基于形态变换的图像增强方法研究.docx

本文格式为Word版，下载可任意编辑基于形态变换的图像增强方法研究 摘 要 基于数学形态变换理论与方法，针对低信噪比的小目标、点目标图像，通过膨胀、腐蚀、开、闭等根本形态变换及其组合变换，实现低信噪比的图像的滤波，去除噪声；提取信号峰值，实现微弱信号的放大和巩固，提高图像的识别特征理论分析和试验结果说明该算法对低信噪比的荧光图像有很强的适应性，可用于生物医学荧光图像的处理 关键字 图像处理，滤波，形态学0 引言 在同一幅图像中，假设存在低信噪比的小目标、点目标，不同目标的灰度值跨越很大，使得图像的分割算法变繁杂[1-4]如能有效巩固图像中的信号强度，提高图像的比较度，那么图像的分割变得简朴，可以更轻易地识别信号与背景 本文基于数学形态学方法，利用膨胀、腐蚀、开、闭等根本形态变换运算的特点[5]，议论利用这些根本变换提取图像中的信号强度极值的原理，提出了基于形态根本变换的图像滤波、巩固处理方法，该方法简朴、直观；试验结果说明该方法的有效性1 数学形态变换原理 根据数学形态学理论，对数字图像f (x )和布局元素B，有以下论述[6]： 设f 为一幅数字灰度图像，f : D f → T f ，D f Z2 ，T f ∈Z，Z2为二维离散空间。

图像 f = f(x) 表示 x = (i, j)处的灰度，布局元素B为Z2上的一个有限子集，关于原点对称在此根基上可定义对f 关于布局元素B 的形态腐蚀运算，记为ξB (c) B ( f )图1 膨胀、腐蚀形态变换是极值替换运算，是在布局元素范围内按灰度极大值、微小值举行替换：取布局元素内像素的灰度最大、最小值，将该范围内全体像素灰度替换为该极大、微小值；对膨胀而言，是极大值替换，对腐蚀而言，是微小值替换从上述运算定义来看，其实质是一种极值滤波运算，它们的组合运算开、闭运算也必然具有滤波成果2 基于形态变换的图像巩固2.1 图像滤波 形态开、闭运算的性质说明：这两种运算具有极值滤波功能，开运算对信号平滑；闭运算去除谷底值选择适合的布局元素，依次对被处理对象开、闭运算，能实现滤波开运算可消释散点和毛刺，对信号平滑；闭运算通过选择适当的布局元素，可将两个邻近目标连接起来，或者得到某些外部轮廓线开运算增大了谷值，扩展了峰顶；闭运算裁减了峰值，加宽了谷域；前者是极大值滤波，后者是微小值滤波，布局元素B相当于滤波窗口2.2 图像巩固 由前述形态变换运算的特点知道：膨胀是极大值运算，腐蚀为微小值运算，因此，膨胀运算可提取信号的峰值，同理，腐蚀可提取信号的谷值。

假设将信号加上峰值，去除谷值，可巩固信号强度，提高信号的比较度概括峰值提取可先将原始信号举行膨胀，将膨胀结果减去原信号，可得到相对峰值；谷值提取是用原始信号减去腐蚀后的原始信号，得到相对谷值— 3 —。