数字图像处理_课件_9
合集下载
数字图像处理ppt课件
基于特征分类的辨认
总结词
通过提取图像中的特征，利用分类器对特征 进行分类，从而辨认图像的类别。
详细描写
基于特征分类的图像辨认方法是一种常用的 图像辨认方法。它通过提取图像中的特征， 如边缘、角点、纹理等，利用分类器如支持 向量机、神经网络等对特征进行分类，从而 辨认图像的类别。这种方法能够有效地提取 图像中的本质特征，并具有较强的鲁棒性，
纹理特征提取
灰度共生矩阵
通过分析图像中像素灰度值的空间依赖关系，形成共生矩阵，并从中提取出统 计特征，如对照度、能量和相关性等。该方法适用于描写图像的粗糙程度和方 向性。
小波变换
将图像分解成不同频率和方向的小波分量，通过分析小波系数的统计特性来提 取纹理特征。该方法能够有效地表示图像的细节信息和全局结构。
但特征提取和分类器的设计是关键。
基于深度学习的辨认
总结词
利用深度学习算法自动提取图像特征， 并进行分类辨认。
VS
详细描写
基于深度学习的图像辨认方法是目前研究 的热点。它利用深度学习算法如卷积神经 网络（CNN）等自动提取图像的特征， 并进行分类辨认。这种方法能够有效地从 原始图像中提取复杂的特征，并具有较高 的辨认准确率。但需要大量的标注数据进 行训练，且计算复杂度较高。
04
CATALOGUE
特征提取
颜色特征提取
颜色直方图
通过统计图像中不同颜色像素的数量 ，形成颜色直方图作为图像的颜色特 征。该方法简单、有效，适用于不同 光照和视角变化的场景。
颜色矩
利用图像颜色的散布信息，通过计算 一阶矩（均值）、二阶矩（方差）和 三阶矩（偏度）来表示颜色特征。该 方法对颜色突变和噪声不敏锐。
图像辨认
基于模板匹配的辨认
数字图像处理ppt课件 下载
figure；%创建一个新的窗口
figure；subplot（m,n,p）；imshow（I）；
Subplot(m,n,p)含义为：打开一个有m行n列图像位置的窗口， 并将焦点位于第p个位置上。
/1、图像的读取和显示 四、图像的格式转换
im2bw(I,LEVEL);
阈值法从灰度图、RGB图创建二值图。LEVEL为指定的阈Leabharlann ；（0,1）。数字图像处理
浙江大学
/1、图像的读取和显示 /2、图像的点运算 /3、图像的几何变换 /4、空间域图像增强 /5、频率域图像增强 /6、彩色图像处理 /7、形态学图像处理 /8、图像分割 /9、特征提取
/1、图像的读取和显示
一、图像的读取
A=imread(FILENAME,FMT)
FILENAME 指定图像文件的完整路径和文件名。如果在work工作目录下 只需提供文件名。FMT为图像文件的格式对应的标准扩展名。 I_1=imread('D:\10.06.08nir\TTC10377.BMP');%读入图像 二、图像的写入
rgb2gray;从RGB图创建灰度图，存储类型不变。 im2uint8 将图像转换成uint8类型
im2double 将图像转换成double类型
/2、图像的点运算
一、图像直方图
灰度直方图描述了一副图像的灰度级统计信息，主要应用于图像分 割和图像灰度变换等处理过程中。从数学角度来说，图像直方图描述图 像各个灰度级的统计特性，它是图像灰度值的函数，统计一幅图像中各 个灰度级出现的次数或概率。归一化直方图可以直接反映不同灰度级出 现的比率。横坐标为图像中各个像素点的灰度级别，纵坐标表示具有各 个灰度级别的像素在图像中出现的次数或概率。
figure；subplot（m,n,p）；imshow（I）；
Subplot(m,n,p)含义为：打开一个有m行n列图像位置的窗口， 并将焦点位于第p个位置上。
/1、图像的读取和显示 四、图像的格式转换
im2bw(I,LEVEL);
阈值法从灰度图、RGB图创建二值图。LEVEL为指定的阈Leabharlann ；（0,1）。数字图像处理
浙江大学
/1、图像的读取和显示 /2、图像的点运算 /3、图像的几何变换 /4、空间域图像增强 /5、频率域图像增强 /6、彩色图像处理 /7、形态学图像处理 /8、图像分割 /9、特征提取
/1、图像的读取和显示
一、图像的读取
A=imread(FILENAME,FMT)
FILENAME 指定图像文件的完整路径和文件名。如果在work工作目录下 只需提供文件名。FMT为图像文件的格式对应的标准扩展名。 I_1=imread('D:\10.06.08nir\TTC10377.BMP');%读入图像 二、图像的写入
rgb2gray;从RGB图创建灰度图，存储类型不变。 im2uint8 将图像转换成uint8类型
im2double 将图像转换成double类型
/2、图像的点运算
一、图像直方图
灰度直方图描述了一副图像的灰度级统计信息，主要应用于图像分 割和图像灰度变换等处理过程中。从数学角度来说，图像直方图描述图 像各个灰度级的统计特性，它是图像灰度值的函数，统计一幅图像中各 个灰度级出现的次数或概率。归一化直方图可以直接反映不同灰度级出 现的比率。横坐标为图像中各个像素点的灰度级别，纵坐标表示具有各 个灰度级别的像素在图像中出现的次数或概率。
遥感数字图像处理-第9章 感兴趣目标及对象提取
算都是以组合的方式出现，所以可以对图像进行闭-开运 算或开-闭运算。
11
三、对象提取
遥感图像中的对象即遥感图像上具有相同特征（如光谱、纹 理和空间组合关系等特征）的“同质均一”单元，“同质均 一”不仅体现在光谱域上，也体现在空间域上。图像分割并 经二值图像处理之后，虽然提取出了“同质均一”的各目标 单元，但得到的结果仍然是二值图像，所有的目标单元像元 值均为1。
当存在多个连通域时还需将各个连通域分开来单独分析其属 性，因此需对各目标单元进行识别并赋以单独的编号（即贴 标签）。同时，为了方便对对象的形态特征进行分析，还需 将各目标单元进行矢量化，以提取各目标单元的封闭边界轮 廓。
12
第9章
感兴趣目标及对象提取
感兴趣目标及对象提取
一、图像分割 二、二值图像处理 三、对象提取 难点：形态学分水岭分割过程 重点：图像分割方法
2
一、图像分割
图像分割是指从图像中将某个特定区域与其它部分进行分 离并提取出来的处理，即把“前景目标”从“背景”中提 取出来，通常也称之为图像的二值化处理，主要包括：阈 值法、边界分割法、区域提取法、形态学分水岭分割。
同样，八连通是指当前目标像元在其八近邻中存在同类 像元。所以，四连通成立的时候，八连通一定成立；但 八连通成立，四连通不一定成立。
连通域 （a）四连通；（b）八连通
9
二、二值图像处理
3）内部点和边界点 在每个连通域中，与背景相邻接的点称为边界点，与背景
不邻接的点称为内部点。在四连通定义下，如果当前目标 像元的八近邻像元中没有背景像元，则该像元为内部点； 反之，为边界点。在八连通定义下，如果当前目标像元的 四近邻像元中没有背景像元，则该像元为内部点；反之， 为边界点。
分水岭分割示意图
11
三、对象提取
遥感图像中的对象即遥感图像上具有相同特征（如光谱、纹 理和空间组合关系等特征）的“同质均一”单元，“同质均 一”不仅体现在光谱域上，也体现在空间域上。图像分割并 经二值图像处理之后，虽然提取出了“同质均一”的各目标 单元，但得到的结果仍然是二值图像，所有的目标单元像元 值均为1。
当存在多个连通域时还需将各个连通域分开来单独分析其属 性，因此需对各目标单元进行识别并赋以单独的编号（即贴 标签）。同时，为了方便对对象的形态特征进行分析，还需 将各目标单元进行矢量化，以提取各目标单元的封闭边界轮 廓。
12
第9章
感兴趣目标及对象提取
感兴趣目标及对象提取
一、图像分割 二、二值图像处理 三、对象提取 难点：形态学分水岭分割过程 重点：图像分割方法
2
一、图像分割
图像分割是指从图像中将某个特定区域与其它部分进行分 离并提取出来的处理，即把“前景目标”从“背景”中提 取出来，通常也称之为图像的二值化处理，主要包括：阈 值法、边界分割法、区域提取法、形态学分水岭分割。
同样，八连通是指当前目标像元在其八近邻中存在同类 像元。所以，四连通成立的时候，八连通一定成立；但 八连通成立，四连通不一定成立。
连通域 （a）四连通；（b）八连通
9
二、二值图像处理
3）内部点和边界点 在每个连通域中，与背景相邻接的点称为边界点，与背景
不邻接的点称为内部点。在四连通定义下，如果当前目标 像元的八近邻像元中没有背景像元，则该像元为内部点； 反之，为边界点。在八连通定义下，如果当前目标像元的 四近邻像元中没有背景像元，则该像元为内部点；反之， 为边界点。
分水岭分割示意图
数字图像处理课件ppt课件
9
• 1.2.3 数字图像处理的特点 • 1．具有数字信号处理技术共有的特点。如： • （1）处理精度高。 • （2）重现性能好。 • （3）灵活性高。 • 2．数字图像处理后的图像可能是供人观察和评价的，也
可能作为机器视觉的预处理结果。 • 3．数字图像处理技术适用面宽。原始模拟图像可以来自
多种信息源，它们可以是可见光图像，也可以是不可见的 波谱图像、超声波图像或红外图像。
1.3 基本的图像处理系统
• 图像处理系统包括
– 图像处理硬件和图像处理软件。
• 1.3.1 图像处理硬件 • 微机图像处理硬件系统主要
– 由图像输入设备、图像运算处理设备（微计算机）、 图像存储器、图像输出设备等组成。
• 软件系统包括
– 操作系统、控制软件及应用软件等。 13
图1.7 基本的数字图像处理系统
统。
• 3．图像处理开发工具
– （1）VC++面向对象可视化集成工具 – （2）MATLAB的图像处理工具箱 – （3）图像应用软件：Photoshop、CorelDRAW、
ACDSee
22
1.4 数字图像处理的应用与发展趋势
• 1.4.1 数字图像处理的应用 • 1．航天和航空技术方面的应用 • 2．生物医学工程方面的应用 • 3．通信工程方面的应用 • 4．工业自动化和机器人视觉方面的应用 • 5．军事和公安方面的应用 • 6．生活和娱乐方面的应用
– 像素（picture element，简称pixel）
• 一幅图像可以用二维矩阵表示。
4
图1.1 自然景物图像
(a)原图
(b)将原图放大4倍
• 图像的数字化包括两个主要步骤：离散和量化
5
• 1.1.2 图像处理的发展简史 • 数字图像处理首次成功地应用在1964年美国
• 1.2.3 数字图像处理的特点 • 1．具有数字信号处理技术共有的特点。如： • （1）处理精度高。 • （2）重现性能好。 • （3）灵活性高。 • 2．数字图像处理后的图像可能是供人观察和评价的，也
可能作为机器视觉的预处理结果。 • 3．数字图像处理技术适用面宽。原始模拟图像可以来自
多种信息源，它们可以是可见光图像，也可以是不可见的 波谱图像、超声波图像或红外图像。
1.3 基本的图像处理系统
• 图像处理系统包括
– 图像处理硬件和图像处理软件。
• 1.3.1 图像处理硬件 • 微机图像处理硬件系统主要
– 由图像输入设备、图像运算处理设备（微计算机）、 图像存储器、图像输出设备等组成。
• 软件系统包括
– 操作系统、控制软件及应用软件等。 13
图1.7 基本的数字图像处理系统
统。
• 3．图像处理开发工具
– （1）VC++面向对象可视化集成工具 – （2）MATLAB的图像处理工具箱 – （3）图像应用软件：Photoshop、CorelDRAW、
ACDSee
22
1.4 数字图像处理的应用与发展趋势
• 1.4.1 数字图像处理的应用 • 1．航天和航空技术方面的应用 • 2．生物医学工程方面的应用 • 3．通信工程方面的应用 • 4．工业自动化和机器人视觉方面的应用 • 5．军事和公安方面的应用 • 6．生活和娱乐方面的应用
– 像素（picture element，简称pixel）
• 一幅图像可以用二维矩阵表示。
4
图1.1 自然景物图像
(a)原图
(b)将原图放大4倍
• 图像的数字化包括两个主要步骤：离散和量化
5
• 1.1.2 图像处理的发展简史 • 数字图像处理首次成功地应用在1964年美国
数字图像处理课件ppt
几何变换
几何变换是对图像进行形状、大小、位置等变换的过程。常见的几何变换包括 平移、旋转、缩放、扭曲等。这些变换可以通过矩阵运算来实现。
空间滤波
空间滤波是在图像上应用滤波器来改变图像的像素值。常见的空间滤波包括均 值滤波、中值滤波、高斯滤波等。这些滤波器可以用于去除噪声、增强边缘等 操作。
数字图像处理算法
01
计算机视觉
实现机器视觉，进行目标检测、识 别、跟踪等任务。
安全监控
利用数字图像处理技术实现安全监 控，提高监控的准确性和效率。
03
02
医学影像分析
对医学影像进行各种处理，以辅助 医生进行疾病诊断和治疗。
遥感影像处理
对遥感影像进行各种处理和分析， 以提取有用的地理信息。
04
数字图像处理基础
02
知识
特定目标分割
采用特定目标检测和跟踪技术，实现特定目 标的分割。
数字图像处理实践
04
使用Python进行图像处理的基本步骤和常用库
01
02
03
04
05
安装Python和相 导入图像 关库
图像预处理
图像分析
结果可视化
为了使用Python进行图像 处理，需要先安装Python 解释器和相关的图像处理 库，如OpenCV、Pillow等 。
人脸识别
人脸识别是在人脸检测的基础上，对检测到的人脸进行特征提取和比对，从而识别出不同的人脸。人脸识别算法 通常采用深度学习模型，如卷积神经网络（CNN）或循环神经网络（RNN）。
车牌识别系统
车牌定位
车牌定位是车牌识别系统的第一步，其 目的是在给定的图像中找到车牌的位置 和大小。车牌定位算法通常采用基于颜 色和形状的方法，结合图像处理技术进 行实现。
几何变换是对图像进行形状、大小、位置等变换的过程。常见的几何变换包括 平移、旋转、缩放、扭曲等。这些变换可以通过矩阵运算来实现。
空间滤波
空间滤波是在图像上应用滤波器来改变图像的像素值。常见的空间滤波包括均 值滤波、中值滤波、高斯滤波等。这些滤波器可以用于去除噪声、增强边缘等 操作。
数字图像处理算法
01
计算机视觉
实现机器视觉，进行目标检测、识 别、跟踪等任务。
安全监控
利用数字图像处理技术实现安全监 控，提高监控的准确性和效率。
03
02
医学影像分析
对医学影像进行各种处理，以辅助 医生进行疾病诊断和治疗。
遥感影像处理
对遥感影像进行各种处理和分析， 以提取有用的地理信息。
04
数字图像处理基础
02
知识
特定目标分割
采用特定目标检测和跟踪技术，实现特定目 标的分割。
数字图像处理实践
04
使用Python进行图像处理的基本步骤和常用库
01
02
03
04
05
安装Python和相 导入图像 关库
图像预处理
图像分析
结果可视化
为了使用Python进行图像 处理，需要先安装Python 解释器和相关的图像处理 库，如OpenCV、Pillow等 。
人脸识别
人脸识别是在人脸检测的基础上，对检测到的人脸进行特征提取和比对，从而识别出不同的人脸。人脸识别算法 通常采用深度学习模型，如卷积神经网络（CNN）或循环神经网络（RNN）。
车牌识别系统
车牌定位
车牌定位是车牌识别系统的第一步，其 目的是在给定的图像中找到车牌的位置 和大小。车牌定位算法通常采用基于颜 色和形状的方法，结合图像处理技术进 行实现。
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
像
处 3. 从背景中分割物体。
理
4. 物体量化描述（面积、周长、投影）。
7
常用的集合运算
数第 字九 图章 像形 处态 理学
图 像 处 理
➢ 常用的集合运算包含：属于或包含（⊂或⊃）、 交（∩）、并（∪）、空集、集合补（C）、
集合差（ X Y X I Y C ）
➢ 一个集合 Bˆ 的反射表示为：Bˆ {w | w b, b B}
40
人脸检测与定位
数 第 ➢ 总的流程：人脸大致定位→ 眼睛的定位
字九
图 章 → 嘴的定位→勾勒人脸
像形
处 态 ➢ 人脸大致定位流程：读入图像→光线补
理学 图
偿→色彩空间转换→皮肤颜色建模→膨
像 胀→腐蚀→去掉假的人脸区域→再次膨
处
理 胀→再次腐蚀→大致定位人脸区域
41
数 第 ➢ 眼睛的大致定位流程：眼睛的色度匹配
B{)z ((BB))z z
A| (
B)
z
A}
TBran在slatAes中of B的in 平A 移
B
(a) 结构元B沿集合A的内侧边界滚动（黑点表示B的原点）； (b) 结构元； (c) 粗线是开操作的外部边界； (d) 完全的开操作（阴影部分）。
29
闭操作的一个简单几何解释
数 第 ➢ 开操作和闭操作彼此对偶，所以闭操作在边
9.2.2 膨胀 A的膨胀是所有位移z的集合，这样，和 A至少有一个元素是重叠的。
数 第 ➢ A和B是Z2中的集合，表示为AB的B对A的
字九 图章 像形
膨胀定义为，假定B是一个结构元，A是被膨 胀的集合（图像物体） ：
处态 理学
A B {z | (Bˆ)z
A }
A B {z | [(Bˆ)z A] A}
处态 理学
数学形态学作为工具从图像中提取表达和描绘
图 区域形状的有用图像分量，如边界、骨架和凸
像 处
壳等。
理 ➢ 用于预处理或后处理的形态学技术，比如形态
学过滤、细化和修剪等。
4
数第
字九
图章
像形 处态
9.1 预备知识
理学
图
像
处
理
5
引言
数 第 ➢数学形态学的语言是集合论。
字九
图 章 ➢形态学为大量的图像处理问题提供一种
字九 图章
界外侧滚动球体是意料之中的事情。
像 形 ➢ 然后，A B 的边界由B中的点建立：当B在A
处态 理学
的边界外侧滚动时，B所能到达的A的边界的
图 最远点。
像 处
➢ 从几何上讲，当且仅当对包含w的(B)z进行的
理 任何平移都有(B)z∩A≠时，点w才是A·B的
U 一个元素。A B {(B)z | (B)z I A }
图 像 处 理
a) 噪声图像
b) 结构元素
c) 腐 蚀 后 的 图 像
d) A的开操作 e) 开 操 作 的 膨
胀
f) 开 操 作 的 闭 操作
39
白细胞核检测过程
数第 字九 图章 像形 处态 理学
图 像 处 理
1、打开白细胞图像； 2、转换为灰度图像； 3、灰度拉伸处理； 4、阈值化为二值图像； 5、闭操作1次； 6、连续腐蚀3次； 7、连续膨胀3次； 8、显示检测结果。
d) A的补集
A—B (A)c
e) A和B的差
(e)
f) 集合A平移到z
BˆBˆ
g) 集合B的反射
(A)z
(g)
9
逻辑操作
非：非A
与：(A)与(B)
数第
字九 图章
或：(A)或(B)
像形
处态 理学
与非：(A)与非(B)
图
像 处
异或：(A)异或(B)
理
XOR（异或）操作的结果：该结果是属于A或B的前景像素的
图 X B {p 2 : p x b, x X 且b B}
像
处 ➢ 腐蚀是一种收缩或细化操作，膨胀则会“增
理 长”或“粗化”二值图像中的物体。这种特
殊的方式和粗化的宽度由所用结构元来控制。
18
膨胀的例子
d
数第
d/4
a) 集合A
字九 d 图章
d/4
Bˆ B
b) 方 形 结 构 元 素
图 ➢ B对A的开操作是通过拟合到A的B的所有平移
像 的并集得到的。开操作可以表示为一个拟合处
处
理 理：A B {(B)z | (B)z A}
➢ 其中∪{·}表示大括号中所有集合的并集。
28
开操作的简单几何解释
数第 字九 图章 像形 处态 理学
图 像 处 理
A
A
A
B B
(
处
理
36
开操作（左图为原始图像）
数第 字九 图章 像形 处态 理学
图 像 处 理
37
闭操作（左图为原始图像）
数第 字九 图章 像形 处态 理学
图 像 处 理
38
被噪声污染的指纹的二值图像。这里，噪 声本身表现为在黑色背景上的随机亮元素 和指纹较亮部分上的暗元素。
数第 字九 图章 像形 处态 理学
是对偶的。
像形 处态
( A B)c Ac Bˆ
理学 图
( A B)c Ac Bˆ
像
处
理
24
数第
字九
图章
像形 处态
9.3 开操作与闭操作
理学
图
像
处
理
25
数第 字九 图章 像形 处态 理学
图 像 处 理
➢ 膨胀会扩大一幅图像的组成部分，而腐蚀则会 缩小一幅图像中的组成部分。
➢ 开操作一般会平滑物体的轮廓、断开较窄的狭 颈并消除细的突出物。
像形
处 态 一致且有力的方法。
理学
图 ➢数学形态学中的集合表示图像中的对象。
像
处 ➢大多数高级图像分析工具包都实现了一 理 些形态学方法。
6
数 第 ➢ 形态学运算主要用于如下几个目的：
字九
图 章 1. 图像预处理（去噪声、简化形状）。
像形
处 态 2. 增强物体结构（抽取骨骼、细化、粗
理学
图 化、凸包、物体标记）。
处态 理学
在A中的所有的点z的集合。集合B是一个结
图 构元。
像 处
➢ B必须包含在A中这一陈述等价于B不与背景
理 共享任何公共元素：A B {z | (B)Z Ac }
A B {p 2 : p b X , 对于每一个b B} 14
腐蚀的例子
数第 字九 图章 像形 处态 理学
数字图像处理 Digital Image Processing
1
数第
字九
图章
像形 处态
第九章 形态学图像处理
理学
图
像
处
理
2
数第 字九 图章 像形 处态 理学
图 像 处 理
引言
3
数 第 ➢ 形态学(morphology)一词通常表示生物学的一
字九 图章
个分支，该分支主要研究动植物的形态和结构。
像 形 ➢ 我们使用同一词语表示数学形态学的内容，将
像形
A
AB
d/8
d
d/8
（黑点为中心）
处态
理学
图
d/4
c) B对A的膨胀以阴
d/2
影显示
像
处
d
d d) 拉长的结构元素
理
Bˆ B
e) 使 用 这 个 结 构 元
d/2
AB
d/8
d
d/8
素进行的A的膨胀
19
膨胀的例子
数第 字九 图章 像形 处态 理学
图 像 处 理
a) 带有间断字符 的低分辨率示 例文本（放大 图）
➢ 闭操作同样也会平滑轮廓的一部分，但与开操 作相反，它通常会弥合较窄的间断和细长的沟 壑，消除小的孔洞，填补轮廓线中的断裂。
26
数 第 ➢ 先腐蚀再膨胀是一个重要的形态学变换，称为
字九 图章
开操作。图像A关于结构元素B的开操作记为
像 形 A◦B，定义为：
处态 理学
AoB (A B) B
图 ➢ 先膨胀再腐蚀称为闭操作。图像A关于结构元
b) 结构元素
c) 通过(b)对(a)膨 胀，断线被连 接起来了。
20
作为各向同性的扩张的膨胀
数第 字九 图章 像形 处态 理学
图 像 处 理
21
通过对原始图像（左图）和腐蚀 后图像做差求物体轮廓
数第 字九 图章 像形 处态 理学
图 像 处 理
22
腐蚀和膨胀的例子
数第 字九 图章 像形 处态 理学
图 像 处 理
d/4 d/4
B A
d/8
d/4
d
B d/8
a) b)
AB
3d/4
d/8
c)
d/2
d)
A B d/2
3d/4
d/8
e)
集合A 方形结构元素 （黑点为中心） 由B对A腐蚀，以 阴影显示 拉长的结构元素 使用这个结构元 素对A腐蚀
15
使用腐蚀去除图像的某些部分
a)
数第
字九
图章
b)
像形
处态
➢ 集合B按照点z=(z1,z2)表示为(B)z的平移定义
如下：(B)z {c | c b z, b B}
z2
z1 B
Bˆ
8 (B)z
集合的运算
a) 两个集合A和B
数第
处 3. 从背景中分割物体。
理
4. 物体量化描述（面积、周长、投影）。
7
常用的集合运算
数第 字九 图章 像形 处态 理学
图 像 处 理
➢ 常用的集合运算包含：属于或包含（⊂或⊃）、 交（∩）、并（∪）、空集、集合补（C）、
集合差（ X Y X I Y C ）
➢ 一个集合 Bˆ 的反射表示为：Bˆ {w | w b, b B}
40
人脸检测与定位
数 第 ➢ 总的流程：人脸大致定位→ 眼睛的定位
字九
图 章 → 嘴的定位→勾勒人脸
像形
处 态 ➢ 人脸大致定位流程：读入图像→光线补
理学 图
偿→色彩空间转换→皮肤颜色建模→膨
像 胀→腐蚀→去掉假的人脸区域→再次膨
处
理 胀→再次腐蚀→大致定位人脸区域
41
数 第 ➢ 眼睛的大致定位流程：眼睛的色度匹配
B{)z ((BB))z z
A| (
B)
z
A}
TBran在slatAes中of B的in 平A 移
B
(a) 结构元B沿集合A的内侧边界滚动（黑点表示B的原点）； (b) 结构元； (c) 粗线是开操作的外部边界； (d) 完全的开操作（阴影部分）。
29
闭操作的一个简单几何解释
数 第 ➢ 开操作和闭操作彼此对偶，所以闭操作在边
9.2.2 膨胀 A的膨胀是所有位移z的集合，这样，和 A至少有一个元素是重叠的。
数 第 ➢ A和B是Z2中的集合，表示为AB的B对A的
字九 图章 像形
膨胀定义为，假定B是一个结构元，A是被膨 胀的集合（图像物体） ：
处态 理学
A B {z | (Bˆ)z
A }
A B {z | [(Bˆ)z A] A}
处态 理学
数学形态学作为工具从图像中提取表达和描绘
图 区域形状的有用图像分量，如边界、骨架和凸
像 处
壳等。
理 ➢ 用于预处理或后处理的形态学技术，比如形态
学过滤、细化和修剪等。
4
数第
字九
图章
像形 处态
9.1 预备知识
理学
图
像
处
理
5
引言
数 第 ➢数学形态学的语言是集合论。
字九
图 章 ➢形态学为大量的图像处理问题提供一种
字九 图章
界外侧滚动球体是意料之中的事情。
像 形 ➢ 然后，A B 的边界由B中的点建立：当B在A
处态 理学
的边界外侧滚动时，B所能到达的A的边界的
图 最远点。
像 处
➢ 从几何上讲，当且仅当对包含w的(B)z进行的
理 任何平移都有(B)z∩A≠时，点w才是A·B的
U 一个元素。A B {(B)z | (B)z I A }
图 像 处 理
a) 噪声图像
b) 结构元素
c) 腐 蚀 后 的 图 像
d) A的开操作 e) 开 操 作 的 膨
胀
f) 开 操 作 的 闭 操作
39
白细胞核检测过程
数第 字九 图章 像形 处态 理学
图 像 处 理
1、打开白细胞图像； 2、转换为灰度图像； 3、灰度拉伸处理； 4、阈值化为二值图像； 5、闭操作1次； 6、连续腐蚀3次； 7、连续膨胀3次； 8、显示检测结果。
d) A的补集
A—B (A)c
e) A和B的差
(e)
f) 集合A平移到z
BˆBˆ
g) 集合B的反射
(A)z
(g)
9
逻辑操作
非：非A
与：(A)与(B)
数第
字九 图章
或：(A)或(B)
像形
处态 理学
与非：(A)与非(B)
图
像 处
异或：(A)异或(B)
理
XOR（异或）操作的结果：该结果是属于A或B的前景像素的
图 X B {p 2 : p x b, x X 且b B}
像
处 ➢ 腐蚀是一种收缩或细化操作，膨胀则会“增
理 长”或“粗化”二值图像中的物体。这种特
殊的方式和粗化的宽度由所用结构元来控制。
18
膨胀的例子
d
数第
d/4
a) 集合A
字九 d 图章
d/4
Bˆ B
b) 方 形 结 构 元 素
图 ➢ B对A的开操作是通过拟合到A的B的所有平移
像 的并集得到的。开操作可以表示为一个拟合处
处
理 理：A B {(B)z | (B)z A}
➢ 其中∪{·}表示大括号中所有集合的并集。
28
开操作的简单几何解释
数第 字九 图章 像形 处态 理学
图 像 处 理
A
A
A
B B
(
处
理
36
开操作（左图为原始图像）
数第 字九 图章 像形 处态 理学
图 像 处 理
37
闭操作（左图为原始图像）
数第 字九 图章 像形 处态 理学
图 像 处 理
38
被噪声污染的指纹的二值图像。这里，噪 声本身表现为在黑色背景上的随机亮元素 和指纹较亮部分上的暗元素。
数第 字九 图章 像形 处态 理学
是对偶的。
像形 处态
( A B)c Ac Bˆ
理学 图
( A B)c Ac Bˆ
像
处
理
24
数第
字九
图章
像形 处态
9.3 开操作与闭操作
理学
图
像
处
理
25
数第 字九 图章 像形 处态 理学
图 像 处 理
➢ 膨胀会扩大一幅图像的组成部分，而腐蚀则会 缩小一幅图像中的组成部分。
➢ 开操作一般会平滑物体的轮廓、断开较窄的狭 颈并消除细的突出物。
像形
处 态 一致且有力的方法。
理学
图 ➢数学形态学中的集合表示图像中的对象。
像
处 ➢大多数高级图像分析工具包都实现了一 理 些形态学方法。
6
数 第 ➢ 形态学运算主要用于如下几个目的：
字九
图 章 1. 图像预处理（去噪声、简化形状）。
像形
处 态 2. 增强物体结构（抽取骨骼、细化、粗
理学
图 化、凸包、物体标记）。
处态 理学
在A中的所有的点z的集合。集合B是一个结
图 构元。
像 处
➢ B必须包含在A中这一陈述等价于B不与背景
理 共享任何公共元素：A B {z | (B)Z Ac }
A B {p 2 : p b X , 对于每一个b B} 14
腐蚀的例子
数第 字九 图章 像形 处态 理学
数字图像处理 Digital Image Processing
1
数第
字九
图章
像形 处态
第九章 形态学图像处理
理学
图
像
处
理
2
数第 字九 图章 像形 处态 理学
图 像 处 理
引言
3
数 第 ➢ 形态学(morphology)一词通常表示生物学的一
字九 图章
个分支，该分支主要研究动植物的形态和结构。
像 形 ➢ 我们使用同一词语表示数学形态学的内容，将
像形
A
AB
d/8
d
d/8
（黑点为中心）
处态
理学
图
d/4
c) B对A的膨胀以阴
d/2
影显示
像
处
d
d d) 拉长的结构元素
理
Bˆ B
e) 使 用 这 个 结 构 元
d/2
AB
d/8
d
d/8
素进行的A的膨胀
19
膨胀的例子
数第 字九 图章 像形 处态 理学
图 像 处 理
a) 带有间断字符 的低分辨率示 例文本（放大 图）
➢ 闭操作同样也会平滑轮廓的一部分，但与开操 作相反，它通常会弥合较窄的间断和细长的沟 壑，消除小的孔洞，填补轮廓线中的断裂。
26
数 第 ➢ 先腐蚀再膨胀是一个重要的形态学变换，称为
字九 图章
开操作。图像A关于结构元素B的开操作记为
像 形 A◦B，定义为：
处态 理学
AoB (A B) B
图 ➢ 先膨胀再腐蚀称为闭操作。图像A关于结构元
b) 结构元素
c) 通过(b)对(a)膨 胀，断线被连 接起来了。
20
作为各向同性的扩张的膨胀
数第 字九 图章 像形 处态 理学
图 像 处 理
21
通过对原始图像（左图）和腐蚀 后图像做差求物体轮廓
数第 字九 图章 像形 处态 理学
图 像 处 理
22
腐蚀和膨胀的例子
数第 字九 图章 像形 处态 理学
图 像 处 理
d/4 d/4
B A
d/8
d/4
d
B d/8
a) b)
AB
3d/4
d/8
c)
d/2
d)
A B d/2
3d/4
d/8
e)
集合A 方形结构元素 （黑点为中心） 由B对A腐蚀，以 阴影显示 拉长的结构元素 使用这个结构元 素对A腐蚀
15
使用腐蚀去除图像的某些部分
a)
数第
字九
图章
b)
像形
处态
➢ 集合B按照点z=(z1,z2)表示为(B)z的平移定义
如下：(B)z {c | c b z, b B}
z2
z1 B
Bˆ
8 (B)z
集合的运算
a) 两个集合A和B
数第