基于灰度形态学的图像边缘特征提取算法研究

兰州文理学院学报(自然科学版)

)JournalofLanzhouUniversitfArtsandScience(NaturalSciencesyo

Vol．３２No．２

Mar．２０１８

()　　文章编号:２０９５Ｇ６９９１２０１８０２Ｇ００５８Ｇ０４

基于灰度形态学的图像边缘特征

提取算法研究

()安徽中医药大学医药信息工程学院,安徽合肥２３００１１

摘要:数字图像生成过程中,容易受到光照等因素的干扰,造成图像背景不均匀．各种边缘检测算法无法有效检测出图像边缘．利用灰度形态学的膨胀、腐蚀以及顶帽变换技术对目标图像进行预处理,消除目标图像的毛刺和峰值．实验结果表明,通过灰度形态学的预处理,再利用边缘检测算法,可以取得较好的图像边缘检测效果．关键词:边缘检测;灰度形态学;顶帽变换;结构元素中图分类号:TP３９１．４　　　文献标志码:A

沈同平,王元茂,方　芳,俞　磊

0　引言

]３

果．罗元等[提出一种改进的梯度算子和多结构

元素模式算法提取目标图像边缘,实验结果表明,该算法可以提取更加精细的图像边缘同时具有一

４]定的噪声抑制作用．曹风云等[提出一种自适应

图像边缘是目标图像与图像背景相互区分的

重要依据,也是原始图像中图像灰度变化最剧烈的区域．因为图像边缘与背景图像之间存在各种像素的干扰,因此图像边缘检测技术需要去除干扰,精确提取图像边缘,为图像识别等图像处理工

１]

作提供技术支撑[目前,图像边缘检测算法有很．

多方向灰度形态学的图像边缘检测算法,检测到的边缘重构相似度和边缘置信度更高,边缘连续

]５

性更强,且计算量低,运行效率高．赵伟等[提出

多种,图像边缘检测技术也广泛应用于社会各个领域,如车牌识别、人脸识别、植物形态研究、医学图像检索等．

数字图像在生成的过程中,容易受到各种因

了一种综合运用形态学中的顶帽变换和模糊C均值聚类的图像分割方法,该算法可以准确有效地分割不均匀图像的背景．

本文在现有文献研究的基础上,利用灰度形

态学的基本原理,对不均匀的光照图像进行预处,理．通过形态学基本运算(腐蚀运算和膨胀运算)消除目标图像的毛刺和断点,使目标图像的轮廓变得光滑、易处理．最后利用自适应阈值算法,分割、提取图像边缘,取得较好的目标图像边缘检测效果．

素的干扰,如太阳光造成的图像阴影、物体反光造成的图片亮度不均匀等,都会对图像边缘特征提取造成干扰．在一些传统的图像边缘检测算法中,如S这些算obel算子、LoCanng算子、y算子等,法缺乏对不均匀图像的处理机制,虽然能够直接检测出图像边缘,但是针对这些光照不均匀的数字图像,检测效果不尽如人意．因此,不同的学者有效降低数字图像中光照因素的干扰,提高数字

]２

图像边缘提取的精确性．王婷等[提出一种基于

从不同的角度改进不均匀图像的边缘检测算法,

1　原理和方法

在对数字图像处理过程中,一般利用集合论

语言来描述一幅图像．在形态算中,一个集合区域用大写字母A、用来表示一幅B、C等表示,)图像中感兴趣的区域．用z＝(整型数值表z１,z２示一个图像元素在图像中的位置,其中z属于

顶帽变换的反锐化掩膜算法,该算法增强目标图像的对比度,凸显图像的局部细节,提高视觉效

收稿日期:２０１７Ｇ１１Ｇ１７

););;点项目(安徽中医药大学教研项目(安徽省教研项目(安徽中医药大学青xZD２０１６１２８２０１４x０２６２０１４xm２００)gyqjjyjy)年项目(２０１６n００６q１２６．com．

),:作者简介:沈同平(男,安徽无为人,讲师,硕士,研究方向为医药信息管理与图像处理．１９８６ＧEＧmailshent１９８６＠p

;基金项目:安徽省高等学校自然科学研究重点项目(安徽省高等学校省级优秀青年人才支持计划重KJ２０１５A０５４)

第２期

沈同平等:基于灰度形态学的图像边缘特征提取算法研究

５９

其中Z２表示为所有元素的有序偶数对集Z２,

６]合[数字图像的形态算最基本的是膨胀和．腐蚀．1.1　腐蚀运算

合A至少有一个像素点是重叠的,将满足条件的

z点构成的集合称为元素集合B对A的膨胀运

算,如图２所示．

合B对A进行腐蚀运算,用AΘB表示,

AΘB＝{z|(B)z⊆A}

对Z２上图像元素的集合A和B,其中元素集

其中,利用位于图像原点的结构元素B在整个图像集合Z２平面上移动,如果当B中的原点平移至

点时,B中的元素集合完全包含于A中,将满足条件的z点构成的集合称为元素集合B对１A的腐

蚀运算,如图所示．

(a

)原始图像A(b

)结构元素BAΘB图１　腐蚀运算效果图

(c)1.2　膨胀运算

对Z２上图像元素的集合A和B合B对A进行膨胀运算,用,其中元素集

其中,利用位于图像原点的结构元素(A􀱇B表示,

A􀱇B＝{z|^B)z∩A≠∅B在整个图}

像集合Z２平面上移动,如果当B中的原点平移至

点时,如果B中相对于自身的原点映像^B和集

(a

)原始图像A(b

)结构元素B􀱇B图２　(c膨胀运算效果图

)A形态算包括开运算和闭运算,都是都腐蚀运算和膨胀运算复合而成．开运算是先腐蚀,再膨胀,记为

B􀳱A＝(BΘA图像经过开运算,图像轮廓变得光滑)􀱇A．

,将狭窄的连接和毛刺消除掉．

闭运算时先膨胀,再腐蚀,记为

B•A＝(B􀱇A,图像轮廓也会变得光滑)ΘA．

图像经过闭运算,但和开运算不同,它能够连接狭窄的间断,填充细小的空洞．

待处理的目标图像,经过开/闭运算后,使得

目标图像的轮廓趋于光滑,为后续的图像处理打

好基础[７]

．

zz兰州文理学院学报(自然科学版)　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　第３２卷６０

2　算法仿真验证

为了验证本文算法的有效性和实用性,笔者

使用MATLAB２０１４a中自带的米粒图像rice．

这幅米粒图片是光照度不均匀的图片,图像n．pg下部分的背景亮度明显低于图像上半部分,如图这种情况下,直接使用自适应阈值分割算３所示．法,分割效果很差,如图４所示．

图３　rice图像

图４　自适应阈值检测

从图均匀,在进行图像边缘检测过程中４可以看出,由于整个图片光照亮度不

,底部较暗的米粒图片,不能被有效分割和提取,分割效果很差为了更加直观地对米粒背景图片进行分析,笔者．对和图rice图像进行了可视化分析,

分析结果如图６所示从图匀,图中像素点存在不同的峰值５．

５和图６,可以发现由,于这些峰值直接影背景光照不均

响后期的图像边缘检测效果,对图像背景中的峰值．我们可以利用灰度形态学中的顶帽变换技术进行消除运算之差．顶帽变换h就是图像f与图像f的开

,公式如下:

h＝f－(f􀳱

s)．图５　rice三维可视图

图６　rice背景曲面图

其中是任何的构,常见的有圆柱体s是结构元素,它可以、球体或者圆锥体等．本文考３D结

虑到rice图像中的米粒具有近似的大小,因此只要选择直径比米粒稍大的圆形结构元素就可以消除不均匀的峰值经过顶帽变换运算．

,可以有效消除不均匀的图像峰值,结果如图７和图８所示rice图像从图７和图８,我们发现经过顶帽变换运算．

ice图像的背景区域变得均匀,

同时图像背景中,

的那些凸起的山峰基本处于同一水平面础上,利用本文的算法步骤再对特征进行提取,结果如图rice图像的边缘．在此基对比图４和图９可以发现本文算法对光照不

９所示．

图７　顶帽变换图

r第２期

沈同平等:基于灰度形态学的图像边缘特征提取算法研究

６１

分析的基础上,提出利用数学形态学的基本运算,如膨胀、腐蚀以及顶帽变换技术对目标图像进行预处理,消除目标图像的毛刺和峰值像素特征,构建背景均匀、轮廓光滑的待处理图像．实验结果表明,经过灰度形态学预处理的光照不均匀的目标图像,能够有效分割和提取目标图像轮廓特征,为后续的图像识别等工作提供技术基础．参考文献:

图８　顶帽变换三维可视图

[]THANHMN,WUQM．G１aussianＧmixtureＧmodelＧ

basedsatialneihborhoodrelationshisforpixellaＧpgpbelinroblem[J]．IEEETransSstManCberngpyy():PartB,２０１２,４２１１９８Ｇ２０２．

[]王婷．]基于顶帽变换的反锐化掩膜算法[计算机工２J．[]罗元．]基于改进的形态学灰度图像边缘检测算法[３J．[]曹风云．自适应多方向灰度形态学图像边缘检测算法４

[]赵伟．基于顶帽变换和模糊C均值聚类的图像分割方５

图９　本文算法检测

[]６ZHANGL,JIQ．Imaesementationwithaunifiedgg

,():Intell２０１０,３２８１４０６Ｇ１４２５．

[]rahicalmodelJ．IEEETransPatternAnalMachgp]():法[计算机技术与发展,J．２０１０,２０８５３Ｇ５５．[]():光学技术,J．２０１６,４２３２３４Ｇ２３８．():半导体光电,２０１４,３５５９４１Ｇ９４４．():程与设计,２０１４,３５１１９８Ｇ２０２．

均匀的r对原ice图像具有良好的阈值分割效果,图像中底部不均匀的米粒,也能有效地进行分割和提取,为后续的图像处理和图像识别提供良好的技术支持．

[７]ARBEAEZP,MAIREM,FOWLKESC,etal．

[],tionJ．IEEETransPatternAnalMachIntell２０１１,():３３５８９８Ｇ９１６．

ContourdetectionandhierarchicalimaesementaＧgg

3　结束语

本文在光照不均匀的数字图像边缘特征提取

[责任编辑:史宝明]

EdeFeatureExtractionAlorithmBasedonGraorhologgyMpgy

(,A,H)SchoolofMedicineandInformationEnineerinnhuiUniversitfChineseMedicineefei２３００１１,Chinaggyo

SHENTonＧinWANGYuanＧmao,FANGFanYULeigpg,g,

,,tiveletecttheedeofimaes．Howeverwhenusinraorholoilationerosionandtoatydggggympgydph

,transformationtechnolooprerocesstarettheburrandpeakvalueoftaretimaecanbeelimiＧgytpggg,nated．Exerimentalresultsshowthatthrouhthepretreatmentofgrascalemorholondthepgypgya

useofededetectionalorithm,abetterimaeededetectioneffectcanbeachieved．gggg:;;;KeordsededetectionmorhlotoＧhatstructuralelementgpgypyw

:,AbstractIntheprocessofdiitalimaegenerationitiseasobedisturbedbihtandotherfacＧggytylg

,,torsresultininunevenimaebackroundandavarietfededetectionalorithmscannoteffecＧgggyogg