像素的集合{(i+p,j+q);p,q是一對適當(dāng)?shù)恼麛?shù)}稱為像素(i,j)的鄰域(neighbor)。直觀上看，就是像素(i,j)附近適當(dāng)像素的集合。在用正方形點陣表示的數(shù)字圖像中，只把位于上下左右的4點作為最近鄰域的情形和把位于對角線上的4點也包括在最近鄰域的情形是最常被采用的。2023/7/269鄰域直觀上看，這是像素(i,j)附近的像素形成的區(qū)域.最經(jīng)常采用的是4-鄰域和8-鄰域4-鄰域和8-鄰域2023/7/2610N4(p),ND(p),N8(p)鄰域4-鄰域：F(i,j)={(i+1,j),(i,j+1),(i-1,j),(i,j-1)}像素(i,j)的4-鄰域如下：(i-1,j)(i,j-1)(i,j)(i,j+1)(i+1,j)2023/7/2612鄰域8-鄰域：E(i,j)=F(i,j)U{(i+1,j+1),(i-1,j+1),(i-1,j-1),(i+1,j-1)}像素(i,j)的8-鄰域如下(有時也用記號x1~x8來表示)逆時針記號x4(i-1,j-1)x3(i-1,j)x2(i-1,j+1)x5(i,j-1)x0(i,j)x1(i,j+1)x6(i+1,j-1)x7(i+1,j)x8(i+1,j+1)2023/7/2613鄰接—考慮兩個像素的關(guān)系兩個像素互相存在于4-/8-鄰域里時，把它們稱為互相4-/8-鄰接（4-/8-adjacent）。

注意:

4鄰接與8鄰接的區(qū)別。4鄰接也是8鄰接，但8鄰接不一定是4鄰接。2023/7/2614鄰接互為4-鄰域的兩像素叫4-鄰接。(P*,Pi|i=0,2,4,6)

互為8-鄰域的兩像素叫8-鄰接。(P*,Pi|i=0,12,3,4,5,6,7)2023/7/2615像素的連接—考慮兩個像素并且相同值對于二值圖像中具有相同值的兩個像素a和b，設(shè)所有和它們具有相同值的像素為Pi,當(dāng)存在各Pi

和Pi-1為4-/8-鄰域的像素序列P0(=a),P1,P2,…,Pn-1,Pn(=b)時，像素a和b稱為4-/8-連接。另外，這個像素序列稱為4-/8-路徑（4-/8-path）。如下圖為連接像素對的例子。思考:研究連接的目的是什么?2023/7/2616a1和a2構(gòu)成4-連接c和e構(gòu)成4-連接a1和b不能構(gòu)成連接a2和d不能構(gòu)成連接2023/7/2617前景像素的關(guān)系(鄰域,鄰接,連接)注意:考慮4時,同時也是8連接成分（連通域）--考慮像素集合或組在某個二值圖像中，若把互相連接的像素的集合匯集為一組（類），則可得到具有若干個0值（0-像素）和具有若干個1值的像素（1-像素）形成的組。把每個組稱為連接成分（connectedcomponent）。注意:在考慮一個二值圖像的連接成分時，把1-像素的連接成分看成4-/8-連接時，對于0-像素的連接成分，若不把它們看成相反的8-/4-連接就會產(chǎn)生矛盾。2023/7/2619連接成分在下圖中，若把各1-像素看成是用8-連接的含義來連接的話，則中間的0-像素理應(yīng)是被包圍著的。但是，如果把0-像素也用8-連接來考慮的話，則這個像素就會與右上的0-像素連接起來，從而產(chǎn)生矛盾。即，0-像素的連接性和1-像素的連接性有必要采用互反

的形式。2023/7/2620連接成分(a)4個4－連接的連接成分，(b)2個8－連接的連接成分?？自?-像素的連接成分中，如果存在和畫面的外圍（外圍的1行1列）的像素不相連接的成分，則把它稱為孔（hole）。指:全被1值像素包圍的0-像素連接成分.2023/7/2622單連接成分、多重連接成分當(dāng)1像素的連接成分不包含孔時，稱為單連接成分，至少包含一個孔時稱為多重連接成分。2023/7/2623區(qū)域和邊界(邊緣)令R是圖像中的像素子集。如果R是連接成分，稱R為一個區(qū)域。一個區(qū)域R的邊界（也稱為邊緣或輪廓）是區(qū)域中像素的集合，該區(qū)域有一個或多個不在R中的鄰點。如果R是整幅圖像，邊界是最外面的像素集合。正常情況下，一個區(qū)域指圖像的一個子集，并且區(qū)域邊界中的任何像素都作為區(qū)域邊界部分全部包含于其中。邊緣和邊界的區(qū)別：一個有限區(qū)域的邊界形成一條閉合通路，并且是“整體”的概念。邊緣是由具體某些導(dǎo)數(shù)值（超過預(yù)先設(shè)定的閾值）的像素組成。邊緣的概念是基于在不連續(xù)點進(jìn)行灰度級測量的局部概念。但在二值區(qū)域中提取邊緣和提取區(qū)域邊界是一樣的。2023/7/2624連接成分的標(biāo)記為區(qū)分連接成分，求得連接成分個數(shù)，連接成分的標(biāo)記，即標(biāo)號分配操作是不可缺少的。一般在標(biāo)記的時候把屬于同一區(qū)域的不同連接成分?jǐn)?shù)標(biāo)記為不同的標(biāo)號。也就是說二值圖像中的每一個連接成分都有一個屬于自己的標(biāo)記。對屬于同一個1像素連接成分的所有像素分配相同的編號，對不同的連接成分分配不同的編號的操作，叫做連接成分的標(biāo)記。標(biāo)記通常采用順序標(biāo)記的方法。順序標(biāo)記法通過對圖像從左到右，從上到下作兩次掃描來實現(xiàn)標(biāo)記。

2023/7/2625連接成分的標(biāo)記－標(biāo)記的例子1

111111111111111111111111111111111111111111111AAABCBBBBBBCCBCCCBCCCCBCDCCBBCDCCBCCBCCCCCCCB（a）輸入圖像（b）標(biāo)記結(jié)果標(biāo)記的例子2023/7/2626連接成分的標(biāo)記－標(biāo)記的例子2連接數(shù)—考慮一個像素,

某個1-像素x0的連接數(shù)，可以利用其8-鄰域像素的值f(x1)~f(x8)按下式定義：4-連接用Nc(4),8-連接用Nc(8)表示.2023/7/2628連接數(shù)無論是4-連接還是8-連接的情形，連接數(shù)總是取0~4之間的值。下面是表示3*3像素中央像素的連接數(shù)（8-連接）。4-連接數(shù)?001010100連接數(shù)=2111110110連接數(shù)=1010010000連接數(shù)=1101010100連接數(shù)=3111010101連接數(shù)=3101010101連接數(shù)=4111111111連接數(shù)=02023/7/2629連接數(shù)采用連接數(shù)的1-像素的分類：連接數(shù)=0：孤立點或內(nèi)部點連接數(shù)=1：端點連接數(shù)=2：連接點連接數(shù)=3：分枝點連接數(shù)=4：交叉點---------------考慮:目的?2023/7/2630像素的可刪除性當(dāng)改變一個像素的值時，整個圖像的連接性不變（不出現(xiàn)各連接成分的分離、結(jié)合、孔的消失及生成這種現(xiàn)象），則稱這個像素為可刪除的（deletable）?？梢詮睦碚撋献C明可刪除的像素和連接數(shù)等于1的像素是一致的。圖像細(xì)化過程中，對端點的處理應(yīng)慎重，否則連接成分改變，線長變短。刪除過程決不能改變連接成分?。?！2023/7/2631像素的可刪除性分析,為什么?2023/7/2632刪除時注意，不要讓線段變短2023/7/2633像素間的距離一般地,對于某一集合S的元素p,q,r,把滿足下述性質(zhì)（稱為距離的三公理）的函數(shù)d稱為距離(distance)。(1)只有當(dāng)p=q時，才有d(p,q)=0;(2)d(p,q)=d(q,p)(3)d(p,r)<=d(p,q)+d(q,r)2023/7/2634像素間的距離雖然能夠定義滿足上式的各種各樣的距離函數(shù)，但在數(shù)字圖像處理中，對于兩個像素(i,j)和(h,k)，經(jīng)常采用下面的距離：(b)4-鄰域距離(c)8-鄰域距離(a)歐幾里德距離2023/7/2635像素間的距離歐幾里德距離，從一個像素開始的距離2023/7/2636像素間的距離4-鄰域距離，從一個像素開始的距離2023/7/2637像素間的距離8-鄰域距離，從一個像素開始的距離2023/7/2638像素間的距離從上面的例子可知，從一個像素開始的等距離線，在de中大致呈圓形，在d4

中呈旋轉(zhuǎn)了45度的正方形，在d8中呈正方形。因此，有時把d4稱為街區(qū)化距離（city-blockdistance）;把d8稱為國際象棋盤距離（chess-boarddistance）。2023/7/26397.2二值數(shù)學(xué)形態(tài)學(xué)圖像處理起源數(shù)學(xué)形態(tài)學(xué)（MathematicsMorphology）形成于1964年，法國巴黎礦業(yè)學(xué)院馬瑟榮（G.

Matheron）和其學(xué)生賽拉（J.Serra）從事鐵礦核的定量巖石學(xué)分析，提出了該理論。2023/7/2640數(shù)學(xué)形態(tài)學(xué)圖像處理發(fā)展數(shù)學(xué)形態(tài)學(xué)是一門建立在嚴(yán)格數(shù)學(xué)理論基礎(chǔ)上的學(xué)科，其基本思想和方法對圖像處理的理論和技術(shù)產(chǎn)生了重大的影響。形態(tài)學(xué)一般指生物學(xué)中研究動物和植物結(jié)構(gòu)的一個分支。數(shù)學(xué)形態(tài)學(xué)表示以形態(tài)為基礎(chǔ)對圖像進(jìn)行分析的數(shù)學(xué)工具。目前，形態(tài)學(xué)圖像處理已成為數(shù)字圖像處理的一個主要研究領(lǐng)域。在文字識別、顯微圖像分析、醫(yī)學(xué)圖像、工業(yè)檢測、機器人視覺都有很成功的應(yīng)用。2023/7/2641數(shù)學(xué)形態(tài)學(xué)圖像處理定義數(shù)學(xué)形態(tài)學(xué)（MathematicalMorphology）是分析幾何形狀和結(jié)構(gòu)的數(shù)學(xué)方法。它建立在集合代數(shù)的基礎(chǔ)上，是用集合論方法定量描述目標(biāo)幾何結(jié)構(gòu)的學(xué)科。這種結(jié)構(gòu)表示的可以是分析對象的宏觀性質(zhì)，例如，在分析一個工具或印刷字符的形狀時，研究的就是其宏觀結(jié)構(gòu)；也可以是微觀性質(zhì)，例如，在分析顆粒分布的紋理時，研究的便是微觀結(jié)構(gòu)。2023/7/2642數(shù)學(xué)形態(tài)學(xué)圖像處理它的基本思想：是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對應(yīng)形狀以達(dá)到對圖像分析和識別的目的。數(shù)學(xué)形態(tài)學(xué)的數(shù)學(xué)基礎(chǔ)和所用的語言是集合論。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡化圖像數(shù)據(jù)，保持它們的基本形狀，并除去不相干的結(jié)構(gòu)。2023/7/2643數(shù)學(xué)形態(tài)學(xué)圖像處理形態(tài)學(xué)研究幾何結(jié)構(gòu)的基本思想利用一個結(jié)構(gòu)元素（相當(dāng)于模板）去探測一個圖像?？词欠衲軐⑦@個結(jié)構(gòu)元素很好地填放在圖像的內(nèi)部。B圖1形態(tài)學(xué)基本運算A2023/7/2644數(shù)學(xué)形態(tài)學(xué)圖像處理形態(tài)學(xué)研究幾何結(jié)構(gòu)的基本思想通過對圖像內(nèi)適合放入結(jié)構(gòu)元素的位置做標(biāo)記，就可得到關(guān)于圖像結(jié)構(gòu)的信息。這些信息與結(jié)構(gòu)元素的尺寸和形狀都有關(guān)。構(gòu)造不同的結(jié)構(gòu)元素，便可完成不同的圖像分析，得到不同的分析結(jié)果。包括兩部分:圖像和結(jié)構(gòu)元素(一個小圖像)2023/7/2645數(shù)學(xué)形態(tài)學(xué)圖像處理數(shù)學(xué)形態(tài)學(xué)的基本運算有4個：膨脹（或擴(kuò)張）腐蝕（或侵蝕）開啟閉合結(jié)構(gòu)元素:對每個結(jié)構(gòu)元素先要指定一個原點,它是結(jié)構(gòu)元素參與形態(tài)學(xué)運算的參考點.注意:原點可以包含在結(jié)構(gòu)元素中,也可以不包含在結(jié)構(gòu)元素中(即原點不一定要屬于結(jié)構(gòu)元素),但良種情況下運算結(jié)果常不相同.最基本運算2023/7/2646數(shù)學(xué)形態(tài)學(xué)圖像處理1、膨脹（dilation）簡單膨脹是將與某物體接觸的所有背景合并到該物體的過程。過程的結(jié)果是使物體的面積增大了相應(yīng)數(shù)量的點。如果物體是圓的，它的直徑在每次膨脹后增大2個像素。如果兩個物體在某點相隔少于3個像素，它們將在該點連通起來（合并為一個物體）。2023/7/2647數(shù)學(xué)形態(tài)學(xué)圖像處理--膨脹膨脹在填補分割后物體中的空洞時很有用。一般膨脹定義為：2023/7/2648數(shù)學(xué)形態(tài)學(xué)圖像處理采用基本的3*3結(jié)構(gòu)元素時，一般膨脹化為簡單膨脹。2023/7/2649膨脹運算例：膨脹運算圖解:圖(a)陰影部分為集合A，圖(b)中陰影部分為結(jié)構(gòu)元素B（標(biāo)有+處為原點），圖(c)為B的映像，圖（d）中的2種陰影部分合起來為集合膨脹后的集合。（深色陰影部分為擴(kuò)大的部分）2023/7/2650數(shù)學(xué)形態(tài)學(xué)圖像處理--腐蝕2、腐蝕（Erosion）簡單的腐蝕是消除物體所有邊界點的一種過程，其結(jié)果使剩下的物體沿其周邊比原物體小一個像素的面積。(如3*3的結(jié)構(gòu)元素)如果物體是圓的，它的直徑在每次腐蝕后將減少2個像素。如果物體任一點的寬度不大于2個像素的物體將被除去。腐蝕對從一幅分割圖像中去除小且無意義的物體是很有用的。2023/7/2651數(shù)學(xué)形態(tài)學(xué)圖像處理--腐蝕一般腐蝕定義為：A用B腐蝕的結(jié)果是所有x的集合，其中B平移x后仍在A中。即，用B來腐蝕A得到的集合是B完全包括在A中時B的原點位置的集合。使用基本的3*3結(jié)構(gòu)元素時，一般意義的腐蝕簡化為簡單腐蝕。2023/7/2652數(shù)學(xué)形態(tài)學(xué)圖像處理例腐蝕運算圖解。圖(a)陰影部分為集合B，圖(b)中陰影部分為結(jié)構(gòu)元素S（標(biāo)有+處為原點），圖(c)中的深色部分為腐蝕后的結(jié)果,（淺色陰影部分為原來的部分）.圖(d)中的深色部分為對腐蝕后的結(jié)果再用相同的結(jié)構(gòu)元素進(jìn)行膨脹的結(jié)果。（淺色陰影部分為原來的部分）.注意:先腐蝕再膨脹不一定能完全恢復(fù)原來的內(nèi)容.先膨脹再腐蝕也不一定能完全恢復(fù)原來的內(nèi)容.(a)(b)(c)(d)2023/7/2653

先膨脹再腐蝕不一定能完全恢復(fù)原來的內(nèi)容.比較b和d圖

2023/7/2654原點不包含在結(jié)構(gòu)元素中的膨脹和腐蝕原點包含在結(jié)構(gòu)元素中時,膨脹有:腐蝕有:但原點不包含在結(jié)構(gòu)元素中時,相應(yīng)的結(jié)果會有不同.2023/7/2655原點不包含在結(jié)構(gòu)元素中的膨脹運算內(nèi)容來自—章毓晉-<圖像處理和分析教程>人民郵電出版社2023/7/2656原點不包含在結(jié)構(gòu)元素中的腐蝕運算2023/7/2657原點不包含在結(jié)構(gòu)元素中的腐蝕運算2023/7/2658膨脹和腐蝕的對偶性一個運算對圖像目標(biāo)的操作相當(dāng)于另一個運算對圖像背景的操作.2023/7/2659膨脹和腐蝕的對偶性2023/7/2660數(shù)學(xué)形態(tài)學(xué)圖像處理--開啟運算3、開啟運算先腐蝕后膨脹的過程稱為開啟運算。它具有消除細(xì)小物體、在纖細(xì)點處分離物體和平滑較大物體的邊界時不明顯改變其面積的作用。開啟運算定義為：2023/7/2661開啟操作的幾何解釋假設(shè)將結(jié)構(gòu)元素B看成一個轉(zhuǎn)球.開啟結(jié)果的邊界通過B中的點完成,即B在A的邊界內(nèi)部轉(zhuǎn)動時,B中的點所能到達(dá)A的邊界的最遠(yuǎn)點.注意:最后的結(jié)果是去除了三角形的三個角.開啟后的面積小于或等于原面積2023/7/2662數(shù)學(xué)形態(tài)學(xué)圖像處理--閉合運算4、閉合運算先膨脹后腐蝕的過程稱為閉合運算。它具有填充物體內(nèi)細(xì)小空洞、連接臨近物體、在不明顯改變物體面積的情況下平滑其邊界的作用。閉合運算定義為：2023/7/2663閉合操作的幾何解釋假設(shè)將結(jié)構(gòu)元素B看成一個轉(zhuǎn)球.閉合結(jié)果的邊界通過B中的點完成,即B在A的邊界外部轉(zhuǎn)動時,B中的點所能到達(dá)A的邊界的最遠(yuǎn)點.注意:閉合后的結(jié)果,填充了原來的小三角.面積一般大于或等于原面積.2023/7/2664數(shù)學(xué)形態(tài)學(xué)圖像處理通常，當(dāng)噪聲圖像用閾值分割時，所得到的邊界往往很不平滑的，物體區(qū)域具有一些錯判的孔，背景區(qū)域上則散布著一些小的噪聲物體。連續(xù)的開和閉運算可以顯著地改善這種情況。有時接連幾次腐蝕迭代之后，加上相同次數(shù)的膨脹，才可以產(chǎn)生所期望的效果。2023/7/2665

開啟運算使目標(biāo)輪廓光滑，并去掉了毛刺和孤立點，銳化角，閉合運算則填平小溝，彌合孔洞和裂縫。膨脹和腐蝕的反復(fù)使用就可檢測或清除圖像中的小成分或孔。2023/7/2666開啟和閉合操作的進(jìn)一步的例子圖(a)是原圖.圖(b)~(e)是開啟的結(jié)果,向外的拐角圓滑了，向內(nèi)的拐角未受影響,中間的橋接消失了;圖(f)~(i)是閉合的結(jié)果,向內(nèi)的拐角圓滑了，向外的拐角未受影響,左邊的縫隙消失了.2023/7/2667數(shù)學(xué)形態(tài)學(xué)圖像處理5、腐蝕和膨脹的變種通常反復(fù)施以腐蝕運算，將使一個物體變得不存在。類似地，反復(fù)膨脹將把一幅圖像中的所有物體合并為一個。然而，可以對腐蝕和膨脹過程適當(dāng)?shù)丶右愿淖?，以便在一些?yīng)用中產(chǎn)生更合適的效果。2023/7/2668數(shù)學(xué)形態(tài)學(xué)圖像處理（1）收縮（Shrinking）當(dāng)腐蝕以一種不觸及單像素物體的方式時，這個過程稱為收縮（Shrinking）。當(dāng)物體總數(shù)必須保持不變時，這種方法很有用。但收縮時會使非常不圓的物體（如啞鈴狀的物體）分解，因此這種技術(shù)有它的局限性。2023/7/2669數(shù)學(xué)形態(tài)學(xué)圖像處理（2）細(xì)化（Thinning）將一個曲線形物體細(xì)化為一條單像素寬的線，從而圖形化地顯示出其拓?fù)湫再|(zhì)。

這種方法可用作分隔有相互接觸物體的算法的基礎(chǔ)。(3)抽骨架—細(xì)化的一種。也稱中軸變換。（4）粗化：在不合并相互分離的物體下進(jìn)行擴(kuò)大邊界。2023/7/2670膨脹處理的一個例子：填補隙縫

2023/7/2671

腐蝕膨脹開運算用來消除小物體、在纖細(xì)點處分離物體、平滑較大物體的邊界閉運算用來填充物體內(nèi)細(xì)小空洞、連接鄰近物體、平滑其邊界的同時并不明顯改變其面積2023/7/2672

開運算,閉運算,腐蝕,膨脹2023/7/2673形態(tài)學(xué)濾波形態(tài)學(xué)可以構(gòu)造與空間濾波概念類似的濾波器.右圖(a)中的二值圖像顯示了受噪聲污染的部分指紋圖像.(噪聲表現(xiàn)為黑色背景上的亮元素與亮指紋部分的暗元素).消除噪聲,使圖像失真盡可能減少.先開啟操作再閉合操作.圖(c)是腐蝕的結(jié)果,背景噪聲被消除了,因為噪聲的尺寸小于結(jié)構(gòu)元素.而包含于指紋中的噪聲元素(黑點)的尺寸卻有增加.圖(d)的膨脹結(jié)果消除了指紋中的噪聲.===開啟操作消除了背景和指紋中的噪聲,但在指紋紋路間產(chǎn)生了新的間斷.圖(e)對開啟的結(jié)果進(jìn)行膨脹,大部分的間斷被恢復(fù)了,但紋路變粗了;圖(f)再對結(jié)果進(jìn)行腐蝕.==閉合操作最后的結(jié)果有些指紋的紋路沒有被完全恢復(fù).—進(jìn)一步用抽取骨架的辦法.2023/7/2674課堂練習(xí)左圖為二值圖像B（7*7）,右為結(jié)構(gòu)元素圖像S(3*3,原點在中間),求對B進(jìn)行開啟和閉合運算的圖像.對結(jié)果進(jìn)行討論.未出現(xiàn)的像素為0-像素.二值圖像B結(jié)構(gòu)元素圖像S(3*3,原點在中間)2023/7/2675先腐蝕后膨脹的過程稱為開啟運算。先腐蝕后膨脹2023/7/2676先膨脹后腐蝕的過程稱為閉合運算。先膨脹后腐蝕2023/7/2677結(jié)果開啟閉合的結(jié)果.開啟的結(jié)果把小成分或幅度狹小的部分除掉.閉合的結(jié)果對連接成分的小孔或細(xì)小的凹進(jìn)部分填充.開啟的結(jié)果閉合的結(jié)果2023/7/2678MATLAB應(yīng)用實例--根據(jù)具體版本調(diào)整(1)、dilate(imdilate)函數(shù)該函數(shù)能夠?qū)崿F(xiàn)二值圖像的膨脹操作，有以下形式：BW2=dilate(BW1，SE)BW2=dilate(BW1，SE，…，n)其中：BW2=dilate(BW1，SE)表示使用二值結(jié)構(gòu)要素矩陣SE對圖像數(shù)據(jù)矩陣BW1執(zhí)行膨脹操作。輸入圖像BW1的類型為double或unit8，輸出圖像BW2的類型為unit8。BW2=dilate(BW1，SE，…，n)表示執(zhí)行膨脹操作n次。2023/7/2679MATLAB應(yīng)用實例--根據(jù)具體版本調(diào)整(2)、erode(imerode)函數(shù)該函數(shù)能夠?qū)崿F(xiàn)二值圖像的腐蝕操作，有以下形式：BW2=erode(BW1，SE)BW2=erode(BW1，SE，…，n)其中：BW2=erode(BW1，SE)表示使用二值結(jié)構(gòu)要素矩陣SE對圖像數(shù)據(jù)矩陣BW1執(zhí)行腐蝕操作。輸入圖像BW1的類型為double或unit8，輸出圖像BW2的類型為unit8。BW2=erode(BW1，SE，…，n)表示執(zhí)行腐蝕操作n次。2023/7/2680MATLAB應(yīng)用實例--根據(jù)具體版本調(diào)整(3)、bwmorph函數(shù)該函數(shù)的功能是能實現(xiàn)二值圖像形態(tài)學(xué)運算。它的格式如下：①BW2=bwmorph(BW1，operation)②BW2=bwmorph(BW1，operation，n)其中：對于格式①，bwmorph函數(shù)可對二值圖像BW1采用指定的形態(tài)學(xué)運算；對于格式②，bwmorph函數(shù)可對二值圖像BW1采用指定的形態(tài)學(xué)運算n次。operation為下列字符串之一：‘clean’：除去孤立的像素(被0包圍的1)‘close’：計算二值閉合‘dilate’：用結(jié)構(gòu)元素計算圖像膨脹‘erode’：用結(jié)構(gòu)元素計算圖像侵蝕……2023/7/2681MATLAB應(yīng)用實例(4)、imclose函數(shù)該函數(shù)功能是對灰度圖像執(zhí)行形態(tài)學(xué)閉運算，即使用同樣的結(jié)構(gòu)元素先對圖像進(jìn)行膨脹操作后進(jìn)行腐蝕操作。調(diào)用格式為：IM2=imclose(IM,SE)IM2=imclose(IM,NHOOD)IMCLOSE(IM,NHOOD)performsclosingwiththestructuringelementSTREL(NHOOD),whereNHOODisanarrayof0sand1sthatspecifiesthestructuringelementneighborhood.2023/7/2682MATLAB應(yīng)用實例(5)、imopen函數(shù)該函數(shù)功能是對灰度圖像執(zhí)行形態(tài)學(xué)開運算，即使用同樣的結(jié)構(gòu)元素先對圖像進(jìn)行腐蝕操作后進(jìn)行膨脹操作。調(diào)用格式為：IM2=imopen(IM,SE)IM2=imopen(IM,NHOOD)IMCLOSE(IM,NHOOD)performsclosingwiththestructuringelementSTREL(NHOOD),whereNHOODisanarrayof0sand1sthatspecifiesthestructuringelementneighborhood.2023/7/2683例:用MATLAB編程實現(xiàn)圖像去噪用二值形態(tài)學(xué)方法對圖像中的噪聲進(jìn)行濾除的基本思想是：使用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對應(yīng)形狀，以達(dá)到消除圖像噪聲的目的。下面是二值形態(tài)學(xué)消除圖像噪聲的一個實例。首先將tire.tif圖像加入椒鹽噪聲，這種噪聲前面已經(jīng)介紹過，它在亮的圖像區(qū)域內(nèi)是暗點，而在暗的圖像區(qū)域內(nèi)是亮點，再對有噪聲圖像進(jìn)行二值化操作，再對有噪聲圖像進(jìn)行開啟操作，由于這里的結(jié)構(gòu)元素矩陣比噪聲的尺寸要大，因而開啟的結(jié)果是將背景上的噪聲點去除了，最后對前一步得到的圖像進(jìn)行閉合操作，將輪胎上的噪聲點去掉了。2023/7/2684算法實現(xiàn)的程序代碼I1=imread('tire.tif');%讀灰度圖tire.tifI2=imnoise(I1,'salt&pepper');%在圖像上加入椒鹽噪聲subplot(1,2,1),imshow(I1),title('原圖象');subplot(1,2,2),imshow(I2),title(‘加噪聲圖象’);

%顯示原圖象和加椒鹽噪聲后的灰度圖像2023/7/2685算法實現(xiàn)的程序代碼I3=im2bw(I1);%把加椒鹽噪聲后的灰度圖像二值化figure,imshow(I3),title('二值圖象')%顯示二值化后的圖像I4=bwmorph(I3,'open');%對二值噪聲圖像進(jìn)行二值形態(tài)學(xué)開運算figure,subplot(1,2,1),imshow(I4),title('開運算后');%顯示開運算后的圖像I5=bwmorph(I4,'close');%對上述圖像進(jìn)行形態(tài)學(xué)閉運算subplot(1,2,2),imshow(I5),title('閉運算后')%顯示最終處理后的圖像2023/7/2686英語小練習(xí)Ingeneralcase,morphologicalimageprocessingoperatesbypassingastructur