一种基于多结构元的形态滤波器设计

<正> 数学形态学可以看作是一种特殊的数字图像处理的方法和理论。数学形态学中的各种变换、运算、概念和算法的目的在于描述图像的基本特征或基本结构,也就是描述图像的各个元或各个部分之间的关系。它的基本思想是基于集合的交、并、移位运算,产生出二值形     

数学形态学的基本算法及在图像预处理中应用

介绍数学形态学的四种基本运算在二值和灰度形态学中的描述,分析结构元素的选取方法,探讨数学形态学在图像预处理中的应用。研究利用二值或灰度基本运算,分析数学形态学在图像预处理中噪声滤除、边缘检测以及断点连接方面的技术特点和实现方法。     

基于模糊数学和神经网络的数学形态学方法

文中应用模糊数学的原理，采用构造隶属函数的方法，在实现二值图像数学形态学基本算法的基础上，结合人工神经网络的方法实现了一种更为灵活的数学形态学运算．该方法不仅能实现传统的数学形态学的基本运算，而且通过选取适当的权值和阈值还可以实现除噪、滤波、边缘检测等更复杂的运算．     

基于模糊数学和神经网络的数学形态方法

文中应用模糊数学的原理,采用构造隶属函数的方法,在实现二值图像数学形态学基本算法的基础上,结合人工神经网络的方法实现了一种更为灵活的数学形态学运算。该方法不仅能实现传统的数学形态学的基本运算,而且通过选取 权值和阈值还可以实现除噪,滤波,边缘检测等更复杂的运算。     

基于数学形态学的分水岭图像分割方法

在VC.NET的开发环境中,设计了一个实现数学形态学基本分割运算的简易软件.该软件可以选择不同方向和不同形状、大小的结构元并在四邻域或八邻域中实现灰度图像的腐蚀、膨胀和开、闭运算,通过检测相邻象素灰度值的突变获得不同区域之间的边缘并实现了基于数学形态学的边缘检测和滤波,以及分水岭的分割算法.实验结果说明该软件性能稳定、图像分割和滤波效果优良.     

基于数学形态学的分水岭图像分割方法

在VC.NET的开发环境中,设计了一个实现数学形态学基本分割运算的简易软件.该软件可以选择不同方向和不同形状、大小的结构元并在四邻域或八邻域中实现灰度图像的腐蚀、膨胀和开、闭运算,通过检测相邻象素灰度值的突变获得不同区域之间的边缘并实现了基于数学形态学的边缘检测和滤波,以及分水岭的分割算法.实验结果说明该软件性能稳定、图像分割和滤波效果优良.     

基于数学形态学的图像特征提取

阐述了数学形态学的腐蚀,膨胀,开、闭等基本运算原理,采用数学形态学抑制背景,得到保留小目标的图像,并对包含小目标信息的图像进行处理和图像特征提取。     

数学形态学及其在图像边缘检测中的应用

数学形态学是一种非线性滤波方法，从19世纪创立发展至今，已在不同领域得到广泛应用。本文主要介绍了数学形态学的基本运算及其在图像边缘检测中的应用，并与经典微分算子边缘检测方法进行了比较，实验证明该方法具有较好的边缘检测效果。     

模糊形态学初探

数学形态学的基本运算都是对普通集合而言的。本文将给出新的定义，把这些基本运算推广到模糊集合，并研究它的一系列性质。同时指出，数学形态学的基本运算仅是本文的特殊情况，而且是简化了的情况。     

基于数学形态学二值图像分割算法的研究

用数学形态学方法进行数字图像的分析和处理是一种新兴的图像处理技术。图像分割在图像分析、模拟识别目标中将会直接影响到处理的结果。通过讨论数字图像中最基本的二值图像的分割算法,用数学形态算子的序结构和级联的数学形态学算法结合的方法完成对二值图像的分割。     

数学形态学在海洋浮游植物显微图像处理中的应用

数学形态学是分析几何形状和结构的数学方法,广泛应用于各类图像形状和结构的分析与处理.浮游植物是海洋生态系统中的重要初级生产者,其个体微小,但形态特征各异,一般要在显微镜下才能进行准确的种类鉴定.本文以海洋常见赤潮藻血红哈卡藻(Akashiwo sanguinea (Hirasaka) Hansen & Moestrup)为对象,利用数学形态学方法来处理和分析其细胞显微图像.数学形态学算法包括二值图像形态学和灰度图像形态学,涉及到膨胀、腐蚀、开闭运算,提供了快速高效的优化算法,特别是基于形态学分水岭的图像分割、标记目标、目标分割.研究结果证明,数学形态学可应用于海洋浮游植物显微图像处理,为浮游植物显微自动识别提供了理论基础.     

基于数学形态学的图像处理方法

从图像的描述方法出发，在二值形态变换的基础上，通过引入图像的阀集合和本影，导出了多值形态学基本形态变换建立的方法．并揭示了二值形态学与多值形态学在结构算法上的相互联系．在图像处理的形态学方法上，提出了基于形态变换的图像边缘提取、多种形态梯度、形态骨架表示方法，以及具有去噪和形态平滑功能的开、闭形态变换在图像分析中的应用．     

基于数学形态学的焊接熔池图像边缘提取技术研究

针对在数学形态学熔池图像边缘提取时二值化过程中边缘信息严重丢失的问题,提出一种改善方案:使用局部自适应方法进行二值化,然后通过中值滤波、建立连通区域并搜索填充得到最终二值化后的图像;选择合适形状和尺寸的结构元素,用4种数字形态学基本运算组合的边缘检测算子对二值化后的图像进行边缘检测。仿真结果表明,该方法可以很好地保留熔池边缘信息,并能提取出更加准确的焊接熔池图像边缘。     

一种基于数学形态学的边缘检测算子

介绍了一种具有很好抗噪性的数学形态学梯度算子。该算子是以二值形态学为理论基础的,因此在处理灰度图时,文中选用了迭代阈值的方法对图像二值化,根据形态学基本算子的性质,将原有的形态学梯度算子进行改进,最后通过VC＋＋6.0编程实现。实验结果表明将迭代阈值与改进的梯度算子相结合,提取的边缘定位准确、连续性好,运算速度快,具有很好的去噪能力。     

数学形态学原理及其在图象处理中的应用

根据数学形态学的原理,研究了形态学的四种基本运算,根据二值图象的运算方法,设计了灰度图象函数映射到二值函数的方法,对实际二值图象进行了形态特征处理.     

一种基于数学形态学的边缘检测算子

介绍了一种具有很好抗噪性的数学形态学梯度算子.该算子是以二值形态学为理论基础的,因此在处理灰度图时,文中选用了迭代阈值的方法对图像二值化,根据形态学基本算子的性质,将原有的形态学梯度算子进行改进,最后通过VC++6.0编程实现.实验结果表明将迭代阈值与改进的梯度算子相结合,提取的边缘定位准确、连续性好,运算速度快,具有很好的去噪能力.     

数学形态学的基本原理和发展

论述了二值图像形态学、灰度图像形态学以及推广到彩色图像形态学的基本原理，提出了数学形态学进一步发展趋势。     

基于顶帽变换和最大类间方差法的图像分割方法研究

为了克服直接使用最大类间方差法(Otsu)的图像分割方法不能对具有亮度不均匀背景的图像进行准确分割的不足,提出了一种基于数学形态学中的顶帽变换和最大类间方差法(Otsu)的图像分割方法。首先从数学形态学出发,详细阐述了灰度形态学的基本运算(腐蚀、膨胀、开、闭运算),引申出可以消除图像不均匀背景的顶帽变换法。然后介绍Otsu图像分割算法的具体步骤。最后以MATLAB7.0为实验平台,将顶帽变换和Otsu两种算法结合起来对图像进行分割算法仿真实验。理论分析和仿真实验结果表明,提出的方法可以实现快速、准确地分割。     

彩色图象噪声的形态滤波方法

形态处理是二值和灰度图象处理中噪声抑制、特征抽取、形状描述等的有效方法，本文提出了一种彩色形态变换，将数学形态学理论拓展到彩色空间，构建了彩色噪声形态滤波器，分析了其性质，实验结果表明它能有效地消除图像中的彩色噪声、保留图像边缘。     

基于顶帽变换和Otsu的图像分割方法研究

为了克服直接使用最大类间方差法(Otsu)的图像分割方法不能对具有亮度不均匀背景的图像进行准确分割的不足,提出了一种基于数学形态学中的顶帽变换和最大类间方差法(Otsu)的图像分割方法。首先从数学形态学出发,详细阐述了灰度形态学的基本运算(腐蚀、膨胀、开、闭运算),引申出可以消除图像不均匀背景的顶帽变换法;然后介绍Otsu图像分割算法的具体步骤。最后以MATLAB7.0为实验平台,将顶帽变换和Otsu两种算法结合起来对图像进行分割算法仿真实验。理论分析和仿真实验结果表明,本文提出的方法可以实现快速、准确地分割。