数学形态学的纹理图像分割方法

一幅图像往往包含许多区域,但在对图像的理解和分析时,往往只需要其中的某个部分。因此,为方便使用常需要对目标区域进行提取。从目标区域的整体纹理特征出发,根据纹理特征的不同多次使用数学形态学的基本运算,从而达到图像区域分割的方法。该方法通过一幅具有多种纹理图案的图像为例验证了方法的可行性和有效性。运用canny算子对该图像进行边缘检测,从检测的结果可看出,该方法优于基于边缘检测的图像分割方法。     

基于数学形态学的细胞图像分割方法研究及实现

图像分割是数字图像处理的一项重要技术。本文结合边缘检测和数学形态学提出一种新的图像分割方法,并应用到细胞图像中,借助Matlab平台,验证该方法的有效性。在检测细胞边缘的过程中运用数学形态学的相关知识,对图像进行膨胀、填充等处理,有效地弥补了单一分割算法存在的分割边缘不够精细、细胞内部孔洞较多等缺点。在显示阶段对图像进行腐蚀操作,使得细胞边缘更加光滑,分割结果更加自然,大大提高了分割图像的可读性。     

基于改进的数学形态学医学影像分割算法

研究图像优化分割特征提取问题,医学影像图像分割速度慢,特别是图像分割后分辨率低,清晰度不高.为解决上述问题,结合数学分析方法,提出了改进的形态学医学图像分割算法.在医学图像分割之前,采用sobel边缘检测算子对图像边缘进行预处理,利用数学形态学开运算型边缘检测算子对图像边缘锐化,利用邻域平均与中值滤波方法平滑图像.最后得出最终分割后的图像.仿真结果表明,提出的算法,能够更好的保留医学图像分割的边缘信息,提高的医学图像的分辨率,具有一定的实用性为分割图像提供了参考.     

基于数学形态学的边缘检测和图像分割方法

本文提出利用数学形态学对图像进行边缘检测和图像分割，与传统的方法相比较，该方法不仅可滤除图像中的噪声，而且通过改变结构元的大小、方位、形态能够将不同的目标图像提取出来。     

基于数学形态学的SAR图像分割方法

图像分割是遥感图像处理中很重要的一步。因SAP图像通常带有较强的嗓声，用传统的边缘检测方法效果不理想。作者利用数学形态学开闭运算和混合滤波，可据目标的形状选用算法中的探针，取得了较好的滤波去噪和目标分割的效果。     

基于数学形态学的灰度图像连接物体分割方法

由于噪声的存在以及连接物体的特点,传统的标记分水岭算法对包含连接物体的灰度图像很难取得满意的分割结果;特别是在背景并不连通的情况下,误分割更为常见;在标记分水岭算法的基础上,提出了一种连接物体分割方法;将属于鲁棒统计的Hough变换用于提取物体标记扩展了标记分水岭算法的应用范围;针对在分割连接物体时,由于背景并非连通,因此允许背景被分别标记,并通过一个后续滤波步骤用以剔除分割后图像中的背景部分,从而得到精确的分割图像;试验证明该算法运算速度快,鲁棒性好,具有广泛的应用价值.     

基于数学形态学的医学图像分割方法研究

文章介绍了医学图像处理中的医学图像分割的有关概念和数学形态学进行图像分析的基本步骤,重点论述了几种医学图像分割方法和基于数学形态学的分水岭分割算法,并给出了该算法的优点。     

一种基于数学形态学的CT图像脑瘤分割方法

针对传统的CT图像脑瘤分割方法往往需要先验知识指导的弊端,且脑瘤CT图像中肿瘤特征点与周围背景对比度较小,计算机自动提取这些特征点具有一定难度.为能清晰观察肿瘤具体位置,提出了一种基于数学形态学Top-Hat变换的脑瘤CT图像分割方法.利用形态学变换可得到分割迫切需要的谷峰值点、高低曲率点,再将变换结果与原始图像做"异或"运算就可以达到有效分割出肿瘤.实验结果表明,方法在无需先验知识指导情况下可使分割效果明显优于传统方法,具有很好的实用性.     

一种基于纹理的车辆图像分割与提取算法

提出一种基于纹理特征的车辆分割与提取算法,该算法充分利用了车辆纹理、亮度、色度的重要信息,通过循环迭代法选取最优的阀值,通过汁算纹理掩码、亮度掩码、色度掩码,经过形态学操作和边缘提取,最终实现车辆分割.实验结果表明,本文的算法在多种复杂情况下具有较好的效果.     

基于复合型数学形态学的中医图像边缘处理方法的研究

对中医诊断图像进行边缘处理可以提高医学图像的信息利用率.医学图像的边缘处理是进行图像重建和显示的基础,处理后的图像能使得各种病变组织直观、有效地显示和分析,从而提高中医师诊断的准确性.为此,提出了一种改进的基于复合型数学形态学的医学图像边缘处理方法,实验证明该方法能有效地进行医学图像的边缘提取.     

数学形态学的图象分割算法

图象分割在图象分析、机器视觉、目标识别中都将直接影响到后续的理解和识别工作。本文着重讨论了基于数学形态学变换的图象分割算法，提出了基于图象最大内切圆的数学形态学形状描述图象分割算法和基于目标最小闭包结构元素的数学形态学形状描述图象分割算法。     

基于数学形态学的免疫细胞图象分割

为了实现对免疫细胞图象的分析，首先要对该种图象进行正确分割，针对这一要求，提出了一种有效的免疫细胞图象分割方法，该方法是根据数学形态学的知识，利用直方图势池数来提取标记点，并将这些标记点作为种子点来对梯度图进行Watershed变换，进而实现了细胞图象的分割。该方法是一种谱信息与空间信息相结合的分割方法，根据实验结果和分析可见，该方法不仅解决了细胞在参数测量前的精确分割问题，同时，为水域分割的关键步骤－种子点的选取找到了一种有效而可靠的方法，实践表明，分割的结果与 目视感受相一致，且其分割速度及可重复性都达到了医学临床的要求。     

一种基于数学形态学及融合技术的彩色图像分割方法

提出了一种新的彩色图像分割方法,该方法首先利用数学形态学在3个2维彩色子空间进行图像分割,然后将这些分割结果融合在一起得到最终图像的分割。对于RGB彩色图像,3个子空间分别取为RG、RB和GB。而2维直方图则可看作3维直方图在这3个子空间的投影,对这3个2维直方图分别实施形态学中的watershed分割算法,最后通过区域分裂与合并的方法融合这3个2维空间的图像分割结果,获得最终的图像分割。在计算彩色距离时,使用了CIE（L’a’b’）彩色空间。该方法比直接在3维空间的分割方法既快又节约内存,而且分割效果好。     

基于数学形态学的牙科CT 图像分割

文章提出一种基于数学形态学的牙科 CT 图像分割方法。采用形态学重建与滤波技术处理图像,从人的口腔图像 中提取出牙齿信息。初步结果表明所提出的方法可灵活用于从口腔图像中分割出需要的牙齿信息。     

数学形态学的储粮害虫彩色数字图像分割

文章着重讨论了基于数学形态学的彩色数字图像分割算法。提出了用形态模板过滤彩色数字图像进行分割的方法。并将该方法运用于储粮害虫彩色数字图像的分割中：构造躯干模板和足与触角模板，使用两模板将储粮害虫数字图像的躯干和足与触角分割开。结果表明，这种分割算法能够获得较好的效果，为进行害虫图像的形状特征提取奠定了良好基础。     

基于PCA矢量形态学的彩色图像分割方法

基于HSV彩色模型,提出一种基于主量成分分析的矢量排序新方法。将彩色图像描述为矢量空间,则像素点作为矢量处理,根据相应彩色矢量对主量轴的投影值进行排序。采用这种统计特征排序方案,定义新的上下确界与彩色形态算子,将其应用于彩色图像分割,能得到与视觉判断相一致的分割结果。实验表明,该算法具有出色的矢量保持能力,与标准的彩色形态学算子相比,显示了更优的分割性能与较好鲁棒性能。     

数学形态学运算在声纳图像边缘检测处理中的应用

声纳图像中经常存在较强的背景噪声,噪声的存在使图像中的目标边缘不易提取.本文采用了多尺度形态学算法减少图像中噪声的影响,采用形态学边缘检测方法对降噪后的图像进行处理,并利用形态学运算对得到的边缘图像作断裂曲线连接.实验结果证明本文中采用形态学运算边缘检测的方法优于传统的边缘检测方法.