(a) ảnh gốc, (b) ảnh kết quả làm mỏng
(c) ảnh gốc, (d) ảnh kết quả làm mỏng
2.3.6. Làm dày đối tượng trong ảnh (Thickening)
Làm dày đối tượng tương tự như phép giãn ảnh, nhưng nó không sát nhập/gộp các đối tượng không kết nối với nhau. Nó được sử dụng để làm to các đối tượng bị lõm và có thể biểu diễn qua công thức sau:
𝐴 ⊙ 𝐵 = 𝐴 ∪ (𝐴 ⊗ 𝐵) (2.18) Với B là phần tử cấu trúc thích hợp. Tương tự như quá trình làm mảnh, quá trình làm dày đối tượng có thể được biểu diễn như sau:
𝐴 ⊙ {𝐵} = (… ((𝐴 ⊙ 𝐵1) ⊙ 𝐵2) … ) ⊙ 𝐵𝑛 (2.19)
Hình 2.24. Kết quả làm dày đối tượng (a) ảnh gốc, (b) ảnh kết quả làm dày.
(c) ảnh gốc, (d) ảnh kết quả làm dày.
2.3.7. Tìm khung xương (Skeletonization)
Xương ảnh được sử dụng nhiều trong ứng dụng lĩnh vực máy tính, phân tích hình ảnh và xử lý hình ảnh số bao gồm nhận dạng ký tự quang học, nhận dạng vân tay, kiểm tra thị giác, nhận dạng mẫu, …
Tìm xương của ảnh tương tự như làm mảnh ảnh, nhưng nó tìm chi tiết hơn cấu trúc của đối tượng. Tìm xương nhấn mạnh các thuộc tính rõ của các ảnh.
Cho A là một tập ảnh nhị phân chứa các đối tượng điểm ảnh 1 và các điểm ảnh nền là 0. B là phần tử cấu trúc 3×3 với các giá trị 1. Khi đó, nếu ký hiệu S(A) là khung xương của tập hợp A thì thuật toán tìm khung xương được xác định qua công thức:
𝑆(𝐴) = ⋃ 𝑆𝑘(𝐴) 𝐾 𝑘=0 (2.20) Trong đó: 𝑆𝑘(𝐴) = ⋃𝐾 {(𝐴 ⊖ 𝑘𝐵) − [(𝐴 ⊖ 𝑘𝐵) ∘ 𝐵]} 𝑘=0 (2. 𝑥𝑥), (2.21) (𝐴 ⊖ 𝑘𝐵) là thực hiện k phép trừ liên tiếp của (𝐴 ⊖ 𝐵)
K là bước lặp cuối cùng trước khi A suy biến thành một tập rỗng.
Hình 2.25. Quá trình thực hiện thuật toán tìm xương
Hình sau là ví dụ về việc thực hiện tìm xương của các đối tượng trong ảnh.