灰度图像的腐蚀与膨胀

从实例来演示整个过程&＃xff0c;易于理解&＃xff0c;这是一个很好的详细的例子。

http://hi.baidu.com/lwb198609_love/blog/item/6b3b1f395f8228f315cecb97.html

&＃xff08;1&＃xff09;灰度膨胀
>>t&＃61;rand(7,8);
>> t&＃61;ceil(t.*256)%t为灰度图像
t &＃61;
  209  125  191    9  168  246  158    14
  232  205  101  113   42  141  122   136
   33   37  168   98   31   36   91   200
  234  108   44  196  128   39  213   240
  162  235  181  204  246   66  150    34
   25  203    9   48   88  216  141   146
   72  246   71  126  150   66  235   121
>>figure,imshow(t,[],&＃39;InitialMagnification&＃39;,&＃39;fit&＃39;);


结构元素&＃xff1a;
>> se&＃61;strel(&＃39;square&＃39;,3)
se &＃61;
Flat STREL object containing 9 neighbors.

Neighborhood:
    1    1    1
    1    1    1
    1    1    1
灰度膨胀操作&＃xff1a;
>> g&＃61;imdilate(t,se)
g &＃61;
  232  232  205  191  246  246  246   158
  232  232  205  191  246  246  246   200
  234  234  205  196  196  213  240   240
  235  235  235  246  246  246  240   240
  235  235  235  246  246  246  240   240
  246  246  246  246  246  246  235   235
  246  246  246  150  216  235  235   235
>>figure,imshow(g,[]);

从这个数据中可以看出&＃xff1a;

1、胀可以使一个孤立的高亮噪音扩大化。

2、可以使用物体的一些低亮度的关键细节丢失。

&＃xff1a;




结论&＃xff1a;平坦的灰度膨胀是一个局部最大值算子。
&＃xff08;2&＃xff09;灰度腐蚀
同样采用上述示例图像t:
>> ge&＃61;imerode(t,se)
ge &＃61;
  125  101    9    9    9   42   14    14
   33   33    9    9    9   31   14    14
   33   33   37   31   31   31   36    91
   33   33   37   31   31   31   34    34
   25    9    9    9   39   39   34    34
   25    9    9    9   48   66   34    34
   25    9    9    9   48   66   66   121
>> figure,imshow(ge,[]);


分析&＃xff1a;


从这个数据中可以看出&＃xff1a;

1、胀可以使一个孤立的低亮噪音扩大化。

2、可以使用物体的一些高亮度的关键细节丢失。

结论&＃xff1a;平坦的灰度腐蚀是一个局部最小值算子。
&＃xff08;注&＃xff1a;①结构元素不一定规则&＃xff0c;原点也不一定在中心②在边界处时&＃xff0c;不存在填充的说法③膨胀与腐蚀的更多特性参书上的笔记&＃xff09;
&＃xff08;3&＃xff09;形态学梯度初步
“从膨胀后的图像减去腐蚀后的图像可产生一个形态学梯度&＃xff0c;它是检测图像中局部灰度变化的一种度量。”
>> gr&＃61;imsubtract(g,ge)
gr &＃61;
  107  131  196  182  237  204  232   144
  199  199  196  182  237  215  232   186
  201  201  168  165  165  182  204   149
  202  202  198  215  215  215  206   206
  210  226  226  237  207  207  206   206
  221  237  237  237  198  180  201   201
  221  237  237  141  168  169  169   114

2.Morphological 形态学

&＃xff08;1&＃xff09;二维点对集操作&＃xff0c;对于不同的结构用不同的算子&＃xff0c;进行掩膜运算

&＃xff08;2&＃xff09;膨胀操作&＃xff08;Dilation&＃xff09; 对边界进行扩充

&＃xff08;3&＃xff09;腐蚀操作&＃xff08;Erosion&＃xff09;

&＃xff08;4&＃xff09;闭操作&＃xff08;closing&＃xff09;先膨胀后腐蚀&＃xff0c;添洞补沟&＃xff0c;合并小的物体

&＃xff08;5&＃xff09;开操作&＃xff08;opening&＃xff09;先腐蚀后膨胀&＃xff0c;去毛刺&＃xff0c;去掉小的物体

二、灰度图像的形态学处理

膨胀&＃xff1a;把峰值加宽&＃xff0c;凹槽变细&＃xff0c;取最大的B

opening: max(min(A))

closing: min(max(A))

顶帽tophat :得到峰值 &＃xff08; 原图 - 形态学开操作后的图&＃xff09;

底帽bottomhat&＃xff1a;得到凹槽值&＃xff0c;&＃xff08;形态学闭操作后的图 - 原图&＃xff09;

对灰度图进行&＃xff1a;

1.膨胀操作结果

&＃xff08;1&＃xff09;结构元素均为正值&＃xff0c;输出图像趋向比输入图像更亮

&＃xff08;2&＃xff09;暗的细节全部被消除了还是减少了&＃xff0c;取决与膨胀所用的结构元素的值和形状

2.腐蚀操作

&＃xff08;1&＃xff09;结构元素为正值&＃xff0c;输出图像会比输入图像暗

&＃xff08;2&＃xff09;输入图像中亮的细节的面积如果比结构元素的面积小&＃xff0c;则亮的效果将被消弱

3.开操作&＃xff1a;除去较小的明亮细节&＃xff0c;保持整体的灰度级和较大的明亮区域不变

4.闭操作&＃xff1a;除去较小的暗细节&＃xff0c;而相对地保持明亮部分不受影响