數(shù)字圖像處理與Python實現(xiàn)-課件第六章-圖像形態(tài)學(xué)操作

數(shù)字圖像處理2022-2023-2課程內(nèi)容入門認(rèn)識第7章圖像壓縮第8章圖像分割基本操作應(yīng)用第9章圖像水印第10章指紋識別第11章深度學(xué)習(xí)綜合案例第六章圖像形態(tài)學(xué)操作6.1概述6.2二值圖像中基本形態(tài)學(xué)處理6.3灰度圖像中基本形態(tài)學(xué)處理6.4圖像形態(tài)學(xué)處理應(yīng)用研究對象：圖像的形態(tài)特征研究方法：用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取對應(yīng)形狀，

實現(xiàn)對圖像的分析和識別。效果評價：特殊的數(shù)字圖像處理方法和理論。

理論雖然較為復(fù)雜，但基本思想?yún)s簡單而完美。6.1概述圖像形態(tài)學(xué)方法與其他空域或頻域方法相比，具有明顯優(yōu)勢：基于數(shù)學(xué)形態(tài)學(xué)的邊緣信息提取處理優(yōu)于基于微分運算的邊緣提取算法；它不像微分算法對噪聲那樣敏感，提取的邊緣比較光滑；利用數(shù)學(xué)形態(tài)學(xué)方法提取的圖像骨架也比較連續(xù)，斷點少等。

6.1.1圖像形態(tài)學(xué)基礎(chǔ)1.集合與元素6.1.1圖像形態(tài)學(xué)基礎(chǔ)2.擊中與擊不中6.1.1圖像形態(tài)學(xué)基礎(chǔ)3.平移和對稱B的對稱集：B中元素(x,y)的對稱點(-x,-y)構(gòu)成的集合6.1.1圖像形態(tài)學(xué)基礎(chǔ)4.結(jié)構(gòu)元素（收集圖像信息的探針）使用說明：cv2.getStructuringElement（結(jié)構(gòu)元素類型，原點坐標(biāo)）參數(shù)說明：結(jié)構(gòu)元素形狀：方形：MORPH_RECT；十字形：MORPH_CROSS；圓形：MORPH_ELLIPSE第六章圖像形態(tài)學(xué)操作6.1概述6.2二值圖像中基本形態(tài)學(xué)處理6.3灰度圖像中基本形態(tài)學(xué)處理6.4圖像形態(tài)學(xué)處理應(yīng)用基本運算：膨脹、腐蝕、開與閉運算基于基本運算推導(dǎo)和組合成各種圖像形態(tài)學(xué)運算方法。6.2

二值圖像中基本形態(tài)學(xué)處理Python習(xí)慣設(shè)定前景（物體）是白色，背景為黑色。意義相同的兩幅圖6.2.1膨脹1.概念

將與前景（物體）邊界接觸的背景像素點合并到物體中，邊界向外擴張。膨脹后，物體目標(biāo)變大，可以填充圖像中的小孔及在圖像邊緣處的小凹陷部分。膨脹可合并裂縫、填補或縮小內(nèi)部空洞。6.2.1膨脹2.膨脹過程6.2.1膨脹3.Python實現(xiàn)膨脹使用格式：cv2.dilate（圖像，結(jié)構(gòu)元素類型，迭代次數(shù)）參數(shù)說明：輸入圖像：輸入圖像數(shù)據(jù)，imread()返回圖像數(shù)據(jù)結(jié)構(gòu)元素類型：矩形：MORPH_RECT；十字形：MORPH_CROSS；橢圓形：MORPH_ELLIPSE。膨脹次數(shù)：默認(rèn)值為1矩形結(jié)構(gòu)元素：使輪廓的水平或垂直拐點處膨脹后依然整齊、垂直；橢圓結(jié)構(gòu)元素：使輪廓的拐點處具有平滑和圓潤的弧線，更好地保持原始輪廓曲線；十字結(jié)構(gòu)元素傾向于使輪廓的拐點處具有十字結(jié)構(gòu)形狀的鋸齒形狀。因此，膨脹之后的圖像拐點處的輪廓形狀與結(jié)構(gòu)元素的形狀有關(guān)。6.2.2腐蝕1.概念所有使B平移x后仍在A中的全體x的集合。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。膨脹運算的對偶。消除邊界點，使邊界向內(nèi)部收縮的過程。本質(zhì)上使目標(biāo)區(qū)域范圍“變小”，目標(biāo)中的空洞、縫隙將會變大，可能會造成原來連接較窄的部分?jǐn)嚅_。

6.2.2腐蝕2.腐蝕過程原點6.2.2腐蝕3.Python實現(xiàn)腐蝕使用格式：cv2.erode(輸入圖像，結(jié)構(gòu)元素類型，迭代次數(shù))參數(shù)說明：輸入圖像：輸入圖像數(shù)據(jù)，imread()函數(shù)返回值結(jié)構(gòu)元素類型：矩形：MORPH_RECT；

十字形：MORPH_CROSS；

橢圓形：MORPH_ELLIPSE。腐蝕次數(shù)：默認(rèn)為1矩形結(jié)構(gòu)元素，只剩下部分拐點處的散點沒有腐蝕掉十字形和橢圓形結(jié)構(gòu)元素：腐蝕后物體的整個輪廓仍較為清晰，

腐蝕能力較弱。結(jié)構(gòu)元素增大，小于結(jié)構(gòu)元素的物體相繼消失。選擇合適大小和形狀的結(jié)構(gòu)元素，可將其用于濾波。利用腐蝕濾波去除噪聲點同時，圖像中前景物體的形狀會發(fā)生改變。如果只關(guān)心物體的位置或個數(shù)，該應(yīng)用不受影響。/live/cctv13/index.shtml?spm=C28340.P2qo7O8Q1Led.S87602.81&stime=1682139600&etime=1682143200&type=lbacks6.2.3開運算1.概念膨脹：填充圖像中比結(jié)構(gòu)元素小的孔洞以及圖像邊緣處的小凹陷，使圖像擴大；腐蝕：消除圖像邊緣的某些小區(qū)域，并將圖像縮小。膨脹和腐蝕并非互逆運算，可級聯(lián)使用。結(jié)構(gòu)元素B對A的開運算：使用相同的結(jié)構(gòu)元素，對圖像先腐蝕再膨脹，

記作：A?B

6.2.3開運算2.開運算過程開運算：圖像的輪廓變得光滑，斷開狹窄的連接和消除細(xì)毛刺。開運算與腐蝕不同：圖像大的輪廓并沒有整體變小，物體位置也沒有發(fā)生任何變化6.2.3開運算3.

Python下實現(xiàn)cv2.MORPH_OPEN，morphologyEx(輸入圖像，開運算，結(jié)構(gòu)元素)，參數(shù)說明：輸入圖像：輸入圖像數(shù)據(jù)，imread()返回函數(shù)值。img為原始待處理二值圖像。開運算：cv2.MORPH_OPEN：開運算(open)，先腐蝕后膨脹的過程。結(jié)構(gòu)元素：十字形、矩形、橢圓形開運算可以用來消除小黑點或比結(jié)構(gòu)元素小的部分，在纖細(xì)點處分離物體，平滑較大物體的邊界的同時并不明顯改變其面積。6.2.4閉運算1.概念閉運算是開運算的對偶運算。結(jié)構(gòu)元素B對A的閉運算：使用相同的結(jié)構(gòu)元素，對圖像先膨脹再腐蝕，

記作：A

B。

6.2.4閉運算2.閉運算過程使輪廓變得光滑，但與開運算相反，它通常能夠彌合狹窄的間斷，填充小的孔洞6.2.4閉運算3.

Python下實現(xiàn)cv.MORPH_CLOSE，morphologyEx(輸入圖像，閉運算，結(jié)構(gòu)元素)參數(shù)說明：輸入圖像：輸入圖像數(shù)據(jù)，imread()返回函數(shù)值。img為原始待處理二值圖像。閉運算：cv2.MORPH_CLOSE，先膨脹后腐蝕的過程。結(jié)構(gòu)元素：十字形、矩形、橢圓形能夠填充圖像中的小區(qū)域、黑洞或者窄縫，總的位置和形狀不變第六章圖像形態(tài)學(xué)操作6.1概述6.2二值圖像中基本形態(tài)學(xué)處理6.3灰度圖像中基本形態(tài)學(xué)處理6.4圖像形態(tài)學(xué)處理應(yīng)用F(x,y)代表輸入圖像，S(x,y)代表結(jié)構(gòu)元素。F(x,y)和S(x,y)不再只代表形狀的集合，是二維函數(shù)。(x,y)表示圖像中像素點的坐標(biāo)。二值圖像形態(tài)學(xué)中基本的交運算、并運算：在灰度形態(tài)學(xué)中分別用最大極值(maximum)和最小極值(minimum)代替。6.3.1灰度膨脹1.概念求鄰域內(nèi)最大值作為輸出。用結(jié)構(gòu)元素函數(shù)S(x,y)對輸入圖像F(x,y)進(jìn)行膨脹運算，表示為(F⊕S)

DF、DS分別為F和S的定義域，

a和b必須在結(jié)構(gòu)元素S的定義域之內(nèi)，平移參數(shù)x-a和y-b要求在F的定義域之內(nèi)?；叶扰蛎涍\算后，圖像函數(shù)F(x,y)在其定義域內(nèi)每一點(x,y)處的取值：

以(x,y)為中心、在結(jié)構(gòu)元素函數(shù)S(x,y)規(guī)定的局部鄰域內(nèi)元素的最大值。6.3.1灰度膨脹2.實現(xiàn)過程選用二值結(jié)構(gòu)元素，點(x,y)處的灰度膨脹運算簡化為：以(x,y)為中心、在結(jié)構(gòu)元素函數(shù)S(x,y)規(guī)定的鄰域內(nèi)的像素最大值。灰度圖像的膨脹運算使一個孤立的高亮噪音擴大化。6.3.1灰度膨脹3.

Python實現(xiàn)使用格式：cv2.dilate（輸入圖像，結(jié)構(gòu)元素類型，迭代次數(shù)）參數(shù)說明：輸入圖像：輸入圖像數(shù)據(jù)，imread()返回圖像數(shù)據(jù)；結(jié)構(gòu)元素類型：矩形結(jié)構(gòu)元素；膨脹迭代次數(shù)：默認(rèn)值為1?；叶葓D像膨脹操作使得：灰度圖像被暗區(qū)包圍的亮區(qū)面積變大，較小的暗色區(qū)域面積變小。灰度膨脹對灰度變化較大的區(qū)域，更明顯。6.3.2灰度腐蝕1.概念灰度圖像腐蝕是灰度圖像膨脹的對偶操作，求出鄰域內(nèi)的最小值作為輸出，鄰域仍由各種算子模板來定義。DF、DS分別為F和S的定義域，

a和b必須在結(jié)構(gòu)元素S的定義域之內(nèi)，平移參數(shù)a+x和b+y要求在F的定義域之內(nèi)。灰度膨脹運算后，圖像函數(shù)F(x,y)在其定義域內(nèi)每一點(x,y)處的取值為：以(x,y)為中心、在結(jié)構(gòu)元素函數(shù)S(x,y)規(guī)定的局部鄰域內(nèi)對應(yīng)像素的最小值。

6.3.2灰度腐蝕2.實現(xiàn)過程6.3.2灰度腐蝕3.Python實現(xiàn)使用格式：cv2.erode(圖像，結(jié)構(gòu)類型，迭代次數(shù))參數(shù)說明：輸入圖像：輸入圖像數(shù)據(jù)，imread()函數(shù)返回值結(jié)構(gòu)類型：方形、圓形、十字形腐蝕次數(shù)：默認(rèn)值為1。腐蝕操作使：原始圖灰度像的較小的亮色區(qū)域面積會縮小，暗色區(qū)域面積會增大。同灰度膨脹相似，灰度腐蝕對圖像灰度變化快的區(qū)域效果更明顯。6.3.3灰度圖像開、閉1.概念

6.3.3灰度圖像開、閉2.

Python實現(xiàn)cv2.MORPH_OPEN和cv2.MORPH_CLOSE灰度腐蝕：會在去除圖像細(xì)節(jié)的同時使得整體灰度下降，灰度膨脹：會增強圖像的整體亮度，灰度開運算：常用于去除那些小于結(jié)構(gòu)元素S的亮區(qū)域，而對于較大的亮區(qū)域影響不大?；叶乳]運算：常用于去除圖像中的暗細(xì)節(jié)部分，而高亮度部分基本不受影響。開閉運算：保證圖像的整體灰度基本不變。第六章圖像形態(tài)學(xué)操作6.1概述6.2二值圖像中基本形態(tài)學(xué)處理6.3灰度圖像中基本形態(tài)學(xué)處理6.4圖像形態(tài)學(xué)處理應(yīng)用（邊界提取、區(qū)域填充）6.4.1邊界提取1.輪廓輪廓：對物體形狀的有力描述，對圖像分析和識別十分有用，圖像處理領(lǐng)域經(jīng)典問題之一。邊界提取算法可以有效獲得圖像中前景物體的邊界輪廓。提取邊界：最常用的方法是將所有前景物體內(nèi)部的點刪除（即用背景色表示），可采用逐行掃描原圖像的方式進(jìn)行。6.4.1邊界提取2.實現(xiàn)過程判斷依據(jù)：若當(dāng)前位置為前景點（即黑色點）其8個鄰域位置都是黑色，則當(dāng)前點為內(nèi)部點，應(yīng)在目標(biāo)輪廓中將其刪除。過程描述：采用一個3×3的結(jié)構(gòu)元素對原圖像腐蝕，使得只有8個鄰域都有黑點的內(nèi)部點被保留。再用原圖像減去腐蝕后的圖像，即可刪除內(nèi)部點，保留前景物體的邊界像素。6.4.1邊界提取3.

Python實現(xiàn)r=cv2.erode(img,kernel,iterations=1)e=img-rcv2.imshow('img',img)cv2.imshow('edge',e)6.4.2區(qū)域填充1.輪廓區(qū)域填充可視為邊界提取的反過程，是在邊界已知的情況下得到邊界包圍的整個區(qū)域的過程。6.4.2區(qū)域填充2.實現(xiàn)過程設(shè)二值圖像中含有一個目標(biāo)區(qū)域的邊界，其值為1，非邊界為0，邊界點的集合記為集合A，從邊界內(nèi)一點P開始，令X0=P=1，采用如下迭代式進(jìn)行區(qū)域填充。Xk=(Xk-1?B)?Ack=1,2,3,…上式中，B為對稱結(jié)構(gòu)元素，上式迭代至Xk=Xk-1時停止，每一步與A的補集（Ac）的交集把結(jié)果限制在感興趣的區(qū)域內(nèi)；最后，