【正文】 減少了亮和暗的因素和噪聲。用閉運算消除與結構元素相比尺寸較小的暗細節(jié)，而保持圖像整體灰度值和大的暗區(qū)域基本不變。 則 認 為該像素為邊界像素。其中最根本的問 題是解決檢測精度和抗噪能力間的矛盾 。 利用形態(tài)學的基本運算是基于集合的觀點，這個集合集中反映了物體的形狀、體積、紋理、色彩等等。結構元素可以為圓盤形、正方形、菱形、六邊形、線段形等。 CDCDACDCDABA ?????????? )()())((? （ 41） 由式（ 41） 可以得出： SSSSABA ????? )(? （ 42） 若將 式（ 42）中的 2 次腐蝕膨脹擴展為 K 次，則 ??? ?? ???? ?? ??kk SSSSSSABBABA ???????? ()( （ 43） 因此開運算就轉換成不斷使用小結構元素 S 腐蝕原圖像，再依次用小結構元素 S 膨脹。 數(shù)學形態(tài)學建立在集合論基礎上，是一種應用于圖像處理和模式識別領域的新的方法。它是一種非線性的差分算子，而且其檢測出的邊緣與結構元素 B 有關。 根據(jù)數(shù)學形態(tài)學的膨脹、腐蝕、開、閉運算的定義及擴張性，令 f(x， y)表示圖像， B 表示結構元素，當 B 包括 坐 標原點時，有 ： BffBf ???? （ 45） BffBf ???? （ 46） 綜合 （ 45）和（ 46） 兩式及形態(tài)學基本運算定律可得 到如式（ 47）的形式。MatrHildreth 邊緣檢測方法 (LOG 算子 )采取先對原始圖像用高斯空間濾波器做最佳平滑，然后用拉普拉斯算子對濾波后的圖像提取零交叉點，以克服噪聲對邊緣檢測的影響。結構元素尺寸的計算 是一個重要問題。例如線段狀結構元素，若它的原點在中點則為對稱結構，若原點在端頭則為非對稱結構。在數(shù)學上，利用灰度函數(shù)的導數(shù)來描述邊緣點的變化規(guī)律。因此，邊緣檢測在圖像處理與計算機視覺中占有特殊的位置，它是是圖像分割、紋理特征提取和形狀特征提取等圖像分析的重要基礎，是底層視覺處理中最重要的環(huán)節(jié)之一。 (a)原圖像 (b)骨架化效果 (c)邊界像素測定效果 圖 36 圖像的骨架化及邊界像素測定 對于一幅二進制灰度圖像，如果圖像的像素值為 1，則圖像的狀態(tài)為 ON；如果其 像素 的值為 0，則該像素的狀態(tài)為 OFF。該方法中，對結構元素 的選取相當重要，它應當比所有的噪聲孔和噪聲塊的尺寸都要大。去除噪聲的一般的思想是：先對有噪聲的圖像進行噪聲的模糊，也即是先平滑圖像然 后進行形態(tài)邊緣檢測。 ；；；；；；；；；；]10101011101010101010101010101010111011101010181818101011101010101818181011101010101018181810101011101010101010101010100101110111010141414010101110101014141401011101110101414141010101010101010101010[?A 圖 33 形態(tài)學重構的簡單圖像矩陣 要很好地重構這幅圖像，可以通過以下兩個步驟實現(xiàn)： （ 1） 首先創(chuàng)建標記圖像 與 腐蝕 和膨脹操作中使用的結構元素一樣，標記圖像的特征決定了形態(tài)學重構結果所具理工大學畢業(yè)論文 21 有的特征，所以表搜集圖像的峰值應該確定掩模圖像中希望強調(diào)對象的位置。根據(jù)擊中擊不中 變換 細化過程可以定義 成如式（ 32）所示的形式。 利用擊中擊不中變換即可以提取特定的相交結構信息。從 式（ 258）和式（ 259） 的結果可知，經(jīng)模糊形態(tài)腐蝕膨脹運算后的隸屬函數(shù)均落在 [0,1]的區(qū)間內(nèi) 。 )} )()({))}()((({)](,[21)( )(zxzfyxyfkofs m al l e s tkthxkf Kzx Kyx ?????? ?? ?? ????? ? （ 257） 其中， 2, Zzyx ? 是空間坐標， ZFf ?: 是圖像的灰度值， ZK ?1:? 是灰度結構元素的核心， ZK ?2:? 表示結構元素的軟邊界， 221 , ZKKF ? 分別表示灰度圖像、灰度結構元素的核心、灰度結構元素的軟邊 界的定義域， 12 / KKK ? （集合差），其中 2ZK? 表示灰度結構元素的定義域。二值形態(tài)學中的一些基本運算性質，在灰度形態(tài)學中依然成立，只是二值形態(tài)學是在集合的層次上，在灰度形態(tài)學中一律以函數(shù)代替；二值形態(tài)學用的是集合的交、并和補等集合關系的運算，在灰度形態(tài)學中就以函數(shù)的相加、減并取結果的極大值 或極小值的關系的運算代替；例如開運算的平移不變性可表示 為式（ 254）的形式。圖 (c)給出開啟操作的結果。灰度數(shù)學形態(tài)學中關于開啟和閉合的表達與它們在二值數(shù)學形態(tài)學中的對應運算是一致的。 ])[(],],)[( gfgfgfgfgf ??????????? （ 239） 2．單調(diào)性 如式（ 240）和式（ 241）所示。 ]}?[|)(?{ bDxxbfbf x ????? （ 237） ]}[|)({ bDxxbfbf x ????? （ 238） 根據(jù)以上的定義形式，灰度膨脹可按下面步驟完成：對結構元素 b 的定義域 ][bD 中的 每一個點 x 將信號 f 平移 x，然后再對每次平移的信號的值加上 )(xb ，這樣對于結構元素定義域 中的每個點都得到一個信號，對所有這些信號逐點取其最大值，便可得到膨脹的結果；灰度腐蝕則可按下面步驟完成：對于結構元素 b 的定義域中的每一點 x ，將信號 f 平移 x? ，然后再從每次平移信號值減去 )(xb ，這樣對于結構元素定義域中的每一點都得到一個信號，對所有這些信號逐點取其最小值，便得到腐蝕的結果。 圖 213 灰度圖像的膨脹和腐蝕變換 圖 213 描述了這兩種變換。 )}),()(),(|),(),(m i n {),)(( bf DyxDytxsyxbytxsftsbf ????????? 和 （ 235） 式中， fD 和 bD 分別是 f 和 b 的定義域。 )}),()(),(|),(),(m a x {),)(( DbyxDytxsyxbytxsftsbf f ????????? 和 （ 233） 式中， fD 和 bD 分別是 f 和 b 的定義域。如果 x 在 f 的定義域內(nèi)，但在 g 的定義域外， 那么定義 )())(( xfxgf ?? 。 灰度形態(tài)學理論基礎 灰度形態(tài)變換是建立在二值形態(tài)變換的基礎上的，在二值形態(tài)學中，集合的平移和交、并等變換仍然起著關鍵性的作用，但是對于圖像和結構元素模型已經(jīng)不能僅用二值的集合表示，而用的是函數(shù)表示。 BAABA ???? （ 222） 3．單調(diào)性 如式（ 223）和式（ 224）所示。 圖 27 二值圖像開運算示意圖 使用結構 元素 B 對集合 A 進行閉操作，表示為 BA? ， 其 定義 如式（ 220）所示。 6. 尺度伸縮性 如式（ 215）所示。 )()()()( BABABABA CCCC ???????? （ 28） 2. 單調(diào)性 如式（ 29）和式（ 210）所示。 }|{})(|{ AzBzABzBA z ?????? （ 27） A 被 B 腐蝕是所有位移 z 的集合。 })?(|{ 空集??? ABzBA z ? （ 25） 其中 A 稱為輸入圖像， B 稱為結構元素。按照 這種 種觀點，函數(shù) C 為 ???? 其他 ，或是均為為或若0 11),(),(1),( yxByxAyxC （ 21） 另一方面，運用集合的觀點， C 的定義 如式（ 22）所示。數(shù)學形態(tài)學算子的性能主要以幾何方式進行刻畫，而幾何描述的特點更適合視覺信息的處理和分析，其基本思想如圖 21 所示。 6．形態(tài)小波研究。將開、閉算子組合起來可以構成性能更優(yōu)越的濾波器。結構元素是一個可以在圖 像 上平移、且尺寸比圖 像 小的集合。 數(shù)學形態(tài)學是圖像處理和模式識別領域的新方法 [5]，其基本思想是用具有一定形態(tài)的結構元素去度量和提取圖像中的對應的形狀，已達到對圖像分析和識別的目的。數(shù)學形態(tài)學不僅提供了描述和分析圖像幾何及形狀特征的多種技術和方法，同時它對于經(jīng)典的信號處理技術也產(chǎn)生了極大的影響并擴展了原有的技術。這門學科在計算機文字識別，計算機顯微圖像分析 (如定量金分析，顆粒分析 )，醫(yī)學圖像處理，工業(yè)檢測 (如印刷電路自動檢測 )，機器 人視覺等方面都取得了許多非常成功的應用。 深入了解數(shù)學形態(tài)學會發(fā)現(xiàn)，數(shù)學形態(tài)學的基本思想及方法適用于與圖像處理有關的各個方面，如基于擊中擊不中變換的目標識別，基于流域概念的圖像分割，基于腐蝕和開運算的骨架抽取及圖像編碼壓縮，基于測地距離的圖像重構，基于形態(tài)學濾波器的顆粒分析等。形態(tài)學方法已 經(jīng)迅速成為圖像應用領域工程技術人員的必備工具。軟數(shù)學形態(tài)學方法用排序加權統(tǒng)計方法代替最小、最大法。 1982 年出版的專著《 Image Analysis andMathematical Morphology》是數(shù)學形態(tài)學發(fā)展的重要里程碑，表明數(shù)學形態(tài)學在理論上趨于完備及應用上不斷深入。本論文圍繞數(shù)學形態(tài)學 圖像處理方法 ， 介紹了形態(tài)學在 擊中或擊不中變換、圖像的細化和粗化、圖像重構和圖像平滑方面 的基本 應用 ，重點 對 各種 形態(tài)學圖像邊緣檢測算法 做了仿真實現(xiàn)，并和傳統(tǒng)邊緣檢測算法做比較，最后對結果進行了分析。 Sinha 和 Dougherty 于 90 年代初將模糊數(shù)學引入數(shù)學形態(tài)學領域，形成模糊數(shù)學形態(tài)學。舒昌獻、莫玉龍等對基于軟化形態(tài)學的邊緣檢測算子的性能也進行了分析和比較。數(shù)學形態(tài)學基于探測的思想，與人的視覺特點有類似之處。顯然，這并不是一句簡單的褒獎。所以，對數(shù)學形態(tài)學的理論研究是非常有意義的。 本文結合目前的研究進展，對數(shù)學形態(tài)學的理論研究及其應用進展進行了綜合性闡述。比如在圖像 恢復處理方面，基于數(shù)學形態(tài)學的形狀濾波器可借助于先驗的幾何特征信息，利用形態(tài)學算子就能有效地濾除噪聲，還可以保留圖像中原有的信息； 另外， 基于數(shù)學形態(tài)學的邊緣信息提取處理優(yōu)于基本微分運算的邊緣提取算法，它對噪聲不像微分算法那樣敏感，且提取的邊緣也較平滑。在此基礎上，眾多學者進行了大量、深入的研究，提出了一系列新的數(shù)學形態(tài)學理論?？焖偎惴ǖ难芯恐荚诮Y合實際背景，優(yōu)化計算方法，提高運算速度。 改善數(shù)學形態(tài)學的通用性，增強其適應性，結合其他領域的最新應用進展門發(fā)展數(shù)學形態(tài)學理論和方法，拓展其應用領域，是數(shù)學形態(tài)學重要研究內(nèi)容。其中 a 表示元素， A ， B 表示集合。 },|{)( AazaccA z ???? （ 23） 定義 2： 集合對于原點的反射，稱為 B 的反射，表示為 B? ， 其 定義 如式（ 24）所示。 })(|{ 空集????? AzBzBA ? （ 26） 膨脹的直觀解釋是：將結構元素 B 做映像后，在圖像上 A 移動，當 A 與 B 的映像有交集的時候， B 的映像的原點所經(jīng)過的所有的點構成的集合就 是 B 膨脹 A 的結果；腐蝕的直觀解釋是：當集合 B 完全包含在集合 A 中時， B 的原點位置的集合就是用 B 腐蝕 A 的結果 。一般地，如果原點在結構元素的內(nèi)部，則腐蝕后的圖像為輸入圖像的一個子集，這就是稱作 ―腐蝕 ‖的原因；如果原點在結構元素的外部，那么腐蝕后的圖像可能不在輸入圖像的內(nèi)部。 4. 交換律 如式（ 212）所示。這符合實際的要求，因為當同一目標出現(xiàn)在圖像的不同位置時，對它們的分析不應因位置差異而不同。比較 (a)和 (b)可以看到，開運算完全刪除了不能包含結構元素的對象區(qū)域，平滑了對象的輪廓，斷開了狹窄的連接，去掉了細小的突出部分。 理工大學畢業(yè)論文 11 xBABxAxBABxA ???????? )()(,)( ?? （ 226） 開、閉運算是由腐蝕和膨脹組成的二次運算，因此具有與腐蝕和膨脹相類似的性質。 )()( xzfzfx ?? （ 227） 將信號，豎直移動 y ，稱為偏移，記為 ))(( zyf ? ， 其 定義 如式（ 228）所示。如圖 211 所示。膨脹灰度圖像的結果是，比背景亮的部分得到擴張，而比背景暗的部分受到收縮。膨脹灰度圖像的結果是，比背景暗的部分得到擴張，而比背景暗的部分受到收縮?；叶扰蛎浥c二值膨脹之間也有類似關系。從 (b)可以看出圖像經(jīng)過膨脹后，比原圖像更明亮且消除了小的、暗的細節(jié)。 fggf ??? （ 243） 5. 結合律 如式（ 244）所示。這種填充表達方式可以從幾何角度直觀地描述開運算：在信號的下方滑動結構元素，并在每一點記錄結構元素上的最高點，原點相對結構元素的位置不會對運算結果產(chǎn)生影響。實際中常用開啟操作 來 消除與結構元素相比尺寸較小的亮細節(jié)，理工大學畢業(yè)論文 17 而保持圖像整體灰度值和大的亮區(qū)域基本不受影響。 軟數(shù)學形態(tài)學可進一步分為灰度軟數(shù)學形態(tài)學和二值軟數(shù)學形態(tài)學 。所以軟化形態(tài)學比標準形態(tài)學具有更強的抑制噪聲的能力 [11]。一個物體的結構一般可以通過物體內(nèi)部各種成分之間的關系來確 定。 變換過程如圖 31[7]所示： )()(* 21 BABABA c ??? ? （ 31） 31 擊