在matlab定义里面,这两个函数本来就是能够作用于灰度图像的,看帮助文件你也能看到
作用与灰度图的例子
当然,膨胀和腐蚀多用于处理二值图像
先把输入的图像二值化成为二值图像,在用这两个函数就可以了
在图像处理中,腐蚀和膨胀是一种常用的 *** 作方法。腐蚀可以使图像中的物体变小,而膨胀则可以使图像中的物体变大。在对图像进行腐蚀或膨胀 *** 作时,如果 *** 作的区域超过了图像边界,就会出现白边。
这是因为,当进行腐蚀或膨胀 *** 作时, *** 作区域会向外扩张一定的像素,如果超过了图像边界,就会出现空白区域。这些空白区域就会呈现出白色,从而形成白边。
为了避免出现白边,可以在进行腐蚀或膨胀 *** 作前,先将图像进行裁剪,使得 *** 作区域不超过图像边界。
1、用Prewitt算子检测图像的边缘
I = imread('bacteriaBMP');
BW1 = edge(I,'prewitt',004); % 004为梯度阈值
figure(1);
imshow(I);
figure(2);
imshow(BW1);
2、用不同σ值的LoG算子检测图像的边缘
I = imread('bacteriaBMP');
BW1 = edge(I,'log',0003); % σ=2
imshow(BW1);title('σ=2')
BW1 = edge(I,'log',0003,3); % σ=3
figure, imshow(BW1);title('σ=3')
3、用Canny算子检测图像的边缘
I = imread('bacteriaBMP');
imshow(I);
BW1 = edge(I,'canny',02);
figure,imshow(BW1);
4、图像的阈值分割
I=imread('blood1tif');
imhist(I); % 观察灰度直方图, 灰度140处有谷,确定阈值T=140
I1=im2bw(I,140/255); % im2bw函数需要将灰度值转换到[0,1]范围内
figure,imshow(I1);
5、用水线阈值法分割图像
afm = imread('afmsurftif');figure, imshow(afm);
se = strel('disk', 15);
Itop = imtophat(afm, se); % 高帽变换
Ibot = imbothat(afm, se); % 低帽变换
figure, imshow(Itop, []); % 高帽变换,体现原始图像的灰度峰值
figure, imshow(Ibot, []); % 低帽变换,体现原始图像的灰度谷值
Ienhance = imsubtract(imadd(Itop, afm), Ibot);% 高帽图像与低帽图像相减,增强图像
figure, imshow(Ienhance);
Iec = imcomplement(Ienhance); % 进一步增强图像
Iemin = imextendedmin(Iec, 20); figure,imshow(Iemin) % 搜索Iec中的谷值
Iimpose = imimposemin(Iec, Iemin);
wat = watershed(Iimpose); % 分水岭分割
rgb = label2rgb(wat); figure, imshow(rgb); % 用不同的颜色表示分割出的不同区域
6、对矩阵进行四叉树分解
I = [ 1 1 1 1 2 3 6 6
1 1 2 1 4 5 6 8
1 1 1 1 10 15 7 7
1 1 1 1 20 25 7 7
20 22 20 22 1 2 3 4
20 22 22 20 5 6 7 8
20 22 20 20 9 10 11 12
22 22 20 20 13 14 15 16];
S = qtdecomp(I,5);
full(S)
7、将图像分为文字和非文字的两个类别
I=imread('4-11jpg');
I1=I(:,:,1);
I2=I(:,:,2);
I3=I(:,:,3);
[y,x,z]=size(I);
d1=zeros(y,x);
d2=d1;
myI=double(I);
I0=zeros(y,x);
for i=1:x
for j=1:y
%欧式聚类
d1(j,i)=sqrt((myI(j,i,1)-180)^2+(myI(j,i,2)-180)^2+(myI(j,i,3)-180)^2);
d2(j,i)=sqrt((myI(j,i,1)-200)^2+(myI(j,i,2)-200)^2+(myI(j,i,3)-200)^2);
if (d1(j,i)>=d2(j,i))
I0(j,i)=1;
end
end
end
figure(1);
imshow(I);
% 显示RGB空间的灰度直方图,确定两个聚类中心(180,180,180)和(200,200,200)
figure(2);
subplot(1,3,1);
imhist(I1);
subplot(1,3,2);
imhist(I2);
subplot(1,3,3);
imhist(I3);
figure(4);
imshow(I0);
8、形态学梯度检测二值图像的边缘
I=imread('wrod213bmp');
imshow(I);
I=~I; % 腐蚀运算对灰度值为1的进行
figure, imshow(I);
SE=strel('square',3); % 定义3×3腐蚀结构元素
J=imerode(~I,SE);
BW=(~I)-J; % 检测边缘
figure,imshow(BW);
9、形态学实例——从PCB图像中删除所有电流线,仅保留芯片对象
I=imread('circbwtif');
imshow(I);
SE=strel('rectangle',[40 30]); % 结构定义
J=imopen(I,SE); % 开启运算
figure,imshow(J);
膨胀和腐蚀
膨胀和腐蚀这两种 *** 作是形态学处理的基础,许多形态学算法都是以这两种运算为基础的
① 膨胀
是以得到B的相对与它自身原点的映像并且由z对映像进行移位为基础的A被B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我们可以把上式改写为:
结构元素B可以看作一个卷积模板,区别在于膨胀是以集合运算为基础的,卷积是以算术运算为基础的,但两者的处理过程是相似的
⑴ 用结构元素B,扫描图像A的每一个像素
⑵ 用结构元素与其覆盖的二值图像做“与” *** 作
⑶ 如果都为0,结果图像的该像素为0否则为1
② 腐蚀
对Z中的集合A和B,B对A进行腐蚀的整个过程如下:
⑴ 用结构元素B,扫描图像A的每一个像素
⑵ 用结构元素与其覆盖的二值图像做“与” *** 作
⑶ 如果都为1,结果图像的该像素为1否则为0
腐蚀处理的结果是使原来的二值图像减小一圈
⑷ 击中(匹配)或击不中变换
不知道你的膨胀是指哪个:1 图像像素变大;2 图像中的白色变大;3 图像中的黑色区域变大?
请注意看 腐蚀 *** 作 的定义和 imerode 函数,其需要选择一个模板,模板种类很多
选择全1的模板做腐蚀 *** 作,图像的1目标区域变小
选择全0的模板做腐蚀 *** 作,图像的1目标区域变大
(我记不太清楚了,你可以在matlab上运行下结果,建议参考 《数字图像处理matlab》冈萨雷斯
以上就是关于matlab形态学处理——膨胀腐蚀的原理全部的内容,包括:matlab形态学处理——膨胀腐蚀的原理、图像处理腐蚀膨胀后屏幕出现白边、图像污垢检测用什么方法,matlab编程等相关内容解答,如果想了解更多相关内容,可以关注我们,你们的支持是我们更新的动力!
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)