数学形态学去噪

目录一绪论.......................................................11.1数学形态学简介..............................................11.2数学形态学与数字图像处理....................................11.3本次课程设计的目的与要求....................................2二数学形态学的基本运算........................................32.1基本概念....................................................32.1.1结构元素..................................................32.1.2膨胀与腐蚀................................................32.2二值形态学图像处理..........................................42.2.1膨胀......................................................42.2.2腐蚀......................................................62.2.3开运算....................................................72.2.4闭运算....................................................82.3灰度形态学图像处理..........................................92.3.1膨胀......................................................92.3.2腐蚀.....................................................102.3.3开运算与闭运算...........................................112.4综述.......................................................13三数学形态学滤波器去噪.......................................153.1概述.......................................................153.2噪声模型...................................................163.2.1高斯噪声.................................................163.2.2椒盐噪声.................................................163.3形态学滤波器...............................................173.4形态学图像去噪原理.........................................203.5形态学图像去噪的应用.......................................20小结与体会....................................................21参考文献.......................................................22附录..........................................................231一绪论1.1数学形态学简介数学形态学作为一门新兴的图像处理与分析学科，1964年由法国的G.Mathern和J.Serra在积分几何的基础上首次创立。70年代初，采用数学形态学的学者们开拓了图像分析的一个新的领域。经过十多年的理论与实践探索，G.Mathern和J.Serra等人在研究中认识到，对图像先作开运算接着再作闭运算，可以产生一种幂等运算;采用递增尺寸的交变开闭序列作用于图像，可有效地消除图像的噪声，1982年他们正式提出了形态学滤波器的概念。90年代数学形态学有两个显著的发展趋势，第一个是致力于运动分析，包括编码与运动景物描述;第二个是算法与硬件结构的协调发展，用于处理数值函数的形态学算子的开发与设计。目前国内许多有效的图像处理系统有的是基于数学形态学方法原理设计的，有的是把数学形态学算法纳入其基本软件，并以其运算速度作为系统性能的重要标志之一1.2数学形态学与数字图像处理数学形态学在图像处理中属于非线性滤波方法，现在数学形态学的方法已经发展成为图象处理技术的一个重要方面，并且被广泛的应用到图象处理的各个领域，利用数学形态学可以进行图像去噪、图象分割、增强、边缘检测、形态分析、图象压缩等各个方面。可以通过以下几个步骤来实现数学形态学算法对数字图像的处理：步骤1、提取图像的几何结构特征，也就是针对所要处理的图像找出相应的几何结构模式。步骤2、根据步骤1找出的几何结构模式选合适的结构元素，这里结构元素的选择标准择首先是要能最有效的展现该几何结构模式，其次该结构元素的形态还应该尽量的最简。步骤3、为了得到比原始图像更能显著突出物体特征信息的图像，用步骤2选取的结构元素对目标进行相应的数学形态学变换，如果能对结构元素给予合适2的变量，则还能够定量的表示出目标的几何结构模式。步骤4、通过上面的三个步骤，相对于我们的处理需求，目标图像会变得更加清晰、明了，并且更有利于我们提取出相应的图像信息。现在，数学形态学处理图像已经发展成为一个专门的图像科学领域。该领域已经形成了一个理论概念、非线性滤波、设计算法以及应用系统相互连贯而有广阔的整体。与其他很多图像处理技术相比，数学形态学技术的理论框架完善、算法效率高、易于在专门硬件上使用并且适合处理很多与形状相关的问题。例如对于图像噪声去由于可以在去除噪声前有效的探究目标图像的几何结构模式，尽可能的解决去除噪声与保护图像边缘细节信息相冲突的基本矛盾。再如在提取图像边缘时，与其他算法相比，数学形态学方法提取的边缘更为连续，间断点也会少很多。所以很多学术机构及工业研究所在处理数字图形图像、计算机视觉、模式识别等很多问题时都会重点考虑数学形态学方法。1.3本次课程设计的目的与要求（1）通过形态学方面的知识处理各种图像。（2）学会应用形态学知识处理加有高斯噪声与椒盐噪声的图像。（3）理解不同的形态学运算在处理图像方面的应用。（4）通过运用MATLAB软件实现仿真。3二数学形态学的基本运算2.1基本概念数学形态学是由一组形态学的代数运算子组成的，它的基本运算有4个：膨胀（或扩张）、腐蚀（或侵蚀）、开运算和闭运算，它们在二值图像和灰度图像中各有特点。基于这些基本运算还可推导和组合成各种数学形态学实用算法，用它们可以进行图像形状和结构的分析及处理，包括图像分割、特征抽取、边界检测、图像滤波、图像增强和恢复等。数学形态学方法利用一个称作结构元素的“探针”收集图像的信息，当探针在图像中不断移动时，便可考察图像各个部分之间的相互关系，从而了解图像的结构特征。数学形态学基于探测的思想，与人的FOA(FocusOfAttention)的视觉特点有类似之处。作为探针的结构元素，可直接携带知识（形态、大小、甚至加入灰度和色度信息）来探测、研究图像的结构特点。2.1.1结构元素所谓结构元素就是一定尺寸的背景图像，通过将输入图像与之进行各种形态学运算，实现对输入图像的形态学变换。结构元素没有固定的形态和大小，它是在设计形态变换算法的同时根据输入图像和所需信息的形状特征一并设计出来的，结构元素形状、大小及与之相关的处理算法选择得恰当与否，将直接影响对输入图像的处理结果。通常结构元素的形状有正方形、矩形、圆盘形、菱形、球形以及线形等。2.1.2膨胀与腐蚀膨胀在数学形态学中的作用是把图像周围的背景点合并到物体中。如果两个物体之间距离比较近，那么膨胀运算可能会使这两个物体连通在一起，所以膨胀对填补图像分割后物体中的空洞很有用。腐蚀在数学形态学运算中的作用是消除物体边界点，它可以把小于结构元素的物体去除，选取不同大小的结构元素可以去掉不同大小的物体。如果两个物体之间有细小的连通，当结构元素足够大时，通过腐蚀运算可以将两个物体分开。42.2二值形态学图像处理二值图像数学形态学的运算就是基于上述集合论的理论，进行击中与否变换（HMT），在定义了HMT及其基本运算膨胀（Dilation）和腐蚀(Erosion)后，再从积分几何和体视学移植一些概念和理论，根据图像分析的各种要求，构造出统一的、相同的或变化很小的结构元素进行各种形态变换。数学形态学中有两种最基本的操作即膨胀和腐蚀，其他的所有形态学操作都是基于这两个操作的组合或级联。如开运算和闭运算就都是膨胀和腐蚀的最基本组合。膨胀、腐蚀、开运算和闭运算构成了整个数学形态学变换的基础，下面分别对这四种基本形态学变换进行具体的分析。图2.1膨胀与腐蚀示意图2.2.1膨胀膨胀操作是指一个集或对象目标从其原来的形状扩大的过程。该目标扩大的方式是由结构元素决定的。和待处理的对象相比较，结构元素的大小更小，一般用于膨胀的结构元素大小取到3×3。膨胀的过程类似于卷积，结构元素在目标图像内从左到右、从上到下的移动，在每次移动的过程之中，都会寻找结构元素与目标对象之间重叠的像素，只要存在重叠的像素点，结构元素所在的中心位置点的像素值都会被标为1。用集合论该过程可表示如下：A，B为Z²中的集合，Φ为空集，A被B的膨胀，记为A⊕B，⊕为膨胀算子，膨胀的集合定义式为：（2.1）该式表示的膨胀过程首先是B做关于原点的映射，然后平移x。A被B膨胀二值图像腐蚀膨胀5也就是被所有x平移后于A至少有一个公共非零元素的集合。根据上述对膨胀过程的解释，公式(2.2.1)也可以被写作下面的形式：（2.2）和其他的形态学操作一样，公式中集合B在膨胀运算中一般被叫做结构元素。膨胀运算的实质是遍历待膨胀图像中的每个像素点，根据所选取的结构元素的值以及要处理像素点周围点的灰度值进行计算。比较局部范围内的像素点与结构元素中所对应点的灰度值之和。根据比较的结果，选取所计算的这些和中的最大值。所以经过膨胀，图像边缘的像素点灰度值会增加，图像边缘向外扩张，最终达到图像膨胀的视觉效果。不同的数学形态学文献对膨胀都有着不同的定义，公式(2.2.1)不是现在形态学文献中膨胀的唯一定义。然而，相比其它定义，这个定义存在一个明显的好处，即当把结构元素B被当做卷积模板时，膨胀的概念会更加的形象化。因为虽然膨胀的本质是集合运算，而卷积本质上属于算术运算，但由于结构元素B做相对于原点的“映射”后在集合A(图像A)上的平移是连续的，因此可以近似的将它滑过集合A的整个过程近似看做卷积过程。图2.2膨胀操作62.2.2腐蚀腐蚀可以看做膨胀的逆运算或反过程。如果说膨胀是扩张了图像，那么腐蚀的作用则是使图像收缩。图像目标收缩的方式也是有结构元素决定的。和膨胀一样，腐蚀所选取的结构元素也要比目标要小，一般也是取3×3的大小。选取结构元素的尺寸较小的好处是可以减少腐蚀算法运行的时间。和膨胀相似，腐蚀操作也是将结构元素从左到右、从上到下在待处理图像中移动，以结构元素的中心点作为运算的中心，检验图像周围像素是否与结构元素完全重合。只要没有完全重叠，则该中心点像素就被标为0。该过程同样可以用集合论的方法表示如下：A，B为Z²中的集合，A被B腐蚀，记为AΘB，其定义公式为：（2.3）也就是说A被B的腐蚀的结果为所有使B被x平移后包含于A的点