基于数学形态学的图像汉字笔划细化和提取

文章提出了一种基于数学形态学的图像汉字笔划细化和提取方法。根据汉字的结构特点,定义了一组新的结构元素序列,保持了原样本图像汉字的连通性和拓扑性的骨架,有效地抑制样本细化后汉字笔划的扭曲和歪斜;在此细化的结果基础上,定义了一种新的汉字笔划提取算法,准确提取出原汉字的横竖撇捺笔划的形状、形态及形式结构信息,取得了理想的效果。     

从静态字符骨架中提取完整笔划

提出了一个跟踪手写体了字符骨架的新方法,该方法能够从静态字符骨架中提取出由笔落到笔起的完整笔划,也就是说,能够在离线情况下重新获得部分已丧失的书写字符时的动态信息,从而使得字符的离线识别能够采用在线识别的特征,提高离线识别率。     

由手写体图象恢复笔划的一种方法

本文提出一种由手写体图象复恢笔划是的跟踪算法。该算法突破了象素级链码跟踪的传统方法，在考虑了周围笔划的走向基础上进行笔划跟踪。首先，灰度图象经过二值化和细化产生手写体的原始骨架；其次由手写体的宽度信息进一步得到两类骨架：基本骨架与参考骨架；再通过基本骨架的跟踪连接得到笔划段。实验表明该方法对手写体笔划段。最后讨论了跟踪后处理，其目的是为了得到和人书写结果类似的笔划。实验表明该方法对手写体笔划跟踪有很好的效果。     

基于笔划的立体图像风格化

为实现双目图像的风格化渲染,提出了一套完整的基于笔划的立体图像风格化系统。首先,将笔划基于颜色梯度和深度梯度确定左视图初始笔划的位置;然后,通过求解由视差约束和位置约束构成的能量优化方程,决定笔划的控制点在左、右眼视图中的最终位置,以保持笔划在两视图中的匹配。系统可以采用不同的笔划属性,生成不同风格的立体图像风格化结果。实验结果表明,所提方法为立体图像的风格化提供了有效快捷的方法。     

一种有效的骨架毛刺去除算法

针对数学形态学骨架化算法可能出现的多像素宽度情况,定义了端点、节点、尾支和毛刺等概念,在此基础上设计了一种分级毛刺去除算法,作为形态学骨架化算法的后处理手段,此算法能够有效去除多余分支,使骨架更加准确和稳定地反映目标的几何结构。     

基于数学形态学的图像轮廓细化方法

图像轮廓细化是图像处理的一个重要方面,本文详细讨论了基于数学形态学的图像轮廓细化处理的方法,在Matlab中对轮廓封闭和不封闭的手绘家具图案扫描图像分别进行了仿真,并对实验结果做了分析研究。     

一类共轭二值艺术图像的归一算法

对一幅特殊的包含黑、白两种背景的共轭二值艺术图像的归一化,本文综合利用数学形态学运算识别出其中的黑色背景图像区域,进而将该区域内的象素点进行反色处理,实现了共轭艺术图像不同背景的归一化.     

图像拼接技术在金相分析中的运用

为了对经显微镜采集的金相组织样品的不完整的多幅图像进行直观全貌的展现,也为了对金相组织样品进行定量检验,作者将图像拼接技术运用到金相组织样品图像的分析之中,对目标图像进行连续摄取和多视场目标图像进行自动拼接.实验结果表明经拼接后能清晰、准确的全貌展现金相组织样品图像,对样品的分析检验起了重要作用,显示了广阔的应用前景.     

基于数学形态学的二值图像骨架抽取算法

本文首先介绍了三种骨架抽取算法,并选取了最大圆盘的形态学骨架抽取算法作为研究对象,并对传统算法进行改进,不是选取单一的结构元素,而是选取两组(共8个)结构元素同时在各个方向对图像进行处理,得到了很好的效果。     

基于数学形态学的图像边缘检测方法及应用

图像的边缘检测在图像处理中占有重要的地位,本文提出了一种基于数学形态学的边缘检测算法,并把它应用于Miss图像,Blood图像,和汽车的前照灯的光形图像的边缘检测中,实验证明用本文算法进行图像边缘检测,能较好地保持图像的细节特征,同时有效的抑制噪声。     

图像灰度分布的近似标准化算法研究

分析了传统的图像灰度分布的标准化算法,针对其缺陷进行了一些改进,并归并为“聚集算法”,提出了这些算法的评价方法,并通过实验结果证实了算法改进方式的合理性。     

数学形态学的细化算法

对目标图象进行细化处理,提取其骨架,在目标检测、图象编码以及光学字符识别等计算机视觉、图象处理与模式识别领域都有着广泛的应用．在定义了数学形态学图象轮廓和骨架的基础上,提出了基于两组结构元素模板的数学形态学细化新算法,这两组结构元素模板分别用来去掉目标的西北、东北、东南、西南方向四个角上的点和北、东、南、西四个方向上的点．用该算法对实际的字符进行细化,获得了令人满意的结果．     

形态学算法在干涉图像处理中的应用

介绍一种干涉图像识读的图像处理技术－形态学算法。通过选择合适的结构元素和变换形式,此算法可以自动实现对干涉条纹的特征提取。作者详细阐述了此方法的算法实现,并给出了高精度的计算结果。     

基于Canny算子的白酒显微图像边缘提取

文章提出了一种改进的Canny算子和数学形态学相结合的白酒显微图像边缘检测方法。首先采用二维高斯函数的一阶偏导数同时构造x和y方向滤波器计算梯度幅值,然后通过四阈值边缘检测方法进行边缘定位,最后引入了数学形态学对边缘进行融合。实验仿真表明,该方法对酒分子结构边缘检测精度较准、抗噪性能良好,能有效的克服图像边缘模糊与断点,提高了边缘的连续性。     

模糊域的图像边缘检测算法分析

提出一种基于模糊域的图像边缘检测算法,结合自适应模糊增强和多方向模糊形态学来检测模糊图像的边缘。自适应模糊增强采用滑动窗口对模糊图像进行分块增强,避免了全图单阈值增强引起的真实边缘损失,具有较强的适应图像区域变化的能力;多方向模糊形态学用多个不同方向的结构元素对增强图像进行运算,以提取具有方向性的真实边缘,并抑制无方向性的噪声。实验证明算法能够有效地检测出模糊图像边缘,抗噪能力强。     

形态差分算子与图象形态滤波

本文依据数学形态学(Mathematical Morphology)的基本运算,提出形态差分算子(Morphological Diffezence Operator)MDO,进而讨论了其中几种常见算子(ED、DD、NLLP等的频响特性,最后给出了它们在图象检测与边缘抽取、图象二值化处理等方面的应用结果。     

形态差分算子与图象形态滤波

本文依据数学形态学(Mathematical Morphology)的基本运算,提出形态差分算子(Morphological Difference Operator)MDO,进而讨论了其中几种常见算子(ED、DD、NLLP等的频响特性,最后给出了它们在图象检测与边缘抽取、图象二值化处理等方面的应用结果.