146. 基于灰度形态学的复杂背景图像重建
一、灰度形态学图像重建
-
灰度级形态学重建涉及标记图像 f(x,y) 、模板图像 g(x,y) 和结构元 b;f ≤ g ,即任一点 f 的灰度比 g 小(暗)。
-
f 相对于 g 的大小为 n 的测地膨胀定义为:
-
灰度标记图像 f 对灰度模板图像 g 的膨胀形态学重建,定义为 f 相对于 g 的测地膨胀反复迭代直至达到稳定:
-
灰度图像重建开运算,首先腐蚀输入图像,然后将腐蚀后的图像作为标记图像、将图像本身作为模板。图像 f 的大小为 n 的重建开运算定义为,先对 f 进行大小为 的腐蚀,再进行膨胀,即:
重建开运算的目的是包含腐蚀后留下的图像分量的形状。
二、例程
-
10.37:基于灰度形态学的复杂背景图像重建
说明:本例取自 Rafael C. Gonzalez “Digital Image Processing, 4th.Ed.” 中的 例9.11(P494,电子工业出版社)。 -
本例程采用灰度形态学方法处理复杂背景下的图像重建,以实现在一致灰度背景下保留文本。处理步骤如下:
(1)首先通过重建开运算,抑制按键顶部的水平反射。图像中的反射比字符宽,可以使用适当长度的水平结构元(71像素)进行开运算来实现。程序中对正常开运算和重建开运算的不同效果进行了比较。
(2)其次对重建开运算的结果进行顶帽运算,从原图像中删除水平反射和变化的背景。
(3)然后再通过重建开运算,删除按键边缘的垂直反射,此时使用宽度为 11 像素的结构元。这一过程抑制了垂直反射,但也细化了一些竖线字符(如SIN中的 I),需要对竖线字符的细化进行恢复。
(4)对重建图像进行水平膨胀,膨胀后的字符与被抑制字符所占的区域重叠。
(5)对水平膨胀图像和顶帽运算图像按位与,即逐点求最小值,复原被抑制的字符,但仍有竖线字符被细化。
(6)以按位与图像作为标记,用重建顶帽图像作模板,进行膨胀重建,得到最终的形态学重建图像。重建图像的背景灰度比较均匀,消除了光线的反射和按键的背景,而所有的字符都已从原图像的不规则背景中提取出来。
三、形态学小结
-
数学形态学是一门建立在集论基础之上的学科,是几何形状分析和描述的有力工具。
-
近年来形态学在数字图像处理、计算机视觉与模式识别等领域中得到了越来越广泛的应用,逐渐成为一种新的数字图像分析方法和理论。
(1)形态学运算本质上是二维卷积运算,当图像尺寸较大时的运算速度很慢,不适合实时图像处理。
(2)结构元素对形态运算的结果具有决定性的作用,因此要结合实际应用的需求和图像的特征,合理选择结构元素的大小与形状。
四、资料
youcans_的博客:
https://blog.csdn.net/youcans/article/details/123898276