Matlab一种二值化图像的形态学操作程序

Matlab中将一幅图像阈值分割二值化非常简单，若需要通过阈值th2二值化保留一些大面积的、且有灰度值含有大于th1的点的前景区域，而不需要小面积的区域（th1大于th2），这时会遇到这样的问题：当阈值选为th2时会把一些小面积区域也保留下来；若把阈值增大到th1，小面积的区域没了，但是原来大面积的区域又会减小；若要直接去掉阈值th2二值化图像中面积小于某一值的的区域，需要计算每个区域的面积，计算量大，而且有的区域中并没有含有大于th1的点。

下面利用数学形态学的方法来解决上述问题。

这里主要是采用数学形态学中的腐蚀与膨胀操作，采用均值滤波、灰度图像高阈值二值化、种子点选择、灰度图像低阈值二值化和选择滤波相结合的方法，具体来说：腐蚀过程采用均值滤波和高阈值对第一细分图像二值化，滤掉面积较小的区域，得到较大的区域，然后选择每个区域的种子点；膨胀过程采用低阈值对第一细分图像二值化，保留含有种子点的区域，其它的均过滤掉。

经过腐蚀和膨胀操作后，得到所希望的结果，见下图。

程序如下：
wmf10=imread('mwf1.bmp'); %读取图像
wmf1=wmf10(:,:,1);%由于是灰度图像，三个页面相同，故只对第一页面数据操作
figure(1);
subplot(121);imagesc(wmf1);colormap(gray); %显示原图象
h=fspecial('average',3);
wmf1_filted=uint8(round(filter2(h,wmf1))); %均值滤波
th1=0.94*max(max(wmf1)); %确定阈值th1
wmf1th1=(wmf1_filted>th1); %按阈值th1二值化
[wmf1th1_label numth1_label]=bwlabel(wmf1th1,8);
rc=zeros(2,numth1_label); %选择种子点坐标
for i=1:numth1_label
[r c]=find(wmf1th1_label==i);
rc(1,i)=r(2);rc(2,i)=c(2);
end
r=rc(1,:);
c=rc(2,:);
coe=1.4;
th2=mean2(wmf1)+coe*std2(wmf1); %确定阈值th2
wmf1th2=(wmf1>th2); %按阈值th2二值化
wmf1th2_select=bwselect(wmf1th2,c,r,8); %保留含有种子点的前景区域subplot(122);imagesc(wmf1th2_select);colormap(gray);
上述程序主要是采用了bwlabel和beselect函数，虽然没有直接使用Matlab的形态学操作的膨胀、腐蚀函数，但其实质过程和达到的效果是遵循形
态学操作原理的，因而这也为形态学操作提供了其他的编程实现过程。

有心的读者可以试试看，能否用dilate和erosion函数完成同样的任务。

matlab数学形态学图像边缘检测
blood = imread('test.jpg');
[x,y,z]=size(blood); % 求出图象大小
b=double(blood);
N =sqrt(100) * randn(x,y,z); % 生成方差为10的白噪声
I=b+N; % 噪声干扰图象
for i=1:x % 实际图象的灰度为0～255 for j=1:y
if (I(i,j)>255)
I(i,j)=255;
end
if (I(i,j)<0)
I(i,j)=0;
end
end
end
z0=max(max(I)); % 求出图象中最大的灰度
z1=min(min(I)); % 最小的灰度
T=(z0+z1)/2;
TT=0;
S0=0; n0=0;
S1=0; n1=0;
allow=0.5; % 新旧阈值的允许接近程度
d=abs(T-TT);
count=0; % 记录几次循环
while(d>=allow) % 迭代最佳阈值分割算法
count=count+1;
for i=1:x
for j=1:y
if (I(i,j)>=T)
S0=S0+I(i,j);
n0=n0+1;
end
if (I(i,j)<T)
S1=S1+I(i,j);
n1=n1+1;
end
end
end
T0=S0/n0;
T1=S1/n1;
TT=(T0+T1)/2;
d=abs(T-TT);
T=TT;
end
Seg=zeros(x,y);
for i=1:x
for j=1:y
if(I(i,j)>=T)
Seg(i,j)=1; % 阈值分割的图象
end
end
end
SI=1-Seg; % 阈值分割后的图象求反，便于用腐蚀算法求边缘
se1=strel('square',3); % 定义腐蚀算法的结构
SI1=imerode(SI,se1); % 腐蚀算法
BW=SI-SI1; % 边缘检测
%=====传统的边缘检测方法======%
I=uint8(I);
BW1=edge(SI,'sobel', 0.11);
BW2=edge(SI,'log', 0.015);
%===========图象显示==========%
figure(1);
imshow(I);title('Original') % 显示阈值分割的图象
figure(2);
imshow(BW2);title('Soble') % 显示新算法的边缘图象
figure(3)
imshow(BW1);title('Gauss-Laplace')
figure(4)
imshow(BW);title('New algorithm')。