形態(tài)學(xué)圖像處理3

細(xì)化算法

“骨架”是指一幅圖像的骨骼部分,描述物體的幾何形狀和拓?fù)浣Y(jié)構(gòu)挨队,是重要的圖像描繪子之一盛垦。計(jì)算骨架的過程一般被稱為“細(xì)化”或“骨骼化”,對目標(biāo)物體進(jìn)行細(xì)化有助于突出目標(biāo)的形狀特點(diǎn)和拓?fù)浣Y(jié)構(gòu)省撑,減少冗余的信息俯在。

思路:我們假定一個(gè)圖像的3×3區(qū)域標(biāo)記為P1,P2肥败,....,P9,如下皿哨,

· · · ·
· P3 P2 P9
· P4 P1 P8
· P5 P6 P7

規(guī)定1表示黑色纽谒,0表示白色鼓黔,如果中心P1=1(為黑),若同時(shí)滿足下列4個(gè)條件澳化,則刪除P1(令P1=0)缎谷,

  1. 2<=NZ(P1)<=6;
  2. Z0(P1)=1瑞你;
  3. P2×P4×P8=0或者Z0(P1)不等于1希痴;
  4. P2×P4×P6=0或者Z0(P4)不等于1;

其中,NZ(P)表示P點(diǎn)的8鄰域中1的數(shù)目纺铭,如下表所示刀疙,

· · · ·
· P-1,-1 P-1,0 P-1,1
· P0,-1 P0,0 P0,1
· P1,-1 P1,0 P1,1

而Z0(P)按照以下方式計(jì)算谦秧,

nCount=0;
if P-1,0=0 && P-1,-1=1
        nCount++;
if P-1,-1=0 && P0,-1=0
        nCount++;
if P0,-1=0 && P1,-1=1
        nCount++;
if P1,-1=0 && P1,0=1
        nCount++;
if P1,0=0 && P1,1=1
        nCount++;
if P1,1=0 && P0,1=1
        nCount++;
if P0,1=0 && P-1,1=1
        nCount++;
if P-1,1=0 && P-1,0=1
        nCount++;
Z0(P)=nCount;

而后對圖像中的每一個(gè)點(diǎn)都進(jìn)行重復(fù)這些步驟,直到所有的點(diǎn)都不可刪除為止锥累。

像素化算法

細(xì)化通常適用于和物體拓?fù)浣Y(jié)構(gòu)或形狀有關(guān)的應(yīng)用集歇,比如手寫字符識別等,但有時(shí)候關(guān)心的是目標(biāo)對象是否存在际歼,它們的位置關(guān)系或者是個(gè)數(shù)鹅心,這個(gè)時(shí)候我們就可以用像素化的方法進(jìn)行預(yù)處理。

像素化的操作就是先找到在二值圖像中所有的連通區(qū)域颅筋,然后用這些區(qū)域的質(zhì)心作為這些連通區(qū)域的代表榕茧,即將一個(gè)連通區(qū)域化為位于連通區(qū)域質(zhì)心的一個(gè)像素

有時(shí)候?yàn)榱诉^濾噪聲肢簿,我們可以設(shè)定一個(gè)低閾值lowerThres和一個(gè)高閾值upperThres用來指出圖像中所需要的對象的連通數(shù)(也就是連通分量的像素?cái)?shù)目)池充,就可以將連通數(shù)在范圍之外的對象濾除缎讼。

凸殼

如果連接物體A內(nèi)任意兩點(diǎn)的直線段都在A的內(nèi)部,則稱A是凸的卧惜,**任意物體A的凸殼H是包含A的最小凸物體夹纫。

因?yàn)楣庹詹痪绕渌颍詧D像在二值化之后茅姜,本身形狀容易發(fā)生破損钻洒,也就不那么容易找到質(zhì)心锄开,所以適當(dāng)?shù)倪M(jìn)行凸殼處理,可以找到包含原始形狀的最小凸多邊形糯钙,便于找到物體質(zhì)心而后進(jìn)行像素化處理。

bwmorph()函數(shù)

matlab中有一個(gè)bwmorph()函數(shù)再榄,很多形態(tài)學(xué)操作都可以利用這個(gè)函數(shù)進(jìn)行實(shí)現(xiàn)享潜,

Iout=bwmorph(I,operation,n);

參數(shù)說明:

  • I為輸入二值圖像剑按;
  • operation是一個(gè)指定操作類型的字符串,有如下取值猬腰,
合法取值 功能描述
‘bridge’ 橋接由單個(gè)像素縫隙分隔的前景像素
‘clean’ 清除孤立的前景像素
‘diag’ 圍繞對角線相連的前景像素進(jìn)行填充
‘fill’ 填充單個(gè)像素的孔洞
‘hbreak’ 去掉前景中的H形連結(jié)
‘majority’ 如點(diǎn)P的8鄰域中一半以上的像素為前景像素姑荷,則使P也為前景像素缩擂;否則P為背景像素
‘remove’ 去除內(nèi)部像素(無背景像素相鄰的前景像素)
‘shrink’ 將物體收縮為一個(gè)點(diǎn)或者帶洞的環(huán)形
‘skel’ 骨骼化圖像
‘spur’ 去除毛刺
‘thicken’ 粗化物體
‘thin’ 將物體細(xì)化至最低限度相連的線形
  • 可選參數(shù)n是一個(gè)正整數(shù)胯盯,用于指定將被重復(fù)操作的次數(shù),默認(rèn)為1博脑。當(dāng)設(shè)定為n=Inf時(shí)表示重復(fù)操作一直到圖像停止改變?yōu)橹埂?/li>
  • Iout為經(jīng)過n次operation參數(shù)指定操作后的輸出圖像叉趣。
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末君账,一起剝皮案震驚了整個(gè)濱河市沈善,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌净赴,老刑警劉巖罩润,帶你破解...
    沈念sama閱讀 222,464評論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異应媚,居然都是意外死亡猜极,警方通過查閱死者的電腦和手機(jī)中姜,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,033評論 3 399
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來跟伏,“玉大人丢胚,你說我怎么就攤上這事∈馨猓” “怎么了携龟?”我有些...
    開封第一講書人閱讀 169,078評論 0 362
  • 文/不壞的土叔 我叫張陵,是天一觀的道長勘高。 經(jīng)常有香客問我峡蟋,道長,這世上最難降的妖魔是什么相满? 我笑而不...
    開封第一講書人閱讀 59,979評論 1 299
  • 正文 為了忘掉前任,我火速辦了婚禮立美,結(jié)果婚禮上匿又,老公的妹妹穿的比我還像新娘。我一直安慰自己建蹄,他們只是感情好碌更,可當(dāng)我...
    茶點(diǎn)故事閱讀 69,001評論 6 398
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著洞慎,像睡著了一般痛单。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上劲腿,一...
    開封第一講書人閱讀 52,584評論 1 312
  • 那天旭绒,我揣著相機(jī)與錄音,去河邊找鬼焦人。 笑死挥吵,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的花椭。 我是一名探鬼主播忽匈,決...
    沈念sama閱讀 41,085評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼矿辽!你這毒婦竟也來了丹允?” 一聲冷哼從身側(cè)響起郭厌,我...
    開封第一講書人閱讀 40,023評論 0 277
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎雕蔽,沒想到半個(gè)月后折柠,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,555評論 1 319
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡萎羔,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,626評論 3 342
  • 正文 我和宋清朗相戀三年液走,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片贾陷。...
    茶點(diǎn)故事閱讀 40,769評論 1 353
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡缘眶,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出髓废,到底是詐尸還是另有隱情巷懈,我是刑警寧澤,帶...
    沈念sama閱讀 36,439評論 5 351
  • 正文 年R本政府宣布慌洪,位于F島的核電站顶燕,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏冈爹。R本人自食惡果不足惜涌攻,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,115評論 3 335
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望频伤。 院中可真熱鬧恳谎,春花似錦、人聲如沸憋肖。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,601評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽岸更。三九已至鸵膏,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間怎炊,已是汗流浹背谭企。 一陣腳步聲響...
    開封第一講書人閱讀 33,702評論 1 274
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留评肆,地道東北人债查。 一個(gè)月前我還...
    沈念sama閱讀 49,191評論 3 378
  • 正文 我出身青樓,卻偏偏與公主長得像糟港,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個(gè)殘疾皇子院仿,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,781評論 2 361

推薦閱讀更多精彩內(nèi)容

  • 本文轉(zhuǎn)自 python數(shù)字圖像處理 霍夫線變換 在圖片處理中秸抚,霍夫變換主要是用來檢測圖片中的幾何形狀速和,包括直線、圓...
    jiandanjinxin閱讀 33,437評論 6 23
  • 不同圖像灰度不同剥汤,邊界處一般會有明顯的邊緣颠放,利用此特征可以分割圖像。需要說明的是:邊緣和物體間的邊界并不等同吭敢,邊緣...
    大川無敵閱讀 13,868評論 0 29
  • 二值圖像中的形態(tài)學(xué)應(yīng)用 擊中擊不中 形態(tài)學(xué)擊中擊不中變換常用于圖像中某種特定形狀的精確定位碰凶,是一種形狀檢測的基本工...
    還浴月閱讀 2,213評論 1 1
  • 長安城徹夜繁華欲低,明媚的江邊蕩漾著碧波和月兒的柔光。 這是一年一度的花會畜晰,每每這個(gè)時(shí)候砾莱,無數(shù)才子佳人都會相攜而來,嘴...
    云春風(fēng)閱讀 197評論 0 0
  • 因?yàn)槲移啾牵瑠厫凵狭伺死吧驗(yàn)閻凵狭伺耍詩厫凵狭税⒖ ?這件事并不是妳告訴我的块蚌,是我自己猜到闰非,再由別人的口中說出...
    Zero梓諾閱讀 278評論 0 1