形态学图像处理--matlab

本文主要是介绍形态学图像处理--matlab，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

转自：http://blog.csdn.net/hesays/article/details/41850873

Matlab 形态学图像处理

本章的练习主要是形态学的一些基本概念和技术，这些构成了一组提取图像特征的有力工具，针对二值图像和灰度图像的腐蚀、膨胀和重构的基本操作可以组合使用，以执行非常宽泛的任务。其练习代码和结果如下

[plain]  view plain  copy 
 %% 第9章 形态学处理  
   
   
 %% imdilate膨胀  
 clc  
 clear  
   
   
 A1=imread('.\images\dipum_images_ch09\Fig0906(a)(broken-text).tif');  
 info=imfinfo('.\images\dipum_images_ch09\Fig0906(a)(broken-text).tif')  
 B=[0 1 0  
    1 1 1  
    0 1 0];  
 A2=imdilate(A1,B);%图像A1被结构元素B膨胀  
 A3=imdilate(A2,B);  
 A4=imdilate(A3,B);  
   
   
 subplot(221),imshow(A1);  
 title('imdilate膨胀原始图像');  
   
   
 subplot(222),imshow(A2);  
 title('使用B后1次膨胀后的图像');  
   
   
 subplot(223),imshow(A3);  
 title('使用B后2次膨胀后的图像');  
   
   
 subplot(224),imshow(A4);  
 title('使用B后3次膨胀后的图像');  

图像膨胀处理过程运行结果如下：

[plain]  view plain  copy 
 %% imerode腐蚀  
 clc  
 clear  
 A1=imread('.\images\dipum_images_ch09\Fig0908(a)(wirebond-mask).tif');  
 subplot(221),imshow(A1);  
 title('腐蚀原始图像');  
   
   
 %strel函数的功能是运用各种形状和大小构造结构元素  
 se1=strel('disk',5);%这里是创建一个半径为5的平坦型圆盘结构元素  
 A2=imerode(A1,se1);  
 subplot(222),imshow(A2);  
 title('使用结构原始disk(5)腐蚀后的图像');  
   
   
 se2=strel('disk',10);  
 A3=imerode(A1,se2);  
 subplot(223),imshow(A3);  
 title('使用结构原始disk(10)腐蚀后的图像');  
   
   
 se3=strel('disk',20);  
 A4=imerode(A1,se3);  
 subplot(224),imshow(A4);  
 title('使用结构原始disk(20)腐蚀后的图像');  

图像腐蚀处理过程运行结果如下：

[html]  view plain  copy 
 %% 开运算和闭运算  
 clc  
 clear  
 f=imread('.\images\dipum_images_ch09\Fig0910(a)(shapes).tif');  
 %se=strel('square',5');%方型结构元素  
 se=strel('disk',5');%圆盘型结构元素  
 imshow(f);%原图像  
 title('开闭运算原始图像')  

运行结果如下：

[html]  view plain  copy 
 %开运算数学上是先腐蚀后膨胀的结果  
 %开运算的物理结果为完全删除了不能包含结构元素的对象区域，平滑  
 %了对象的轮廓，断开了狭窄的连接，去掉了细小的突出部分  
 fo=imopen(f,se);%直接开运算  
 figure,subplot(221),imshow(fo);  
 title('直接开运算');  
   
   
 %闭运算在数学上是先膨胀再腐蚀的结果  
 %闭运算的物理结果也是会平滑对象的轮廓，但是与开运算不同的是，闭运算  
 %一般会将狭窄的缺口连接起来形成细长的弯口，并填充比结构元素小的洞  
 fc=imclose(f,se);%直接闭运算  
 subplot(222),imshow(fc);  
 title('直接闭运算');  
   
   
 foc=imclose(fo,se);%先开后闭运算  
 subplot(223),imshow(foc);  
 title('先开后闭运算');  
   
   
 fco=imopen(fc,se);%先闭后开运算  
 subplot(224),imshow(fco);  
 title('先闭后开运算');  

开闭运算结果如下：

[html]  view plain  copy 
 %先膨胀再腐蚀  
 fse=imdilate(f,se);%膨胀  
   
   
 %gcf为得到当前图像的句柄，当前图像是指例如PLOT,TITLE,SURF等  
 %get函数为得到物体的属性，get(0,'screensize')为返回所有物体screensize属性值  
 %set函数为设置物体的属性  
 figure,set(gcf,'outerposition',get(0,'screensize'));%具体目的是设置当前窗口的大小  
 subplot(211),imshow(fse);  
 title('使用disk(5)先膨胀后的图像');  
   
   
 fes=imerode(fse,se);  
 subplot(212),imshow(fes);  
 title('使用disk(5)先膨胀再腐蚀后的图像');  

先膨胀后腐蚀图像如下：

[html]  view plain  copy 
 %先腐蚀再膨胀  
 fse=imerode(f,se);  
 figure,set(gcf,'outerposition',get(0,'screensize'))  
 subplot(211),imshow(fse);  
 title('使用disk(5)先腐蚀后的图像');  
   
   
 fes=imdilate(fse,se);  
 subplot(212),imshow(fes);  
 title('使用disk(5)先腐蚀再膨胀后的图像');  

先腐蚀后膨胀的图像如下：

[html]  view plain  copy 
 %% imopen imclose在指纹上的应用  
 clc  
 clear  
 f=imread('.\images\dipum_images_ch09\Fig0911(a)(noisy-fingerprint).tif');  
 se=strel('square',3);%边长为3的方形结构元素  
 subplot(121),imshow(f);  
 title('指纹原始图像');  
   
   
 A=imerode(f,se);%腐蚀  
 subplot(122),imshow(A);  
 title('腐蚀后的指纹原始图像');  

指纹原始图像和腐蚀后的图像结果如下：

[html]  view plain  copy 
 fo=imopen(f,se);  
 figure,subplot(221),imshow(fo);  
 title('使用square(3)开操作后的图像');  
   
   
 fc=imclose(f,se);  
 subplot(222),imshow(fc);  
 title('使用square闭操作后的图像');  
   
   
 foc=imclose(fo,se);  
 subplot(223),imshow(foc);  
 title('使用square(3)先开后闭操作后的图像')  
   
   
 fco=imopen(fc,se);  
 subplot(224),imshow(fco);  
 title('使用square(3)先闭后开操作后的图像');  

指纹图像开闭操作过程结果如下：

[html]  view plain  copy 
 %% bwhitmiss击中或击不中变换  
 clc  
 clear  
 f=imread('.\images\dipum_images_ch09\Fig0913(a)(small-squares).tif');  
 imshow(f);  
 title('击中或不击中原始图像');  

击中或不击中原始图像显示结果如下：

[html]  view plain  copy 
 B1=strel([0 0 0;0 1 1;0 1 0]);%击中：要求击中所有1的位置  
 B2=strel([1 1 1;1 0 0;1 0 0]);%击不中，要求击不中所有1的位置  
 B3=strel([0 1 0;1 1 1;0 1 0]);%击中  
 B4=strel([1 0 1;0 0 0;0 0 0]);%击不中  
 B5=strel([0 0 0;0 1 0;0 0 0]);%击中  
 B6=strel([1 1 1;1 0 0;1 0 0]);%击不中  
   
   
 g=imerode(f,B1)&imerode(~f,B2)%利用定义来实现击中或击不中  
 figure,subplot(221),imshow(g);  
 title('定义实现组1击中击不中图像');  
   
   
 g1=bwhitmiss(f,B1,B2);  
 subplot(222),imshow(g1);  
 title('结构数组1击中击不中后的图像');  
   
   
 g2=bwhitmiss(f,B3,B4);  
 subplot(223),imshow(g2);  
 title('结构数组2击中击不中的图像');  
   
   
 g3=bwhitmiss(f,B5,B6);  
 subplot(224),imshow(g3);  
 title('结构数组3击中击不中的图像');  

击中击不中变换后图像如下：

[html]  view plain  copy 
 %%makelut  
 clc  
 clear  
   
   
 f=inline('sum(x(:))>=3');%inline是用来定义局部函数的  
 lut2=makelut(f,2)%为函数f构造一个接收2*2矩阵的查找表  
 lut3=makelut(f,3)  
   
   
 %% Conway生命游戏  
 clc  
 clear  
 lut=makelut(@conwaylaws,3);  
 bw1=  [0     0     0     0     0     0     0     0     0     0  
        0     0     0     0     0     0     0     0     0     0  
        0     0     0     1     0     0     1     0     0     0  
        0     0     0     1     1     1     1     0     0     0  
        0     0     1     0     0     0     0     1     0     0  
        0     0     1     0     1     1     0     1     0     0  
        0     0     1     0     0     0     0     1     0     0  
        0     0     0     1     1     1     1     0     0     0  
        0     0     0     0     0     0     0     0     0     0  
        0     0     0     0     0     0     0     0     0     0  ];  
 subplot(221),imshow(bw1,'InitialMagnification','fit');  
 title('Generation 1');  
   
   
 bw2=applylut(bw1,lut);  
 subplot(222),imshow(bw2,'InitialMagnification','fit'),  
 title('Generation 2');  
   
   
 bw3=applylut(bw2,lut);  
 subplot(223),imshow(bw3,'InitialMagnification','fit');  
 title('Generation 3');  
   
   
 temp=bw1;  
 for i=2:100  
     bw100=applylut(temp,lut);  
     temp=bw100;  
 end  
 subplot(224),imshow(bw100,'InitialMagnification','fit')  
 title('Generation 100');  

显示Generation结果如下：

[html]  view plain  copy 
 %% getsequence  
 clc  
 clear  
 se=strel('diamond',5)  
 decomp=getsequence(se)%getsequence函数为得到分解的strel序列  
 decomp(1)  
 decomp(2)  
   
   
 %% endpoints  
 clc  
 clear  
   
   
 f1=imread('.\images\dipum_images_ch09\Fig0914(a)(bone-skel).tif');  
 subplot(121),imshow(f1);  
 title('原始形态骨架图像');  
   
   
 g1=endpoints(f1);  
 %set(gcf,'outerposition',get(0,'screensize'));%运行完后自动生成最大的窗口  
 subplot(122),imshow(g1);  
 title('骨架图像的端点图像');  

骨架头像端点检测头像如下：

[html]  view plain  copy 
 f2=imread('.\images\dipum_images_ch09\Fig0916(a)(bone).tif');  
 figure,subplot(121),imshow(f2);  
 title('原始骨头图像');  
   
   
 g2=endpoints(f2);  
 subplot(122),imshow(g2);  
 title('骨头图像端点头像');%结果是没有端点  

骨头头像端点检测图像如下：

[html]  view plain  copy 
 %% bwmorph组合常见形态学之细化  
 clc  
 clear  
 f=imread('.\images\dipum_images_ch09\Fig0911(a)(noisy-fingerprint).tif');  
 subplot(221),imshow(f);  
 title('指纹图像细化原图');  
   
   
 g1=bwmorph(f,'thin',1);  
 subplot(222),imshow(g1);  
 title('指纹图像细化原图');  
   
   
 g2=bwmorph(f,'thin',2);  
 subplot(223),imshow(g2);  
 title('指纹图像细化原图');  
   
   
 g3=bwmorph(f,'thin',Inf);  
 subplot(224),imshow(g3);  
 title('指纹图像细化原图');  

指纹图像细化过程显示如下：

[html]  view plain  copy 
 %% bwmorph组合常见形态学之骨骼化  
 clc  
 clear  
 f=imread('.\images\dipum_images_ch09\Fig0911(a)(noisy-fingerprint).tif');  
 subplot(131),imshow(f);  
 title('指纹图像骨骼化原图');  
   
   
 fs=bwmorph(f,'skel',Inf);  
 subplot(132),imshow(fs);  
 title('指纹图像骨骼化');  
   
   
 for k=1:5  
     fs=fs&~endpoints(fs);  
 end  
 subplot(133),imshow(fs);  
 title('指纹图像修剪后骨骼话');  

指纹图像骨骼化过程显示：

[html]  view plain  copy 
 %% 使用函数bwlabel标注连通分量  
 clc  
 clear  
 f=imread('.\images\dipum_images_ch09\Fig0917(a)(ten-objects).tif');  
 imshow(f),title('标注连通分量原始图像');  

其结果显示如下：

[html]  view plain  copy 
 [L,n]=bwlabel(f);%L为标记矩阵，n为找到连接分量的总数  
 [r,c]=find(L==3);%返回第3个对象所有像素的行索引和列索引  
   
   
 rbar=mean(r);  
 cbar=mean(c);  
   
   
 figure,imshow(f)  
 hold on%保持当前图像使其不被刷新  
 for k=1:n  
     [r,c]=find(L==k);  
     rbar=mean(r);  
     cbar=mean(c);  
     plot(cbar,rbar,'Marker','o','MarkerEdgeColor','k',...  
          'MarkerFaceColor','k','MarkerSize',10);%这个plot函数用法不是很熟悉  
     plot(cbar,rbar,'Marker','*','MarkerFaceColor','w');%其中的marker为标记  
 end  
 title('标记所有对象质心后的图像');  

[html]  view plain  copy 
 %% 由重构做开运算  
 clc  
 clear  
 f=imread('.\images\dipum_images_ch09\Fig0922(a)(book-text).tif');  
 subplot(321),imshow(f);  
 title('重构原始图像');  
   
   
 fe=imerode(f,ones(51,1));%竖线腐蚀  
 subplot(322),imshow(fe);  
 title('使用竖线腐蚀后的结果');  
   
   
 fo=imopen(f,ones(51,1));%竖线做开运算  
 subplot(323),imshow(fo);  
 title('使用竖线做开运算结果');  
   
   
 fobr=imreconstruct(fe,f);%fe做标记  
 subplot(324),imshow(fobr);  
 title('使用竖线做重构开运算');  
   
   
 ff=imfill(f,'holes');%对f进行孔洞填充  
 subplot(325),imshow(ff);  
 title('对f填充孔洞后的图像');  
   
   
 fc=imclearborder(f,8);%清除边界，2维8邻接  
 subplot(326),imshow(fc);  
 title('对f清除边界后的图像');  

图像重构过程显示如下：

[html]  view plain  copy 
 %% 使用顶帽变换和底帽变换  
 clc  
 clear  
 f=imread('.\images\dipum_images_ch09\Fig0926(a)(rice).tif');  
 subplot(221),imshow(f);  
 title('顶帽底帽变换原始图像');  
   
   
 se=strel('disk',10);%产生结构元素  
 %顶帽变换是指原始图像减去其开运算的图像  
 %而开运算可用于补偿不均匀的背景亮度，所以用一个大的结构元素做开运算后  
 %然后用原图像减去这个开运算，就得到了背景均衡的图像，这也叫做是图像的顶帽运算  
 f1=imtophat(f,se);%使用顶帽变换  
 subplot(222),imshow(f1);  
 title('使用顶帽变换后的图像');  
   
   
 %底帽变换是原始图像减去其闭运算后的图像  
 f2=imbothat(imcomplement(f),se);%使用底帽变换，为什么原图像要求补呢？  
 %f2=imbothat(f,se);%使用底帽变换  
 subplot(223),imshow(f2);  
 title('使用底帽变换后的图像');  
   
   
 %顶帽变换和底帽变换联合起来用，用于增加对比度  
 f3=imsubtract(imadd(f,imtophat(f,se)),imbothat(f,se));%里面参数好像不合理？  
 subplot(224),imshow(f3);  
 title('使用顶帽底帽联合变换后图像');  

顶帽底帽变换过程图像如下：

[html]  view plain  copy 
 %%使用开运算和闭运算做形态学平滑  
 %由于开运算可以除去比结构元素更小的明亮细节，闭运算可以除去比结构元素更小的暗色细节  
 %所以它们经常组合起来一起进行平滑图像并去除噪声  
 clc  
 clear  
 f=imread('.\images\dipum_images_ch09\Fig0925(a)(dowels).tif');  
 subplot(221),imshow(f);  
 title('木钉图像原图');  
   
   
 se=strel('disk',5);%disk其实就是一个八边形  
 fo=imopen(f,se);%经过开运算  
 subplot(222),imshow(f);  
 title('使用半径5的disk开运算后的图像');  
   
   
 foc=imclose(fo,se);  
 subplot(223),imshow(foc);  
 title('先开后闭的图像');  
   
   
 fasf=f;  
 for i=2:5  
     se=strel('disk',i);  
     fasf=imclose(imopen(fasf,se),se);  
 end  
 subplot(224),imshow(fasf);  
 title('使用开闭交替滤波后图像');  

使用开运算和闭运算做形态学平滑结果如下：

[html]  view plain  copy 
 %% 颗粒分析  
 clc  
 clear  
 f=imread('.\images\dipum_images_ch09\Fig0925(a)(dowels).tif');  
   
   
 sumpixels=zeros(1,36);  
 for k=0:35  
     se=strel('disk',k);  
     fo=imopen(f,se);  
     sumpixels(k+1)=sum(fo(:));  
 end  
   
   
 %可以看到，连续开运算之间的表面积会减少  
 plot(0:35,sumpixels),xlabel('k'),ylabel('surface area');  
 title('表面积和结构元素半径之间的关系');  

其运算结果如下：

[html]  view plain  copy 
 figure,plot(-diff(sumpixels));%diff()函数为差分或者近似倒数，即相邻2个之间的差值  
 xlabel('k'),ylabel('surface area reduction');  
 title('减少的表面积和结构元素半径之间的关系');  

其运算结果如下：

[html]  view plain  copy 
 %% 使用重构删除复杂图像的背景  
 clc  
 clear  
 f=imread('.\images\dipum_images_ch09\Fig0930(a)(calculator).tif');  
 subplot(221),imshow(f);  
 title('灰度级重构原图像');  
   
   
 f_obr=imreconstruct(imerode(f,ones(1,71)),f);  
 subplot(222),imshow(f_obr);  
 title('经开运算重构图');  
   
   
 f_o=imopen(f,ones(1,71));  
 subplot(223),imshow(f_o);  
 title('经开运算后图');  
   
   
 f_thr=imsubtract(f,f_obr);  
 subplot(224),imshow(f_thr);  
 title('顶帽运算重构图')  

使用重构删除复杂图像的背景1:

[html]  view plain  copy 
 f_th=imsubtract(f,f_o)  
 figure,subplot(221),imshow(f_th);  
 title('经顶帽运算图');  
   
   
 g_obr=imreconstruct(imerode(f_thr,ones(1,11)),f_thr);  
 subplot(222),imshow(g_obr);  
 title('用水平线对f_thr经开运算后重构图');  
   
   
 g_obrd=imdilate(g_obr,ones(1,2));  
 subplot(223),imshow(g_obrd);  
 title('使用水平线对上图进行膨胀');  
   
   
 f2=imreconstruct(min(g_obrd,f_thr),f_thr);  
 subplot(224),imshow(f2);  
 title('最后的重构结果');  