数字图像处理数学形态学原理.ppt
合集下载
人工智能控制技术课件：图像处理案例
之为目标或前景，而图像当中的其他部分则被称为背景，例如人脸识别中的人
脸、矿石分拣中矿石等都是目标或前景。目标通常对应于图像中特定的、具有
独特性质的区域。为了更好识别和分析目标，我们就需要将与目标有关的区域
分离出来，排除背景区域的干扰，以便在此基础上对目标进行特征提取或测量
等。
图像边缘能够反映图像的结构特征信息，并将图像分成不同区域，因此图像边
《人工智能控制技术》
图像优化处理实例
图像处理概述
图像处理技术属于模式识别和优化控制的交叉，许多图像处理算法都用到优化
算法，特别是处理对象特征对比不明显图像，对优化控制的要求更加提高。本
章以图像分割为例，采用遗传算法和粒子群算法对图像进行优化处理，给出了
完成的处理过程，说明进化算法在优化控制中的应用。
原始图
灰度直方图
基于阈值的分割方法
利用灰度直方图当中 [width,height]=size(I);
谷点的灰度值作为全 for i=1:width
局阈值，对图像进行 for j=1:height
分割，就可以实现分
if (I(i,j)>140)
效地改善了分割效果。图像分割是图像处理、模式识别和人工智能等多个领域中一个十
分重要且又十分困难的问题，是计算机视觉技术中首要的、重要的关键步骤。图像分割
结果的好坏直接影响对计算机视觉中的图像理解。
图像分割技术介绍
阈值分割技术是最经典和流行的图像
分割方法之一，也是最简单的一种图
像分割方法。此方法的关键在于寻找
法。
基于阈值的分割方法
基于阈值的图像分割方法，其思路在于提取物体与
背景在灰度上的差异，把图像分为具有不同灰度级
脸、矿石分拣中矿石等都是目标或前景。目标通常对应于图像中特定的、具有
独特性质的区域。为了更好识别和分析目标，我们就需要将与目标有关的区域
分离出来，排除背景区域的干扰，以便在此基础上对目标进行特征提取或测量
等。
图像边缘能够反映图像的结构特征信息，并将图像分成不同区域，因此图像边
《人工智能控制技术》
图像优化处理实例
图像处理概述
图像处理技术属于模式识别和优化控制的交叉，许多图像处理算法都用到优化
算法，特别是处理对象特征对比不明显图像，对优化控制的要求更加提高。本
章以图像分割为例，采用遗传算法和粒子群算法对图像进行优化处理，给出了
完成的处理过程，说明进化算法在优化控制中的应用。
原始图
灰度直方图
基于阈值的分割方法
利用灰度直方图当中 [width,height]=size(I);
谷点的灰度值作为全 for i=1:width
局阈值，对图像进行 for j=1:height
分割，就可以实现分
if (I(i,j)>140)
效地改善了分割效果。图像分割是图像处理、模式识别和人工智能等多个领域中一个十
分重要且又十分困难的问题，是计算机视觉技术中首要的、重要的关键步骤。图像分割
结果的好坏直接影响对计算机视觉中的图像理解。
图像分割技术介绍
阈值分割技术是最经典和流行的图像
分割方法之一，也是最简单的一种图
像分割方法。此方法的关键在于寻找
法。
基于阈值的分割方法
基于阈值的图像分割方法，其思路在于提取物体与
背景在灰度上的差异，把图像分为具有不同灰度级
遥感数字图像处理第8章 图像分割
腐蚀运算
目的：消除目标的边界点，用于消除无意义的小目标
(毛刺，小突起)
方法：
1.原点在集合Ｂ(结构元素)中
2.原点不在集合Ｂ(结构元素)中
腐蚀运算(erosion)
腐蚀运算(erosion)
A B x | ( B )x A .
对结构元素B作平移x，B全包含在A中时，
原点的集合就是计算结果
(1)直方图方法：直方图的谷底位置
最佳阈值的选择
(2)自适应阈值方法
A.将目标分割成大小固定的块
B.确定每一个块的目标峰值和背景峰值
C.第一次处理：对每一个块进行分割（边界阈值采用目标和背 景峰值的中点） D.计算每一个块的目标灰度和背景灰度平均值 E.第二次处理：对每个块再次分割（边界阈值采用目标和背景灰 度平均值的中值）
四连通 八连通
工作流程
1.确定待分割对象
2.选择敏感波段
3.选择分割方法
4.对分割的结果进行矢量化
分割原理和方法
边界（边缘）方法： 阈值分割技术，微分算子
边缘检测
假设：图像分割结果中的子区域在原来图像中有边缘存在，或
不同子区域间有边界的存在（像素值灰度不连续性）
区域方法：区域增长技术，聚类分割技术
图像分割的目的
图像分割的目标：根据图像中的物体将图像的像素分
类，并提取感兴趣目标
图像分割是图像识别和图像理解的基本前提步骤
图像
图像预处理
图像识别
图像理解
图像分割
图像分割的目的
图像分割是把图像分解成构成的部件和对象的过程
把焦点放在增强感兴趣对象：汽车牌照（前景）
排除不相干图像成分：其它区域（背景）
最佳阈值的选择
遥感数字图像处理-第3章 空间域处理方法
第3章
空间域处理方法
空间域处理方法
一、数值运算：单波段运算、多波段运算 二、集合运算：空间操作、波段操作 三、逻辑运算：求反、与、或、异或 四、数学形态学操作：腐蚀、膨胀、开运算、闭运算
难点：邻域运算、数学形态学操作 重点：各种运算的原理及其在图像处理中的应用
2
一、数值运算
单波段运算
包括点运算和邻域运算。
点运算是对单幅图像像元进行的逐像元数值运算，它将输入图 像映射为输出图像，输出图像每个像元的灰度值仅由对应的输入 像元点的灰度值决定，它不会改变图像内像元之间的空间关系。 若输入图像为g(x，y)，输出图像为f(x，y)，则点运算可表示为：
f (x, y) T[g(x, y)]
T为灰度变换函数，可为任意函数，根据灰度变换函数的不同，点 运算又可分为线性点运算、分段线性点运算和非线性点运算。
6
3
二、集合运算
空间操作
包括图像裁剪和图像镶嵌。
图像裁剪
图像裁剪的目的是为了保留图像中需要感兴趣的部分，将感兴趣区之 外的部分去除。
图像裁剪示意图
4
三、逻辑运算
逻辑运算又称布尔运算，逻辑常量只有两个，即0和1，用来表示两个 对立的逻辑状态“假”和“真”。逻辑变量与普通代数一样，可以用字 母、符号、数字及其组合来表示，当进行逻辑运算时逻辑变量需先通过 某种规则转换为逻辑常量。
5
四、数学形态学操作
ቤተ መጻሕፍቲ ባይዱ数学形态学是以形态为基础对图像进行分析的数学工具， 在图像去噪声、图像增强、图像分割等处理中应用较广。
数学形态学操作可以分为二值形态学和灰度形态学，灰度 形态学是由二值形态学扩展而来。基于数学形态学的图像处 理有两个基本运算，即腐蚀和膨胀，而以腐蚀和膨胀为基础 又形成了开运算和闭运算。
空间域处理方法
空间域处理方法
一、数值运算：单波段运算、多波段运算 二、集合运算：空间操作、波段操作 三、逻辑运算：求反、与、或、异或 四、数学形态学操作：腐蚀、膨胀、开运算、闭运算
难点：邻域运算、数学形态学操作 重点：各种运算的原理及其在图像处理中的应用
2
一、数值运算
单波段运算
包括点运算和邻域运算。
点运算是对单幅图像像元进行的逐像元数值运算，它将输入图 像映射为输出图像，输出图像每个像元的灰度值仅由对应的输入 像元点的灰度值决定，它不会改变图像内像元之间的空间关系。 若输入图像为g(x，y)，输出图像为f(x，y)，则点运算可表示为：
f (x, y) T[g(x, y)]
T为灰度变换函数，可为任意函数，根据灰度变换函数的不同，点 运算又可分为线性点运算、分段线性点运算和非线性点运算。
6
3
二、集合运算
空间操作
包括图像裁剪和图像镶嵌。
图像裁剪
图像裁剪的目的是为了保留图像中需要感兴趣的部分，将感兴趣区之 外的部分去除。
图像裁剪示意图
4
三、逻辑运算
逻辑运算又称布尔运算，逻辑常量只有两个，即0和1，用来表示两个 对立的逻辑状态“假”和“真”。逻辑变量与普通代数一样，可以用字 母、符号、数字及其组合来表示，当进行逻辑运算时逻辑变量需先通过 某种规则转换为逻辑常量。
5
四、数学形态学操作
ቤተ መጻሕፍቲ ባይዱ数学形态学是以形态为基础对图像进行分析的数学工具， 在图像去噪声、图像增强、图像分割等处理中应用较广。
数学形态学操作可以分为二值形态学和灰度形态学，灰度 形态学是由二值形态学扩展而来。基于数学形态学的图像处 理有两个基本运算，即腐蚀和膨胀，而以腐蚀和膨胀为基础 又形成了开运算和闭运算。
数字图像处理图像滤波ppt课件
素位置重合； 读取模板下各对应像素的灰度值； 将这些灰度值从小到大排成一列； 找出这些值的中间值； 将这个值赋给对应模板中心位置的像素。
47
噪声图像
中值滤波3x3
48
平均滤波与中值滤波比较
噪声图像
均值滤波
中值滤波
均值滤波和中值滤波都采用的是2x2 的模板
49
均值，中值和最频值
均值是模板内像素点灰度的平均值，中值是数值排列 后处于中间的值，最频值是出现次数最多的灰度值；
8
常用像素距离公式
欧几里德距离
DE
(
p,
q)
x
s 2
y
t
2
范数距离
D( p, q) x s y t
棋盘距离
D( p, q) max x s , y t
9
像素间的基本运算
算术运算：
加法： p + q
减法： p - q
乘法： p * q
这三者都与直方图有着密切的关系； 直方图的一个峰对应一个区域，如果这个峰是对称的，
那么均值等于中值，等于最频值。
50
中值滤波的代码实现 Matlab中函数medfilt1和medfilt2，第一个是一维
的中值滤波，第二个是二维的中值滤波。 使用help查看函数功能
51
示例
52
代码讲解
0.25
0.10 0.05
0.125 01 2
34
56
7
P r 关系目标曲线 r
原始图像中的Ｐ－r点位置 对应变换后的P-r点位置
24
算法描述 设像素共分为L级(r = 0,1,2,…L1)，变换后对应的
47
噪声图像
中值滤波3x3
48
平均滤波与中值滤波比较
噪声图像
均值滤波
中值滤波
均值滤波和中值滤波都采用的是2x2 的模板
49
均值，中值和最频值
均值是模板内像素点灰度的平均值，中值是数值排列 后处于中间的值，最频值是出现次数最多的灰度值；
8
常用像素距离公式
欧几里德距离
DE
(
p,
q)
x
s 2
y
t
2
范数距离
D( p, q) x s y t
棋盘距离
D( p, q) max x s , y t
9
像素间的基本运算
算术运算：
加法： p + q
减法： p - q
乘法： p * q
这三者都与直方图有着密切的关系； 直方图的一个峰对应一个区域，如果这个峰是对称的，
那么均值等于中值，等于最频值。
50
中值滤波的代码实现 Matlab中函数medfilt1和medfilt2，第一个是一维
的中值滤波，第二个是二维的中值滤波。 使用help查看函数功能
51
示例
52
代码讲解
0.25
0.10 0.05
0.125 01 2
34
56
7
P r 关系目标曲线 r
原始图像中的Ｐ－r点位置 对应变换后的P-r点位置
24
算法描述 设像素共分为L级(r = 0,1,2,…L1)，变换后对应的
多媒体技术3_数字图像处理
图像的编码技术
行程编码
第 一 代 压 缩 编 码
像素编码
算术编码
熵编码
增量调制
预测编码 变换编码 其他编码
DPCM调制 DCT变换
位平面编码
图像的编码技术
子带编码
第 二 代 压 缩 编 码
分层编码
分型编码 模型编码
五、其他研究内容
图像分析
基于内容的图像处理 图像重建
当今数字图像的热点研究方向
水平镜像
垂直镜像
注意：做镜像时，实际上需要对坐标先进行平移， 否则将出错。因为矩阵的下标不能为负。
图像变换
三、图像的旋转
x' x cos y sin y' x sin y cos
30
x' 0.866x 0.5 y y ' 0.5 x 0.866y
图像变换
1. 图像按比例缩小：
最简单的是减小一半，这样只需取原图的偶（奇）数行和偶 （奇）数列构成新的图像。
图像的减半缩小效果
图像变换
如果图像按任意比例缩小，则需要计算选择的行列。 M*N大小的图像缩小为：kM*kN大小，（k<1）。 设旧图像是F(x,y)，新图像是I(x,y) 则：I(x,y)=F(int(c*x),int(c*y)) c=1/k
图像传输与存储需要的信息量空间：
1）彩色视频信息 对于电视画面的分辨率640*480的彩色图像，每秒30帧， 则一秒钟的数据量为： 640*480*24*30=221.12M 所以播放时，需要221Mbps的通信回路。 参考数据：宽带网为512K,电话线为56K。 存储时，1张CD可存640M，则仅可以存放2.89秒的数据。
(完整版)数学形态学原理
腐蚀在数学形态学运算中的作用是消除物体边界点。
6.2.2 膨胀
膨胀可以看做是腐蚀的对偶运算，其定义是：把结构元素B 平移a后得到Ba，若Ba击中X，我们记下这个a点。所有满足上 述条件的a点组成的集合称做X被B膨胀的结果。
腐蚀可以看作是将图像X中每一与结构元素S全等的 子集S+x收缩为点x。反之，也可以将X中的每一个点x扩
第6章 数学形态学及其应用
6.1 数学形态学概述 6.2 二值形态学 6.3 灰值形态学 6.4 形态学的应用 6.5 形态学滤波及骨架抽取的MATLAB实现
6.1 数学形态学概述
6.1.1
数学形态学是法国和德国的科学家在研究岩石结构时建 立的一门学科(1664)。
形态学的用途是获取物体拓扑和结构信息，它通过物体 和结构元素相互作用的某些运算，得到物体更本质的形态。
数学形态学是一门建立在严格数学理论基础上的学科， 其基本思想和方法对图像处理的理论和技术产生了重大影响。 已经构成一种新的图像处理方法和理论，成为计算机数字图 像处理的一个重要研究领域.
6.1.2 基本符号和定义 1. 集合论概念
在数字图像处理的数学形态学运算中，把一幅图像称为一 个集合。
对于一幅图像A，如果点a在A的区域以内， 那么就说a是 A的元素，记为a∈A，否则，记X区域以外的点构成的集合称为X 的补集，记作Xc，显然，如果B∩X=Ф，则B在X的补集内。
B
2. 击中与击不中
设有两幅图象B，A。若存在这样一个点，它即是B的元 素，又是A的元素， A∩B≠ φ 则称B击中A，记作B↑A，
击不中
设有两幅图象B，A。若不存在任何一个点，它即是 B的元素，又是A的元素，即B和A的交集是空，则称B不击 中A，记作B∩A=Ф
6.2.2 膨胀
膨胀可以看做是腐蚀的对偶运算，其定义是：把结构元素B 平移a后得到Ba，若Ba击中X，我们记下这个a点。所有满足上 述条件的a点组成的集合称做X被B膨胀的结果。
腐蚀可以看作是将图像X中每一与结构元素S全等的 子集S+x收缩为点x。反之，也可以将X中的每一个点x扩
第6章 数学形态学及其应用
6.1 数学形态学概述 6.2 二值形态学 6.3 灰值形态学 6.4 形态学的应用 6.5 形态学滤波及骨架抽取的MATLAB实现
6.1 数学形态学概述
6.1.1
数学形态学是法国和德国的科学家在研究岩石结构时建 立的一门学科(1664)。
形态学的用途是获取物体拓扑和结构信息，它通过物体 和结构元素相互作用的某些运算，得到物体更本质的形态。
数学形态学是一门建立在严格数学理论基础上的学科， 其基本思想和方法对图像处理的理论和技术产生了重大影响。 已经构成一种新的图像处理方法和理论，成为计算机数字图 像处理的一个重要研究领域.
6.1.2 基本符号和定义 1. 集合论概念
在数字图像处理的数学形态学运算中，把一幅图像称为一 个集合。
对于一幅图像A，如果点a在A的区域以内， 那么就说a是 A的元素，记为a∈A，否则，记X区域以外的点构成的集合称为X 的补集，记作Xc，显然，如果B∩X=Ф，则B在X的补集内。
B
2. 击中与击不中
设有两幅图象B，A。若存在这样一个点，它即是B的元 素，又是A的元素， A∩B≠ φ 则称B击中A，记作B↑A，
击不中
设有两幅图象B，A。若不存在任何一个点，它即是 B的元素，又是A的元素，即B和A的交集是空，则称B不击 中A，记作B∩A=Ф
数字图像处理
第一章概论一、数字图像与像素数字图像是由一个个的像素（Pixel）构成的，各像素的值(灰度，颜色)一般用整数表示。
二、数字图像处理的目的1、提高图像的视觉质量。
2、提取图像中的特征信息。
3、对图像数据进行变换、编码和压缩。
三、工程三层次图像处理、图像分析和图像理解图像理解符号目标像素高层中层低层高低抽象程度数据量操作对象小大语义图像分析图像处理四、图像处理硬件系统组成图像输入设备（采集与数字化设备，如数码相机），图像处理设备（如PC机）和图像输出设备（如显示器，打印机）第二章数字图像处理基础一、图像数字化过程----采样与量化模拟图像的数字化包括采样和量化两个过程。
细节越多，采样间隔应越小。
把采样后得到的各像素的灰度值进一步转换为离散量的过程就是量化。
一般，灰度图像的像素值量化后用一个字节(8bit)来表示。
二、采样、量化与图像质量的关系采样点数越多，图像质量越好；量化级数越多，图像质量越好。
为了得到质量较好的图像采用如下原则：对缓变图像，细量化，粗采样，以避免假轮廓。
对细节化图像，细采样，粗量化，以避免模糊。
三、图像尺寸、数据量、颜色数量的计算灰度图像的像素值量化后用一个字节(8bit)来表示。
彩色图像的像素值量化后用三个字节(24bit)来表示。
一幅512X512（256K）的真彩色图像，计算未压缩的图像数据量是多少？（必考）图像总像素：512px*512px=256K总数据量：256K*3Byte=768KB一幅256X256（64K）的真彩色图像，计算未压缩的图像数据量是多少？图像总像素：256px*256px=64K总数据量：64K*1Byte=64KB四、数字图像类型二值图像、灰度图像、索引颜色图像)和真彩色图像。
五、数字图像文件的类型jpg、bmp、tif、gifJPEG采用基于DCT变换的压缩算法,为有损压缩。
六、图像文件三要素文件头、颜色表、图像数据七、读取一个图像，并将其尺寸缩小0.5倍，将缩小后的图像旋转30度。
第8章数学形态学图像处理
1 骨架化 ch8_3.m
bwmorph(BW,'skel',Inf);
2 细化 ch8_4.m
bwmorph(BW,‘thin',Inf);
3 提取边界
b( A) = A − AΘ B
bwperim函数 bwmorph(BW1,'remove',Inf)： ch8_5.m
4 imbothat和imtophat函数
8.4.4 种子填充
bwfill:填充连通区域中的孔 ch8_12.m
8.4.5 移除对象
bwareaopen ch8_13.m
8.5 查表操作
makelut:产生领域查找表 lut = makelut('sum(x(:)) >= 2',2) lut = [0 0 0 1 0 1 1 1 0 1 1 1 1 1 1 1]T applylut:执行查找表的二值图像处理 ch8_16.m
imbothat：用闭运算后的函数减去原始 函数，提取边缘 imtophat：用开运算后的函数减去原始 函数，增强对比度 ch8_6.m ch8_7.m
8.3 图像特征提取
计算图像面积
bwarea:计算二值图像中值为1的象素的个数
ch8_14.m 欧拉数：图像中对象的数目减去空洞的数目
bweuler
imclose函数
IM2=imclose(IM,SE) IM2=imclose(IM,NHOOD) ch8_1.m ch8_2.m
8.2.4 基于膨胀与腐蚀的形态学操作函数 bwmorph函数
BW2=bwmorph(BW,operation,n) operation
open:开运算 close:闭运算 dilate:用ones(3)来执行膨胀运算 erode:用ones(3)来执行腐蚀运算 skel:骨架化 thin:细化 romove:提取边界