数学形态学在图像处理边缘检测、图像分割、图像细化以及噪声滤除等方面有着非常广泛的应用。 1) 在边缘检测上的应用 边缘是图像最基本的特征,边缘就是周围灰度强度有反差变化的那些像素的集合,是图像分割所依赖的重要基础,也是纹理分析和图像识别的重要基础。 经典的边缘检测放大是构造对像素灰度级阶跃变化敏感的微分算子,如roberts梯度算子,sobel梯度算子等,其边缘检测速度快,但得到的往往是断续的不完整的结构信息,此类方法对噪声敏感,为了有效抑制噪声,首先要对图像进行平滑,再进行边缘检测就能检测到真正边缘。 对于二值图像,边缘检测是求一个集合A的边界,记为B(A):
表示先用B对A腐蚀,然后A减去腐蚀得到,B是结构元素。
2) 在图像分割上的应用 基于数学形态学的图像分割算法是利用数学形态学变换,把复杂目标X分割成一系列互不相交的简单子集X1,X2,…,XN,对目标X的分割过程可按下面的方法完成:首先求出X的最大内接“圆”X1,然后将X1从X中减去,再求X-X1的最大内接“圆”X2,…,依此类推,直到最后得到的集合为空集为止。 数学形态学用于图像分割的缺点是对边界噪声敏感。
|