1.灰阶图像形态学
二值图像形态学向灰度空间的一个扩展。同样包含Dilation(膨胀)、Erosion(腐蚀)、Opening(开运算)、Closing(闭运算)。灰度图像形态学运算同时作用在位置和图像灰度值上,最终形成新的图像。
2.灰阶图像形态学基本运算
2.1 Grayscale Dilation(膨胀)
2.1.1 数学表达
举例说明:
F=(7 9 8 3 8 9 9); K=(-3 0* -3) 【其实质就是空间位移变动与灰度变动的过程】 *:代表中心点
-3 :7 9 8 3 8 9 9 左移一位
4 6 5 0 5 6 6 # # 灰度变化
0* :# 7 9 8 3 8 9 9 # 中心位置,不用平移,直接灰度改变
-3 :# # 4 6 5 0 5 6 6 右移一位,叠加灰度值
结果4 7 9 8 5 8 9 9 6 (尺寸和灰度值都变大了,图像将会表现明显的变亮)
结论:相当于我们用SE的一半,在图像上方滑动,最终图像的轨迹。
2.2 Erosion(腐蚀)
同样的例子:
F=(7 9 8 3 8 9 9); K=(-3 0* -3) 【其实质就是空间位移变动与灰度变动的过程】 *:代表中心点
对于Erosion就是减号,注意哦。
-3 :# # 7 9 8 3 8 9 9 右移一位
# # 10 12 11 6 11 12 12 灰度变化
0* :# 7 9 8 3 8 9 9 # 中心位置,不用平移,直接灰度改变
-3 :10 12 11 6 11 12 12 # # 左移一位,叠加灰度值
结果 # # 9 6 3 6 9 # #(优先选择#,然后选择最小值) (尺寸和灰度值都变小了,图像将会表现明显的暗)
我们会发现白的区域受到了腐蚀,变小了;而黑区变大了,受到了膨胀。
2.3 Opening(开运算)
我们发现,开运算的效果相当于,用半个SE沿灰度图下方移动,如果移动受阻就会“自动的屏蔽该处的灰度信息”;也就是说,Opening运算对于去除图像中的白点,或者白色的噪声具有非常好的效果。只要求我们的SE半径大于“亮点”直径。
和Erosion效果相似,却有很大的不同,保留图像大量的信息,仅对小于SE半径的“白点”进行“侵蚀”,变黑。
2.4 Closing(闭运算)
我们发现,Closing运算,是自上而下的对图像进行处理,结果是,保留了图像大部分信息,对特定部分进行填埋。很明显,我们可以看到,整幅图像的灰度是变大了。
我们可以总结出,图形的效果的确变亮了。与Dilation操作相比,Closing操作保留了大部分的信息,进度细节部分进行了白色的侵蚀。
2.5 四种基本运算进行总结对比
1.四种运算都会对图像的纹理,进行一个平滑。Dilation和Closing对于细节进行了明显膨胀,图像整体灰度增加;Erosion和Opening对“细节”进行了明显的腐蚀,在图像灰度波动频繁的区域操作,会变暗,变得平滑。
2.由于一幅图像大部分区域都是平缓的。我们可以看出,Erosion和Dilation操作在平滑图像的基础上,对图像的整体都进行了腐蚀或者膨胀。而Closing和Opening运算却不一样,仅仅对灰度变化极其频繁(频率大)的区域进行平滑,对图像的缓和区(大部分区域)没有任何影响。
3.基本运算的Matlab仿真以及结果分析
3.1 Dilation实验
3.2 Erosion 实验
3.3 Opening实验
3.4 Closing实验