数学形态学在图像处理中的应用

介绍了数学形态学的基本运算及数学形态学在图像处理中的主要应用,并讨论了结构元素的选取方法。     

数学形态学运算的再定义及其神经网络实现

该文在分析了传统的数学形态学基本运算的基础上,利用集合势的概念,提出了一种新的形态学算子定义方法,并据此引入了程度化数学形态学运算的概念,将腐蚀和膨胀运算合二为一。最后讨论了程度化形态学运算的神经网络实现及计算机仿真结果,从而,在不同于前人思路的情况下,实现了使用较少的结构元素信息对图象进行噪声滤波的操作。     

基于动态数学形态运算的二值图像边界提取

应用基本形态运算,定义了动态形态学运算,并将动态腐蚀运算和小结构元素应用到图像对象的边界提取,这种方法只对图像中的对象进行运算并得到对象的边界;在每一步运算中,动态地选择结构元素的下一个原点位置。这种方法减少了运算量,执行速度快、效率高,在MATLAB6.5上得到了满意的仿真效果。     

形态学运算中结构元素选取方法研究

教学形态学广泛应用于图像处理和模式识别领域.针对形态学运算中的关键问题一结构元素的选择,通过对结构元素分解和形态学运算的研究,就结构元素形状、结构元素尺寸的确定提出解决方法.通过实验表明该方法是切实可行的.     

基于改进形态学算子的多尺度边缘检测

图像边缘检测的关键是在尽量多地检测到图像边缘的同时更有效地抑制噪声,为此提出了一种新的基于轮廓结构元素的多尺度形态学边缘检测方法。该方法重新组合了基于轮廓结构元素形态学各种运算的优点,实现了一种改进的形态学算子;在此基础上利用改进形态学算子的多尺度运算定义了一种新的边缘检测算子。与其他形态学方法相比,文中方法不仅具有更好的噪声抑制和边缘细节保护功能,而且对结构元素的形状不敏感。     

数学形态学在灰度图像处理中的理论和应用

研究了数学形态学在灰度图像处理中的基本理论和应用;提出了一种新的基于灰度图像形态学的图像过滤算法,该算法由一个连续交替的开运算和闭运算序列组成,相应的用了一个逐次递增的结构元素序列,以实现逐层过滤,试验表明该算法对灰度图像的过滤有明显的改进。     

基于形态学多结构元多尺度的自适应边缘检测

数学形态学广泛应用于图像处理和模式识别领域;针对形态学单结构元在边缘检测中边缘信息丢失的问题,提出了用不同方向的结构元素对图像进行多尺度检测的自适应边缘检测方法;首先利用形态学高低帽运算对原始图像进行平滑处理,采用差分最大值确定结构元素的方向,利用形态学运算调整结构元素尺度,改进了数学形态学边缘检测算法;实验结果表明,与传统边缘检测算法相比,该算法在保持图像边缘清晰的同时.有很强的去除噪声能力.     

二值图像边缘检测的动态数学形态运算方法

应用基本形态运算,定义了动态形态学运算,并将动态膨胀运算应用到图像对象的边缘检测,运算方法只对图像中的对象进行运算,在每一步运算中,动态地选择结构元素的下一个原点位置。运算方法减少了运算量,执行速度快、效率高,在MATLAB6.5上得到了满意的仿真效果。     

数学形态学在灰度图像处理中的理论和应用

研究了数学形态学在灰度图像处理中的基本理论和应用；提出了一种新的基于灰度图像形态学的图像过滤算法。该算法由一个连续交替的开运算和闭运算序列组成，相应的用了一个逐次递增的结构元素序列，以实现逐层过滤，试验表明该算法对灰度图像的过滤有明显的改进。     

数学形态学腐蚀膨胀运算的快速算法

详细介绍了一种二值数学形态学腐蚀膨胀运算的优化实现方法。图像处理中常常利用二值数学形态学开闭运算对分割出的区域进行边缘平滑和内部填充处理等,但当结构元素较大时运算速度变得很慢。由于开闭运算的基础是腐蚀和膨胀运算,文章重新对这两种运算做了优化,有效地提高了数学形态学用于二值图像处理的速度。该方法较之结构元素分解的方法有理论基础简单、优化思路简捷、实现方便等优点。