数字图像处理实验6 形态学图像处理

第五章 二值图像的形态学分割算法

5.1概述

图像分割是计算机视觉领域中的一项关键技术，是实现自动图像分析时首先需要完成的操作。它是根据图像的某些特征或特征集合的相似性准则，对图像进行分类，将图像平面划分成一系列“有意义”的区域。分类结果的好坏直接影响到后面的目标检测、特征提取和目标识别等工作，因此分割的方法和精确程度是至关重要的。

5.1 .1图像分割的数学描述

图像分割是将图像分成若干个区域，每一个区域内部有相同或者相似的特性，而相邻区域的特性不同，下面给出图像分割的确切数学描述[26]:

设(x，y)为数字图像象素的空间坐标，G={0，1，„，k}为象素的灰度层次。一幅数字化图像I由M×M个象素组成，M={1，2，„，n}，(x，y)∈M×M，于是图像函数可以定义为一种映射f: M×M→G，图像在点(x，y)处的强度记为f(x，y)。根据灰度和纹理结构的特征，可将图像中的区域B定义为I的相互连通的均匀的子集。

设F为定义在B区域上一致性测量的逻辑准则，则有

定义H:B→~D为B的一致性估计的函数，~D是已经定义的D的子区域。图像分割就是将图像阵列I分割成若干个邻近且互不交迭的非空的子集B1、B2„、Bm，即Bi应满足下面的条件:

5.1.2图像分割的一般方法[27]

图像分割大致可以分为基于边缘检测的方法和基于区域的方法。基于边缘检测的方法使用局部窗口操作，检测出通过给定点的边缘或边界，这些边界把图像分成不同的区域。基于区域的方法按某种准则人为地把图像分为若干规则块，以后按属性一致的原则，反复分开属性不一致的图像块，合并具有一致属性的相邻图像块，直至形成一张区域图。在实际应用中，从不同的理论角度提出了许多方法，这些方法主要可划分为三种类型:闽值型，边缘检测型和区域跟踪型。

(l)灰度阈值分割法

灰度阈值分割法是一种简单的基于区域的技术。这种方法是先确定一个处于图像灰度取值范围之中的灰度阈值，然后将图像中各个象素的灰度值都与这个阈值相比较，并根据比较结果将对应的象素划分为两类:象素的灰度值大于阈值的为一类，象素的灰度值小于阈值的为另一类。这两类象素一般分属于图像中的两类区域，所以对象素根据闭值分类达到了区域分割的目的。由以上步骤中可知，确定阈值是分割的关键。阈值一般可写成如下形式[1]:

数字图像处理中的形态学

（摘自某文献，因为贴图的数目有限制，后面的公式图片没有能够上，电脑重装后文档已经找不到了，囧）

一 引言

数学形态学是一门建立在集论基础上的学科，是几何形态学分析和描述的有力工具。数学形态学的历史可回溯到19世纪。1964年法国的Matheron和Serra在积分几何的研究成果上，将数学形态学引入图像处理领域，并研制了基于数学形态学的图像处理系统。1982年出版的专著《Image Analysis and

Mathematical Morphology》是数学形态学发展的重要里程碑，表明数学形态学在理论上趋于完备及应用上不断深入。数学形态学蓬勃发展，由于其并行快速，易于硬件实现，已引起了人们的广泛关注。目前，数学形态学已在计算机视觉、信号处理与图像分析、模式识别、计算方法与数据处理等方面得到了极为广泛的应用。

数学形态学可以用来解决抑制噪声、特征提取、边缘检测、图像分割、形状识别、纹理分析、图像恢复与重建、图像压缩等图像处理问题。该文将主要对数学形态学的基本理论及其在图像处理中的应用进行综述。

二 数学形态学的定义和分类

数学形态学是以形态结构元素为基础对图像进行分析的数学工具。它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。数学形态学的应用可以简化图像数据，保持它们基本的形状特征，并除去不相干的结构。数学形态学的基本运算有4个：膨胀、腐蚀、开启和闭合。它们在二值图像中和灰度图像中各有特点。基于这些基本运算还可以推导和组合成各种数学形态学实用算法。

（1）二值形态学

数学形态学中二值图像的形态变换是一种针对集合的处理过程。其形态算子的实质是表达物体或形状的集合与结构元素间的相互作用，结构元素的形状就决定了这种运算所提取的信号的形状信息。形态学图像处理是在图像中移动一个结构元素，然后将结构元素与下面的二值图像进行交、并等集合运算。

数字图像处理与分析

实

验

报

告

学院：

班级：

姓名：

学号：

实验六 细胞图像的分割与测量

一、 实验目的

1. 通过分析细胞图像特点，完成细胞图像的分割和测量，并分析测量结果。

2. 将图像预处理、分割、分析等关键技术结合起来，理论与实践相结合，提高图像处理关键技术的综合应用能力。

二、 实验要求

1. 对比中值、均值和形态学开闭运算对细胞图像的滤波效果，选择适用于细胞图像的滤波方法

2. 运用大津阈值对细胞图像分割，观察分割后噪声情况，观察目标边缘处的分割效果；（使用函数：im2bw）

3. 实现连通区域的编号；（使用函数：bwlabel）

4. 计算各连通区域的相关信息，如面积、重心等。（使用函数：regionprops ）

三、 实验步骤

1、预处理去噪

x=imread('C:\Documents and Settings\Administrator\桌面\CHEN2-7.BMP');

y=medfilt2(rgb2gray(h));

subplot(2,2,1)

imshow(x)

title('原图像');

subplot(2,2,2)

imshow(y)

title('中值滤波处理'); 预处理去噪

大津阈值分割

目标编号标记

测量各个细胞的面积等参数

输出测量结果 I=fspecial('average')

z=imfilter(rgb2gray(x),I);

subplot(2,3,4)

imshow(z)

title('均值滤波处理');

se = strel('ball',5,5);

m = imopen(rgb2gray(x),se);

subplot(2,3,5)

imshow(m)

title('形态学开运算处理');

se = strel('ball',5,5);

n = imclose(rgb2gray(x),se);

subplot(2,3,6)

《数字图像处理实验报告》

实验一 图像的增强

一.实验目的

1.熟悉图像在MATLAB下的读写、输出；

2.熟悉直方图；

3.熟悉图像的线性指数等；

4.熟悉图像的算术运算和几何变换。

二.实验仪器

计算机、MATLAB软件

三.实验原理

图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像。

其基本原理是：对一幅图像的灰度直方图，经过一定的变换之后，使其成为均匀或基本均匀的，即使得分布在每一个灰度等级上的像素个数．f=H等或基本相等。此方法是典刑的图像空间域技术处理，但是由于灰度直方图只是近似的概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果。

频率域增强技术频率域增强是首先将图像从空间与变换到频域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到图像处理的目的。常用的变换方法有傅里叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等。假定原图像为f(x，y)，经傅立叶变换为F(u，v)。频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像。

四.实验内容及步骤

1.图像在MATLAB下的读写、输出；

实验过程：

>> I = imread('F:\image\');

figure;imshow(I);title('Original Image');

text(size(I,2),size(I,1)+15, ...

'', ...

'FontSize',7,'HorizontalAlignment','right');

Warning: Image is too big to fit on screen; displaying at 25%