本文共 1042 字,大约阅读时间需要 3 分钟。
1 腐蚀
腐蚀操作以某种形状的基元在图像内部探测,找出可以放下该基元的区域。 定义为:AΘB = {x:B+x ∈ A} 可以理解为用一个特殊形状的球(基元)在一个空间(原图)活动,球中心所能活动的所有区域就是腐蚀后的区域。 另一种定义方法是: AΘB = ∩{A-b:b∈ B} 可以理解为不断平移原图,原图移动距离不超过腐蚀形状的范围,最后将所有的移动结果求交集,即可得出腐蚀后的区域。 也可以用矢量方法来定义: AΘB = {x ∈ EN | (x+b) ∈ A,b∈B}实现方法:用B的中心点(可自己定义)与A上每一个点(存在的点,空点不算)进行比较,如果B上所有的点都在A范围内,则保留该点,否则删去。
用程序的操作来说,就是先以中心点为基准将A和B对齐,再将两者做“与”运算,如果结果为1,则保留,否则删去。代码如下(这里简化起见选择了坐标原点为中心点,原因是方便原址操作,不必新建矩阵来保存运算后的值):
void corrosion(Cmat_imtx&B){ //腐蚀 for (int i = 0; i
Cmat_imtx是二维矩阵
这里期初犯了一个错误,以为255是黑色,0是白色,实际上恰恰相反。为了不混淆,用函数封装起来,用1表示存在点,0表示不存在。测试效果如下:
原图: 腐蚀后:这里使用的是2*2的腐蚀矩阵:
[1,1;1,0]2 膨胀
有了腐蚀学习的基础,对膨胀的理解就快了一些。膨胀定义为: A⊕B = ∪{A + b:b∈ B} 满足交换率:A⊕B = ∪{B + b:b∈ A} 腐蚀用于删去细枝末节,膨胀用于填充小孔小洞。它的实现方法是: 用B的中心点和A上以及A周围的点进行比较,如果有一个点落在A上,则该点为黑点(即赋值该点)。这是“或”操作,只需要将之前腐蚀操作改成或操作即可。 膨胀后效果:3 开运算
开运算定义为: A○B = (AΘB)⊕B 即先做腐蚀,后做膨胀。 效果: 开运算作用是:利用圆盘(圆盘即用于腐蚀膨胀的矩阵,但这里使用的并非圆盘)磨光内边缘,将尖角转化为圆角,圆盘的圆化有低通滤波的效果。(如图中 头发的部分几乎都被滤去) 4 闭运算 闭运算定义为: A·B = (A⊕B)ΘB 即先做膨胀,后做腐蚀。 闭运算具有平滑功能,可以消除边缘毛刺以及孤立斑点(图中可明显看出),可以填补裂缝以及漏洞。参考资料:
范立南:图像处理与模式识别[M] 科学出版社 2007 第一版 56-61