Презентация на тему Морфологические операции

которая изучает форму и строение животных и растений. В

обработке изображений математи-ческой морфологией называют методы для извлечения компонент изображения, полезные для его представления и описания, например, границы, выпуклые оболочки.
Операция дилатации (расширение).
Пусть В – множество, обладающее центральной симмет-рией относительно своего центра (центра тяжести).

2. Сегментация изображений

Сегментация изображений

В MatLab:
D = imdilate (S, se);

множество
всех таких точек центра В при сдвиге в

которые множест-во В целиком содержится в А.
Эрозия выделяет внутренность объекта.
Пример. Эрозия контура A.

2. Сегментация изображений

изображений

примитивом, чуть меньшим, чем квадраты, которые нужно оставить (Идем

по изображению А черного цвета).
Затем применяет дилатацию и восстанавливаем нужные квадраты (Идем по изображению А белого цвета).

2. Сегментация изображений

картинку.

2. Сегментация изображений

вычитания.

2. Сегментация изображений
1) Применение эрозии; 2) Вычитание из A

результата эрозии.

из граничных точек неко-
торой области, граница замкнута. Требуется,

начиная с некоторой точки внутри этой границы, заполнить единич-ными значениями всю область внутри А.
Предполагаем, что все точки внутри А имеют значение 0, в результате заполнения им присваивается значение 1.

2. Сегментация изображений

X0 , применяем дилатации с ядром В с центром

в X0 , берем пересечение результата с дополнением AC получа-ем X1

2. Сегментация изображений

берем пересечение результата с дополнением AC . X7 состоит

из внутренних точек границы. Можно добавить границу и получить полностью область с границей.

2. Сегментация изображений

множества точек, утолщать и утоньшать границы области и т.п.

2.

Сегментация изображений

множество точек. Требуется провести прямые, на которых лежат 3

и более точек.
Решение, которое первым приходит в голову – провести все прямые через каждую пару точек и проверить каждую прямую, лежит ли на ней третья точка. Такое решение тре- бует достаточно много ресурсов, в том числе и времени.
Хаф [Hough, 1962] предложил другой подход, который теперь называют преобразованием Хафа.
Изложим идею преобразования.
Возьмем точку (xi, уi) из заданного множества n точек и рассмотрим общее уравнение прямой на плоскости в виде у = ах + Ь. Очевидно, что через точку (xi, уi) проходит бесконечно много прямых, удовлетворяющих этому уравнению при различных значениях а и Ь.

2. Сегментация изображений

—xi а + уi
и рассмотреть плоскость а Ь,

называемую пространством параметров, то для заданной пары (xi, уi) получаем уравнение единственной прямой на этой плоскости. Каждая точка (а, Ь) соответствует одной прямой, проходящей через точку (xi, уi).

Если построить n прямых для всех точек (xj, уj), то точ-ка, в которой пересекаются k таких прямых соответствует прямой на плоскости (x, у) которая проходит через k точек.

2. Сегментация изображений

окружности соответствуют центрам тех окружностей в пространстве I, которые

проходят через точку (xi , уi)

2. Сегментация изображений

и фон рисунка значительно отличаются по яркости, можно применять

пороговую сегментацию.
Например, по гистограмме видно, что на рисунке имеется один или два объекта с явно различными яркостями и эти яркости имеют видимое отличие от фона.
Пример. Для рис слева можно применить порог Т, на рис справа 2 порога, T1 и T2.

2. Сегментация изображений

не дает результата. Даже введение дина-мических порогов, зависящих от

координат пикселя не улучшает ситуацию.

Гистограмма рисунка зависит от освещения объектов, если это фотография, то возможны отражения света от объектов.
Пороговая сегментация может применяться в тех случаях, где исследователь может управлять освещением сцены. Это например, визуальный технический контроль, когда специалист сам устанавливает фотокамеры и приборы освещения.
Некоторые технические задачи также могут решаться с использованием порогов, например, обработка отпечатков пальцев.

2. Сегментация изображений

процедуру, которая группирует пиксели или подобласти в более крупные

области по заданным критериям.

Основной подход состоит в том, что вначале берется исходный пиксель, играющих роль «затравки», а затем на него и на последующие выбранные пиксели наращиваются соседи путем присоединения соседних пикселей, которые по своим свойствам близки к затравке.
Близость может определяться яркостью или цветом в определенном диапазоне.

Выбор затравки или нескольких затравок (начальных точек роста), может основываться на сути задачи.

2. Сегментация изображений

алгоритме. Пусть приращение идет по одному пикселю и по

интервалу яркости. Предположим, что граница сегментируемого объекта из-за зашумления содер-жит пиксель (или пиксели), принадлежащие интервалу приращения.
В этом случае пиксель (или пиксели) границы будут добавлены в область объекта и далее объект может рас-пространиться далеко за свои реальные границы. Часто это можно избежать, если присоединять не один пиксель, а сразу небольшую область, напр выполнять наращивание по квадратам 2х2.

2. Сегментация изображений