【正文】 “ 探針 ” 在圖像中不斷移動 ， 在此過程中收集圖像的信息 、 分析圖像各部分間的相互關(guān)系 ， 從而了解圖像的結(jié)構(gòu)特征 。 ? 在多尺度形態(tài)學(xué)分析中 ， 結(jié)構(gòu)元素的大小可以變化 ， 但結(jié)構(gòu)元素的尺寸一般地要明顯小于目標(biāo)圖像的尺寸 。 ? 二值形態(tài)學(xué)中，集合的交、并運算起到關(guān)鍵作用 – 在灰值形態(tài)學(xué)中這兩種運算對應(yīng)與極大和極小運算。上 一 頁 下 一 頁 home 灰值膨脹 ? 灰值膨脹可用灰值腐蝕的對偶運算來定義。 上 一 頁 下 一 頁 home 圖 利用 TopHat和 Bothat變換檢測圖像峰值和谷值 上 一 頁 下 一 頁 home 開－閉運算和閉－開運算 ? 形態(tài)開、閉運算作為最基本的形態(tài)濾波運算。 ? 為了使上述效果更明顯，對變換后的圖像也可以作閾值處理。171。 ?當(dāng)結(jié)構(gòu)元素 B掃過整個圖像集合內(nèi)部， A○ B就是使結(jié)構(gòu)元素 B的任何像素不越出圖像 A邊界的圖像 A像素點的集合。 ?一幅數(shù)字圖像 A關(guān)于原點的反射定義為 ? AV＝ {a| a∈ A} （ ） 上 一 頁 下 一 頁 home ? 3. 結(jié)構(gòu)元素 ? 結(jié)構(gòu)元素與被處理的目標(biāo)圖像中抽取何種信息密切相關(guān) 。 ? 數(shù)學(xué)形態(tài)學(xué)的理論雖然很復(fù)雜 ， 被稱為 “ 驚人的數(shù)學(xué) ” ， 但它的基本思想?yún)s是簡單而完美的 。 ?1990年起 ， SPIE每年舉辦一次 “ Image Algebra and Morphological Image Processing”會議 。 ? （ 4） 可以用來描述和定義圖像的各種集合參數(shù)和特征 。 上 一 頁 下 一 頁 home 二值開運算 ? 兩種二次運算起著非常重要的作用 – 開運算 – 閉運算（開運算的對偶運算） 。229。 ? 形態(tài)學(xué)梯度的定義為： ?為了更好地獲得邊緣檢測的效果，可以將形態(tài)學(xué)梯度與閾值結(jié)合起來使用。 上 一 頁 下 一 頁 home 開－閉運算和閉－開運算互為對偶操作 ? 形態(tài)開閉 － 運算能夠濾除圖像中形狀小于結(jié)構(gòu)元素的亮噪聲。 上 一 頁 下 一 頁 home 用結(jié)構(gòu)元素 g對輸入圖像 f(x, y)進(jìn)行灰值膨脹 ? (f⊕ g)(s, t)=max{f(sx, ty)+g(x, y)|sx, ty ∈ Df, x+y∈ Dg} ? 用一維函數(shù)對其進(jìn)行簡化，定義為 ? (f⊕ g)(s)=max{f(sx)+g(x)| sx ∈ Df, x∈ Dg} ?步驟： ?對結(jié)構(gòu)元素 g的定義域 Dg 中的每一個點 x將信號 f平移 x，然后，再對每次平移信號的值加上 g(x)，這樣對于結(jié)構(gòu)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，便可得到膨脹結(jié)果。 ?結(jié)構(gòu)元素從信號的下面對信號產(chǎn)生