tiểu luận xử lý ảnh số kỹ thuật xử lý hình thái học của ảnh

Tiểu luận: KỸ THUẬT XỬ LÝ HÌNH THÁI HỌC CỦA ẢNH I Giới thiệu: Hiện nay, kỹ thuật xử lý ảnh số máy tính nhiều nhà nghiên cứu quan tâm phát triển, có xử lý hình thái học ảnh Bởi xử lý hình thái học ảnh cung cấp cho mô tả định lượng cấu trúc hình dạng hình học đối tượng ảnh dựa lý thuyết toán học lý thuyết tập hợp, hình học tơpơ, xác suất, v.v ứng dụng rộng rãi nhiều ứng dụng phát biên, phân đoạn đối tượng, giảm nhiễu, tìm xương ảnh v.v Trong ứng dụng thị giác máy tính, xử lý hình thái học sử dụng để nhận dạng đối tượng, nâng cao chất lượng ảnh, phân đoạn ảnh kiểm tra khuyết điểm ảnh Các phép tốn xử lý hình thái học thực chủ yếu ảnh nhị phân ảnh xám Những thành phần ảnh nhị phân thành tố cấu trúc không gian chiều Ảnh nhị phân hay gọi ảnh đen trắng tương ứng với hai giá trị (màu trắng) (màu đen) Ảnh xám ảnh mà điểm ảnh có giá trị cường độ sáng nằm khoảng [0, 255] II Tổng quan: Hình thái học xây dựng dựa sở lý thuyết tập hợp Các tập hợp đại diện cho đối tượng hình ảnh Ví dụ, tập hợp tất điểm trắng trông ảnh nhị phân mơ tả hình thái hồn hảo ảnh Trong hình ảnh nhị phân, tập hợp thành viên không gian số nguyên chiều Z 2, phần tử tập hợp (vector chiều) có tọa độ (x, y) tọa độ điểm ảnh trắng đen ảnh Các ảnh xám biểu diễn tập, nơi thành phần có khơng gian chiều Z3: hai thành phần tọa độ điểm ảnh, thành phần thứ ba giá trị cường độ rời rạc ảnh • Một vài phép tốn tập hợp - Cho tập A xác định Z2, a=(a 1,a2) phần tử A a A, a khơng nằm A a∉ A A⊆ B Phép hợp tập hợp: C = A ∪ B Phép giao tập hợp: D = A ∩ B Nếu A B khơng có phần tử chung thì: A ∩ B = ∅ - Nếu A B A chứa B - Phần bù tập A, ký hiệu AC tập hợp phần tử không chứa A - Phần sai khác hai tập A B, ký hiệu A-B, định nghĩa - Phản chiếu tập B, ký hiệu B^ - Chuyển vị tập A z=(z1,z2) ký hiệu (A)z Hình Ví dụ phép tốn tập hợp Hình Ba phép tốn logic tập hợp • Các phép tốn luận lý liên quan đến ảnh nhị phân: Phần lớn ứng dụng dựa khái niệm hình thái học thảo luận chương liên quan đến hình ảnh nhị phân Phép toán logic, đơn giản nhưng, cung cấp công cụ bổ sung mạnh mẽ để thực thuật tốn xử lý hình ảnh dựa hình thái học Các phép tốn logic giới thiệu phần trước Trong phần này, quan tâm phép toán logic liên quan đến ảnh nhị phân Các phép tốn logic sử dụng xử lý hình ảnh phép AND, OR NOT (phép bù) Các phép tốn có khả kết hợp để tạo phép toán logic khác Phép toán logic thực điểm ảnh theo điểm ảnh điểm ảnh tương ứng hai nhiều hình ảnh (ngoại trừ phép NOT, hoạt động điểm ảnh hình ảnh nhất) Vì phép AND hai biến số nhị phân ln có giá trị 1, kết vị trí kết hình ảnh ln điểm ảnh tương ứng hai hình ảnh đầu vào Hình 9.3 cho thấy ví dụ khác hoạt động logic liên quan đến hình ảnh, nơi màu đen cho thấy số nhị phân màu trắng cho thấy ( Chúng sử dụng hai công ước chương này, đảo ngược ý nghĩa nhị phân bóng tối [ đen màu xám] chống ánh sáng [trắng] , tùy thuộc vào rõ ràng tình định) Ví dụ, phép XOR mang lại một điểm ảnh khác ( khơng phải hai ) có giá trị 1, mang giá trị ngược lại Phép tốn khơng giống phép OR, điểm ảnh khác 1, hai điểm ảnh - Tương tự, không- hoạt động lựa chọn điểm ảnh màu đen đồng thời B , không A Điều quan trọng cần lưu ý hoạt động logic vừa mơ tả có tương ứng một-một với hoạt động tập hợp thảo luận mục 9.1.1 với hạn chế hoạt động logic giới hạn cho biến nhị phân, mà khơng phải trường hợp chung phép tốn.Vì thế, ví dụ, hoạt động giao lý thuyết tập hợp giảm đến hoạt động biến có liên quan nhị phân Thuật ngữ giao AND thường sử dụng thay cho tài liệu để chung hoạt động thiết lập nhị phân, với ý nghĩa nói chung rõ ràng Hình Các phép tốn logic tập hợp III Thành phần cấu trúc ảnh (SE) Ngoài định nghĩa lý thuyết tập hợp bản, phản chiếu tập B định nghĩa: Bˆ = {w| w = −b, for b∈B} Nếu B tập hợp pixel (điểm 2D) đại diện cho đối tượng hình ảnh, phản chiếu tập hợp điểm B, mà tọa độ (x, y) thay (-x,-y) Sự chuyển vị tập hợp B điểm z =(z1, z2), ký hiệu (B) z định nghĩa: Nếu B tập hợp pixel, (B) z tập điểm mà có tọa độ (x, y) thay (x + z 1, y + z2) Sự phản chiếu (reflection) truyền dẫn (transmission) sử dụng rộng rãi để xây dựng hoạt động dựa thành phần cấu trúc (SEs): tập hợp nhỏ ảnh sử dụng để thăm dò hình ảnh phân tích cho tính chất cần quan tâm Ví dụ thành phần cấu trúc: vng bóng mờ biểu thị thành viên SE Nguồn gốc thành tố cấu trúc đánh dấu dấu chấm đen Khi làm việc với hình ảnh, thành tố cấu trúc SE hình chữ nhật: thêm số lượng nhỏ yếu tố ảnh Tập A: Thành phần cấu trúc: Tập A điền hình el-ts để tạo mảng hình chữ nhật Thành phần cấu trúc (SE) mảng: Quá trình xử lý tập hợp SE: Các hoạt động: tạo tập cách chạy B A cho gốc B truy cập phần tử A; điểm gốc B, B hoàn toàn chứa A, đánh dấu vị trí thành viên tập Kết là, biên A xói mịn IV Các phép tốn xử lý hình thái học ảnh: Phần lớn phép tốn hình thái học định nghĩa từ hai phép tốn phép toán co ảnh (Erosion) giãn ảnh (Dilation) Yếu tố quan trọng phép toán lựa chọn phần tử cấu trúc có hình dáng phù hợp Phần tử cấu trúc Đối với ảnh nhị phân, phần tử cấu trúc hay thành phần cấu trúc (SE) ảnh có kích thước nhỏ gồm có hai giá trị 1, giá trị bỏ qua trình tính tốn, gọi H(i, j) phần tử cấu trúc ảnh nhị phân thể sau: Một số hình dáng phần tử cấu trúc thường sử dụng ảnh nhị phân: dạng đường theo chiều ngang dọc, hình vng, hình ellipse, Hình 4: Một số hình dáng phần tử cấu trúc phẳng Đối với ảnh xám, phần tử cấu trúc không phẳng, tức phần tử cấu trúc sử dụng giá trị để xác định phạm vi phần tử cấu trúc mặt phẳng x mặt phẳng y thêm giá trị độ cao để xác định chiều thứ ba.Cấu trúc phần tử không phẳng gồm có hai phần: Phần thứ nhất: Một mảng hai chiều gồm có giá trị 1, giá trị xác định hàng xóm phần tử cấu trúc Hình Một mặt nạ xác định hàng xóm phần tử cấu trúc khơng phẳng Phần thứ hai: Một mảng hai chiều có kích thước với kích thước mảng hai chiều phần thứ chứa giá trị thực phần tử cấu trúc Hình Ma trận giá trị thực tương ứng với hâng xóm phần tử cấu trúc không phẳng Phép co ảnh – Erosion Xét tập hợp A vâ tập hợp B (Phần tử cấu trúc), phép co ảnh nhị phân tập hợp A phần tử cấu trúc B kí hiệu A⊖B viết dạng cơng thức sau: Vì “B phải chứa A” tương đương với “B không chia sẻ thành phần chung với nền”, việc co ảnh mơ tả hình thức sau: Với Ac phần bù A tập rỗng Phép co ảnh nhị phân tập hợp A phần tử cấu trúc B tập hợp điểm z (z nằm tâm điểm phần tử cấu trúc B) cho Bz lâ tập A Hình Ví dụ phép toán co ảnh nhị phân với phần tử cấu trúc phẳng Phép toán co ảnh ảnh xám I với cấu trúc phần tử không phẳng H vị trí (x, y) ảnh I xác định sau: (I⊖H)(x, y) = min(I(x+i, y+j) - H(i, j) | (i, j) DH) Hình Ví dụ phép toán co ảnh ảnh xám với phần tử cấu trúc khơng phẳng Trong đó, DH khơng gian ảnh phần tử cấu trúc khơng phẳng H Hình Sử dụng phép toán co ảnh để loại bỏ thành phần hình ảnh Một hình ảnh nhị phân kích thước 486 x 486 mặt nạ hình ảnh dây trái phiếu bị co ảnh sử dụng thành phần cấu trúc vng kích thước 11x11, 15x15, 45x45 Đối tượng co ảnh Hình 10 Hình ảnh mơ tả phép co ảnh Phép giãn ảnh – Dialtion Gọi A ảnh gốc, B phần tử cấu trúc Phép giãn nhị phân ảnh A với phần tử cấu trúc B kí hiệu A+B biểu diễn phép tốn giãn ảnh dạng phép toán tổ hợp sau: Hay: Phép giãn ảnh nhị phân tập A phần tử cấu trúc B lâ tập hợp điểm z (z tâm phần tử cấu trúc B tập A) cho phản xạ Bz giao với tập A điểm Hình 11 Ví dụ phép giãn nhị phân ảnh với phần tử cấu trúc phẳng Phép toán giãn ảnh ảnh xám I với cấu trúc phần tử không phẳng H vị trí (x, y) ảnh I xác định sau: (I+H)(x, y) = max(I(x+i, y+j)+H(i, j) | (i, j) DH) Hình 12 Phép tốn giãn ảnh ảnh xám với phần tử cấu trúc không phẳng Trong đó, DH khơng gian ảnh phần tử cấu trúc khơng phẳng H Có định nghĩa khác giãn nở Tuy nhiên, phương trình trước trực quan xem yếu tố cấu trúc mặt nạ chập Chúng ta cần phải nhớ giãn nở dựa hoạt động thiết lập hoạt động phi tuyến, chập tuyến tính Khơng giống co ảnh, giãn nở "phát triển" hay "làm dày" đối tượng hình ảnh nhị phân Cách thức mở rộng tăng trưởng hình ảnh kiểm sốt yếu tố cấu trúc Hình 13 Phương pháp giãn ảnh Một ứng dụng đơn giản cho giãn nở ảnh thu hẹp khoảng cách Hình 14 Ví dụ đơn giản giãn nở ảnh Thành phần cấu trúc B sử dụng: Hình 15 Phép mở đóng ảnh Nhiễu xung quanh bị loại bỏ trình co ảnh tất thành phần nhiễu nhỏ so với yếu tố cấu trúc Tối ưu yếu tố điểm nhiễu có dấu vân tay tăng kích thước Mở rộng không sử dụng cách thực giãn nở làm giảm hoàn tồn xóa nhiễu Các phép tốn tương đương với phép mở, có hiệu lực để loại bỏ gần tất nhiễu hình ảnh Tuy nhiên, khoảng cách sống vân tay tạo Để chống lại hiệu ứng này, giãn ảnh phép mở thực Hầu hết lỗi khôi phục sống ảnh dày lên, hiệu chỉnh co ảnh Kết tương đương với phép đóng phép mở Phép biến hình Hit or Miss Các hình thái biến đổi hit-or-miss cơng cụ để phát hình dạng ảnh Chúng tơi giới thiệu khái niệm với trợ giúp hình 9.12, cho thấy tập hợp A gồm ba hình dạng (tập con), ký hiệu X, Y Z bóng hình 9,12 (a) đến (c) cho thấy ban đầu, bóng hình 9,12 (d) (e) cho thấy kết hoạt động hình thái Mục tiêu để tìm vị trí hình dạng, nói, X Hãy nguồn gốc hình dạng đặt trung tâm lực hấp dẫn Để cho A "được bao bọc cửa sổ nhỏ, W địa phương X W định nghĩa khác biệt thiết lập (W - X) , Như thể hình 9.12 (b) Hình 9.12 (c) cho thấy bổ sung A, cần thiết sau Hình 9.12 (d) cho thấy xói mịn A X (các đường đứt nét bao gồm tài liệu tham khảo) Nhớ lại xói mòn A X tập hợp địa điểm nguồn gốc X, mà X hồn tồn có A Giải nghĩa cách khác, A © X xem hình học tập tất địa điểm nguồn gốc Xát mà Xfound trận đấu (hit) A Hãy nhớ hình * có 12 A gồm ba phân chia X, Y Z Hình 9.12 (e) cho thấy xói mịn phần bù A cách thiết lập địa phương (W - A ') Các khu vực bóng mờ bên ngồi hình 9,12 (e) phần xói mịn Chúng tơi lưu ý từ Hình 9,12 (d) (e) tập địa điểm mà xác phù hợp với bên A giao điểm xói mịn A X xói mịn Ac (W - X) hình 9.12 (f) Ngã tư xác vị trí tìm kiếm Nói cách khác, B tập gồm X tảng nó, trận đấu (hoặc thiết lập trận đấu) B A, ký hiệu A, B ®, Chúng ta khái quát hóa ký hiệu phần cách cho phép B = (B1, B2), nơi B1 tập hợp hình thành từ yếu tố B kết hợp với đối tượng B2 tập phần tử B kết hợp với tảng tương ứng Từ thảo luận trước đó, B1 B2 = X = (W - X) Với ký hiệu phương trình (9,4-1) trở nên Vì vậy, thiết lập ® B chứa tất điểm (bản gốc) mà đó, đồng thời, Bx tìm thấy trận đấu ("hit") A B2 tìm thấy trận đấu Ac Bằng cách sử dụng định nghĩa khác tập hợp phương trình (9,1-8) mối quan hệ hai xói mịn giãn nở đưa phương trình (9,2-4), viết phương trình (9,4-2) Tuy nhiên, phương trình (9,4-2) coi trực quan Chúng tơi đề cập đến ba phương trình trước hình thái hit-or-miss biến đổi Lý cho việc sử dụng yếu tố cấu trúc liên quan với đối tượng phần tử B2 kết hợp với dựa định nghĩa cho hai nhiều đối tượng khác biệt chúng tạo thành phân chia (ngắt kết nối) Điều đảm bảo cách yêu cầu đối tượng có tảng điểm ảnh dày xung quanh Trong số ứng dụng, quan tâm việc phát mẫu định (kết hợp) tập hợp, trường hợp tảng không cần thiết Trong trường hợp vậy, biến đổi hit-ormiss làm giảm xói mịn đơn giản Như trình bày trước đây, xói mịn tập hợp trận đấu, mà khơng có u cầu bổ sung trận đấu tảng để phát đối tượng cá nhân Chương trình phát mơ hình đơn giản hóa sử dụng số thuật tốn phát triển phần sau Hình 16 Phép biến hình Hit or Miss V Một vài thuật tốn hình thái bản: Với thảo luận trước làm nền, sẵn sàng để xem xét số sử dụng thực tế hình thái học Khi giao dịch với hình ảnh nhị phân, ứng dụng chủ yếu hình thái học chiết xuất thành phần hình ảnh hữu ích việc đại diện mơ tả hình dạng Đặc biệt, xem xét thuật tốn hình thái học để chiết xuất ranh giới, thành phần kết nối, xương khu vực Chúng phát triển số phương pháp (đối với khu vực đầy, mỏng, dày, tỉa khúc) sử dụng thường xuyên kết hợp với thuật toán trước xử lý sau bước Chúng sử dụng tăng cường phần "mini-hình ảnh", thiết kế để làm rõ chế q trình hình thái chúng tơi giới thiệu Các hình ảnh nhị phân, với điểm thể bóng mờ điểm thể điểm trắng Trích xuất biên: Để trích lọc biên ảnh nhị phân A, thực hai bước sau: • Đầu tiên, thực phép ăn mòn/phép co ảnh với phần tử cấu trúc B • Sau đó, thực khử ảnh A cách lấy ảnh gốc A trừ cho ảnh thực bước Như vậy, trích lọc biên ảnh A, ký hiệu Ap với phần tử cấu trúc B công thức sau: Yếu tố quan trọng việc trích lọc biên ảnh nhị phân đưa phần tử cấu trúc không phẳng hợp lý (a) (b) (c) (d) Hình 17 Trích lọc biên đối tượng: (a) ảnh gốc, (b) hình dáng phần tử cấu trúc, (c) ảnh sau thực phép co ảnh với phần tử cấu trúc, (d) ảnh kết theo công thức trích lọc biên Hình 18 minh họa chế khai thác ranh giới Nó cho thấy đối tượng đơn giản nhị nguyên, cấu thành phần B, kết việc sử dụng phương trình (9,5-1) Mặc dù thành phần cấu trúc hình Fig 9.13b dọc theo thành phần tần số sử dụng, điều khơng có nghĩa Ví dụ, sử dụng thành phần cấu trúc 5x5 điểm dẫn đến kết biên điểm dày Lưu ý gốc B nằm cạnh tập, phần thành phần cấu trúc bên ngồi ảnh Việc xử lý bình thường điều kiện giả sử giá trị bên ngồi biên ảnh Hình Fig 9.14 việc sử dụng công thức 9.5-1 với thành phần cấu trúc hình Fig 9.13b Trong ví dụ này, điểm nhị phân hiển thị màu trắng điểm màu đen Vì thành phần cấu trúc, với điểm việc xử lý màu trắng Bởi thành phần cấu trúc sử dụng, biên hiển thị hình Fig 9.14b điểm ảnh dày Làm đầy vùng – Region Filling Ảnh nhị phân thường kết phép thực phân ngưỡng phân đoạn ảnh xám ảnh mâu đầu vâo Những phép biến đổi nây hiểm “hoàn hảo” nhân tố bên mà q trình lấy mẫu ảnh chống ta khơng kiểm sốt cường độ sáng hay độ chói xuất ảnh vâ để lại “lỗ hổng” sau thực lấy ngưỡng phân đoạn ảnh Sử dụng phép xử lý hình thái học để lấp đầy lỗ hổng thực hiệu Cho ảnh nhị phân A gồm có: điểm ảnh biên đối tượng gán nhãn điểm ảnh biên gán nhãn Đặt B cấu trúc phần tử điểm ảnh nằm lỗ hổng bao bọc biên đối tượng (điểm xuất phát) Việc lâm đầy đối tượng thực cách lặp lặp lại biểu thức sau đây: x0 = 1; Do �� =(��−1⨁�) ∩�, với k = 1,2,3, Until xk = xk-1 Kết vùng đối tượng lấp đầy cuối cúng có H=A ∪�� (a) (b) Hình 19 Kết việc thực lấp đầy vúng ảnh: (a) ảnh nhị phãn với “lỗ hổng”, (b) ảnh sau lấp đầy Trích xuất thành phần liên thông: Tập hợp tất điểm ảnh kết nối tới điểm ảnh gọi thành phần kết nối điểm ảnh Một nhóm giá trị điểm ảnh kết nối với phân biệt với nhóm điểm ảnh khác thơng qua việc gán nhãn khác cho nhóm Các nhãn số nguyën, có giá trị 0, vùng ảnh/nhóm điểm ảnh liên thông với gán nhãn từ trở Hình 20 Hình dáng hàng xóm (N4) hàng xóm (N8) Thuật tốn gán nhãn thành phần liên thơng với số hàng xóm (N8) thực sau - Quét ảnh đầu vâo theo hàng từ trën xuống gặp điểm p (p=1, ảnh nhị phần) ảnh Kiểm tra hàng xóm p Dựa thơng tin đó, việc đánh nhãn thực sau: Nếu tất hàng xóm p 0, gán nhãn cho p ngược lại - Nếu có hàng xóm p có giá trị 1, gán nhãn cho p ngược lại Nếu có nhiều hàng xóm p có giá trị 1, gán nhãn nhãn cho p ghi thích tương tự Sau hồn tất q trình qt, cặp nhãn tương ứng xếp vào nhóm tương ứng nhóm có nhãn gán Hình 21 Kết thực trích lọc thành phần liên thơng ảnh Các khái niệm kết nối thành phần kết nối giới thiệu phần 2.5.2 Trong thực tế, khai thác thành phần kết nối hình ảnh nhị phân trung tâm nhiều ứng dụng phân tích hình ảnh tự động Cho Y đại diện cho thành phần kết nối có tập A giả định điểm p Y abc FIGURE 9.16 (a) Binary image (the white dot inside one of the regions is the starting point for the region-filling algorithm), (b) Result of filling that region (c) Result of filling all regions Làm mỏng đối tượng ảnh - Thinning Để làm mỏng đối tượng ảnh A với phần tử cấu trúc B xác định sau: Trong B = (B1, B2), B1 B2 khơng có khác nhau, B2 lâ phần tử B1 thay đổi vị trí giá trị (số vị trí có giá trị khơng đổi) (a) (b) (c) (d) Hình 22 Kết làm mỏng đối tượng: (a) ảnh gốc, (b) ảnh kết lâm mỏng (c) ảnh gốc, (d) ảnh kết lâm mỏng Làm dày đối tượng ảnh – Thickening Làm dày đối tượng tương tự phép giãn ảnh, khơng sát nhập/gộp đối tượng không kết nối với Nó sử dụng để làm to đối tượng bị lõm biểu diễn qua cơng thức sau: Quá trình làm dày đối tượng biểu diễn sau: (a) (b) (c) (d) Hình 23 Kết làm dày đối tượng: (a) ảnh gốc, (b) ảnh kết làm dày (c) ảnh gốc, (b) ảnh kết làm dày Tìm xương đối tượng ảnh – Skeletons Thuật tốn tìm xương đối tượng tương tự phép làm mỏng đối tượng, cho biết nhiều thơng tin đối tượng, nhấn mạnh số đặc tính hình ảnh: độ cong, đường viền tương ứng với ttnh chất hình học xương Nếu A ảnh nhị phân B phần tử cấu trúc (thường có kích thước 3x3) Phép tìm xương đối tượng ảnh A, ký hiệu S(A) xác định sau: Trong đó, Với k số lần áp dụng phép làm mỏng đối tượng A K lân lần lâm mỏng cuối trước A suy biến thành tập rỗng (a) (b) Hình 24 Ảnh (a) ảnh gốc, ảnh (b) ảnh kết sử dụng phép biến đổi tìm xương đối tượng ảnh gốc Cắt tỉa đối tượng ảnh – pruning Xương mẫu đối tượng sau thực làm mỏng thường xuất nhánh nhiễu ngắn ảnh, xương ảnh cần phải “làm sạch” trước đưa vào khâu xử lý mơ hình xử lý ảnh tổng quát Quá trình làm gọi cắt tỉa ảnh bước cắt tỉa ảnh thực qua bước sau: B1: Thực làm mỏng đối tượng B2: Khôi phục lại ảnh gốc sau loại bỏ điểm cuối B3: Thực giãn điểm cuối B4: Kết việc cắt tỉa ảnh A thực thông qua lấy hợp X1 với X3 Trong đó, {B}= {B1, B2, B3, B8} lâ phần tử cấu trúc có hình dạng sau (các giá trị mang dấu x phần tử cấu trúc phần tử không quan tâm): Và H phần tử cấu trúc có kích thước 3x3 với giá trị (a) (b) (c) Hình 25 Kết phép cắt tỉa ảnh: (a) ảnh gốc, (b) ảnh gốc sau thực tìm xƣơng ảnh, (c) kết sau thực cắt tỉa ảnh xƣơng đối tƣợng VI Một vài ứng dụng hình thái học ảnh xám Chúng tơi kết luận thảo luận kỹ thuật hình thái cách trình bày cách chi tiết ứng dụng khác hình thái xám Trừ có quy định khác, tất hình ảnh chiếu có kích thước 512 x 512 xử lý cách sử dụng yếu tố cấu trúc thảo luận liên quan đến hình 9.29 Làm mềm hóa hình thái: Một cách để đạt mịn thực hình thái mở theo sau phép đóng Kết hai hoạt động để loại bỏ làm giảm bớt độ sáng tối nhiễu Hình 932 cho thấy phiên ảnh làm mịn Gradient hình thái: Ngồi phương pháp thảo luận trước kết nối với loại bỏ vật tối sáng nhỏ, giãn nở co ảnh thường sử dụng để tính tốn gradient hình thái hình ảnh, ký hiệu g: Hình 9.33 cho thấy kết tính tốn gradient hình thái hình ảnh hiển thị hình 9.29 (a) Theo dự kiến, gradient hình thái nhấn mạnh trình chuyển đổi màu xám cấp sắc nét hình ảnh đầu vào Như trái ngược với gradient thu cách sử dụng phương pháp thảo luận phần 3.7.3, độ dốc hình thái sử dụng yếu tố cấu trúc đối xứng có xu hướng phụ thuộc vào cạnh hướng từ Chuyển đổi Top-Hat Transformation Việc chuyển đổi Top-hat hình thái ảnh, ký hiệu h định nghĩa Trước Sau Hình 26 Hình trước sau xử lý kỹ thuật chuyển đổi Top-hat hình thái ảnh Với f hình ảnh đầu vào b chức yếu tố cấu trúc Chuyển đổi sở hữu tên ban đầu đến việc sử dụng hàm yếu tố cấu trúc hình trụ hình khối lục diện với khối hữu ích cho việc tăng cường chi tiết diện bóng Hình 9.34 cho thấy kết thực thay đổi mũ hình ảnh hình 9.29 (a) Lưu ý việc tăng cường chi tiết khu vực bên phần đầu ngựa Phân chia kết cấu: Hình 9.35 ( a) cho thấy hình ảnh màu xám quy mơ đơn giản bao gồm hai khu vực kết cấu Khu vực bên phải bao gồm đốm trịn có đường kính lớn so với người mục tiêu trái tìm ranh giới hai khu vực dựa nội dung kết cấu họ Vì đóng cửa có xu hướng loại bỏ chi tiết tối từ hình ảnh , thủ tục trường hợp để đóng hình ảnh đầu vào cách sử dụng yếu tố cấu trúc liên tục lớn Khi kích thước yếu tố cấu trúc tương ứng với đốm màu nhỏ , chúng loại bỏ khỏi hình ảnh, để lại ánh sáng khu vực trước bị chiếm đóng chúng Tại thời điểm trình, có đốm màu lớn ánh sáng bên trái đốm màu lớn thân, Tiếp theo, mở thực với yếu tố cấu trúc lớn liên quan đến tách biệt đốm màu lớn Hoạt động loại bỏ vá lỗi ánh sáng đốm màu , để lại vùng tối bên phải bao gồm đốm màu đen lớn vá lỗi tối đốm màu Tại thời điểm trình tạo vùng ánh sáng bên trái khu vực tối bên phải Một ngưỡng đơn giản sau sản lượng ranh giới hai khu vực kết cấu Hình 9.35 ( b ) cho thấy ranh giới dẫn chồng lên hình ảnh ban đầu Nó học để làm việc thơng qua ví dụ cách chi tiết cách sử dụng tương tự bóng lăn mơ tả hình 9,30 (a) (b) Hình 27 (a) hình ảnh gốc, (b) Hình ảnh cho thấy ranh giới khu vực kết cấu khác Phép đo độ hạt Phép đo độ hạt lĩnh vực mà giao dịch chủ yếu với việc xác định phân bố kích thước hạt hình ảnh Hình 9.36 ( a) cho thấy hình ảnh bao gồm đối tượng ánh sáng ba kích cỡ khác Các đối tượng không chồng chéo , chúng lộn xộn phép phát hạt riêng lẻ Vì hạt nhẹ so với nền, phương pháp hình thái học sau sử dụng để xác định kích thước phân phối Hoạt động mở với yếu tố cấu trúc với quy mô lớn thực hình ảnh ban đầu Sự khác biệt ảnh gốc mở cửa tính vượt qua yếu tố cấu trúc khác hồn thành sau Vào cuối q trình này, khác biệt bình thường sau sử dụng để xây dựng biểu đồ phân bố kích thước hạt Phương pháp dựa ý tưởng hoạt động mở đầu kích thước cụ thể có tác dụng hầu hết khu vực hình ảnh đầu vào có chứa hạt có kích thước tương tự Do đó, biện pháp số lượng tương đối hạt thu cách tính tốn khác biệt đầu vào hình ảnh đầu Hình 9.36 ( b ) cho thấy phân bố kích thước kết trường hợp Biểu đồ cho thấy diện ba kích thước hạt chiếm ưu hình ảnh đầu vào Loại xử lý hữu ích cho việc mơ tả khu vực với hạt chiếm ưu nhân vật Hình 28 Kết phân tích phân bố hạt ảnh VII Tổng kết Các khái niệm hình thái học kỹ thuật giới thiệu chương tạo thành cơng cụ mạnh mẽ để trích xuất tính quan tâm hình ảnh Một khía cạnh hấp dẫn xử lý hình ảnh hình thái tảng thiết lập lý thuyết rộng lớn mà từ kỹ thuật hình thái phát triển Một lợi đáng kể điều kiện thực thực tế giãn nở co giãn ảnh, hoạt động nguyên thủy mà sở cho lớp rộng thuật tốn hình thái học Như trình bày chương sau, hình thái học sử dụng làm sở cho việc phát triển thủ tục phân chia hình ảnh với loạt ứng dụng Như thảo luận chương 11, kỹ thuật hình thái đóng vai trị quan trọng thủ tục mơ tả hình ảnh ... tế hình thái học Khi giao dịch với hình ảnh nhị phân, ứng dụng chủ yếu hình thái học chiết xuất thành phần hình ảnh hữu ích việc đại diện mơ tả hình dạng Đặc biệt, xem xét thuật tốn hình thái học. .. Transformation Việc chuyển đổi Top-hat hình thái ảnh, ký hiệu h định nghĩa Trước Sau Hình 26 Hình trước sau xử lý kỹ thuật chuyển đổi Top-hat hình thái ảnh Với f hình ảnh đầu vào b chức yếu tố cấu trúc... quan tâm hình ảnh Một khía cạnh hấp dẫn xử lý hình ảnh hình thái tảng thiết lập lý thuyết rộng lớn mà từ kỹ thuật hình thái phát triển Một lợi đáng kể điều kiện thực thực tế giãn nở co giãn ảnh,