OPT小讲堂∣SciSmart图像增强之形态学

       上一课我们讲了图像增强中的滤波，今天讲一讲其中的形态学。

       形态学图像处理的基本原理，可以简单理解为利用结构元素作为“探针”在图像中不断的移动，在此过程中收集图像的信息，分析图像各部分间的逻辑关系，从而了解图像的结构特征。最基本的形态学运算有腐蚀、膨胀、开运算、闭运算等。用这些算子及其组合来进行图像形状和结构的分析及处理，可以解决噪声抑制、特征提取、边缘检测、形状识别、纹理分析、图像恢复与重建等方面的问题。

      一、参数设置

       点击形态学中的“设置”按钮，打开设置参数界面，如图1。

图1  形态学工具界面

       1、设置方法：点击下拉框，可选择腐蚀、膨胀、开运算、闭运算、梯度运算、顶帽运算、黑帽运算、提取边缘运算、击中或击不中运算，这些方法可以在灰度及彩色图像中使用。

       2、形态核形状：包括矩形、十字交叉、椭圆。

       3、行数/列数：行数和列数构成形态核的大小，形态核大小=行数×列数。

       4、锚点X/Y：形态核锚点的坐标位置。锚点的X/Y坐标值小于形态核的行数和形态核的列数，当锚点X/Y设置为-1，表示锚点位于形态核X/Y的中心位置上。

       5、迭代次数：形态学方法处理次数。

       二、形态学方法

      1、腐蚀

       腐蚀的算法：用结构元素作为“探针”在图像上按规律移动，每次移动收集图像上被结构元素覆盖的所有像素值，取其中最小值去替换此次图像与锚点对应位置的像素值。

       腐蚀，简单理解就是消除边界点，使边界向内部收缩的过程，可有效去除噪声，消除图像中较小的干扰信息，效果如图2。

图2  腐蚀效果图

       2、膨胀

       膨胀的算法：用结构元素作为“探针”在图像上按规律移动，每次移动收集图像上被结构元素覆盖的所有像素值，取其中最大值去替换此次图像与锚点对应位置的像素值。

       膨胀，将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。可有效填补划痕、孔洞等，效果如图3。

图3  膨胀效果图

       3、开运算和闭运算

       开运算：先腐蚀后膨胀的过程。用来消除小物体、在纤细处分离物体、平滑较大物体的边界的同时并不明显改变其面积。

       闭运算：先膨胀后腐蚀的过程。用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。效果如图4。

图4  开运算与闭运算效果图

       4、梯度运算

       梯度运算：膨胀图与腐蚀图之差。

       膨胀用于粗化一幅图像中的区域，而腐蚀则是细化区域。图像膨胀处理后减去腐蚀后的图像得到一幅形态学梯度的图像，强调了区域间的边界。效果如图5。

图5  梯度运算效果图

       5、顶帽运算和黑帽运算

       顶帽运算：源图像与开运算图之差。

       黑帽运算：源图像与闭运算图之差。

       开运算和闭运算与图像相减相结合，产生顶帽变换和底帽变换。顶帽变换用于暗背景上的亮物体，而底帽变换则用于相反的情况，所以也分别称白顶帽变换和黑底帽变换。效果如图6。

图6  顶帽运算与黑帽运算效果图

       6、提取边缘运算

       提取边缘运算：源图像与腐蚀图之差。对图像进行腐蚀，然后用源图像减去腐蚀后的图像即可得到边缘。相对于其他算法，这种算法更准确地判定了边缘及其方向，很好地保持了边缘细节。效果如图7。

图7  边缘提取效果图

       7、击中或击不中运算

       HMT变换可以同时探测图像的内部和外部。在研究图像中的目标物体与图像背景之间的关系上，HMT能够取得很好的效果，所以常被用于解决目标图像识别和模型识别等领域。效果如图8。

图8  击中或击不中运算效果图

表1  算法特点对比

       以上为OPT小讲堂之SciSmart智能视觉软件操作培训第五课内容，如有任何问题欢迎在留言区留言或来电咨询，全国服务热线400-0769-068。