一種基于多結(jié)構(gòu)元形態(tài)學(xué)的圖像二值化方法

摘 要： 利用數(shù)學(xué)形態(tài)學(xué)算法獲取關(guān)于圖像邊界特征的二值化圖像的時(shí)候，結(jié)構(gòu)元素的構(gòu)造和選取至關(guān)重要。常用的簡(jiǎn)單、對(duì)稱的結(jié)構(gòu)元素在檢測(cè)邊界和突出細(xì)節(jié)方面有其局限性。為了保證結(jié)構(gòu)元素的有效性和適應(yīng)性，采用多結(jié)構(gòu)元的形態(tài)學(xué)邊界二值化圖像獲取方法，利用八個(gè)方向角度不同的結(jié)構(gòu)元素，以適用于更多的變化情況。實(shí)驗(yàn)數(shù)據(jù)表明，多結(jié)構(gòu)元的方法在加強(qiáng)邊界信息、突出細(xì)節(jié)特征方面取得了較好的效果，有效地突顯出圖像邊界，減少了細(xì)節(jié)的損失。

關(guān)鍵詞： 數(shù)學(xué)形態(tài)學(xué)； 多結(jié)構(gòu)元素； 邊界特征； 二值圖像

中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1006-8228（2013）04-37-03

Image binarization method based on morphology of multiple structure elements

Liu Na

（School of Public Administration， Hubei University of Medicine， Shiyan， Hubei 442000）

Abstract： In image processing fields， mathematical morphology has a wide range of application. When the binary image of image boundary characteristics is obtained by the appropriate morphological algorithm， the construction and selection of structure elements are important. Common simple and symmetrical structure elements have limitations in detecting boundary and highlighting details. In order to guarantee the effectiveness and adaptability of the structure elements， an image binarization method is put forward based on mathematical morphology of multiple structure elements. The experimental data show that the method of multiple structure elements receives better effects in enhancing the boundary of image and highlighting details.

Key words： mathematical morphology； structure elements； boundary characteristics； binary image

0 引言

圖像二值化是圖像處理領(lǐng)域的一個(gè)基本問題，是目標(biāo)特征提取、識(shí)別與跟蹤的基礎(chǔ)。在很多應(yīng)用方面，如：自動(dòng)目標(biāo)識(shí)別、光學(xué)字符識(shí)別和文字提取中，它是預(yù)處理階段的關(guān)鍵技術(shù)[1]。數(shù)學(xué)形態(tài)學(xué)是應(yīng)用于圖像分析處理領(lǐng)域的一個(gè)較新的數(shù)學(xué)理論。不同于傳統(tǒng)的數(shù)學(xué)建模和分析方法，它是建立在集合論的基礎(chǔ)之上，用集合表示圖像中的對(duì)象。將數(shù)學(xué)形態(tài)學(xué)應(yīng)用與圖像處理領(lǐng)域，可以幫助我們從圖像中提取表達(dá)和描繪區(qū)域形狀的有作用的圖像分量，例如邊界。對(duì)于形態(tài)學(xué)運(yùn)算而言，結(jié)構(gòu)元素的選取是至關(guān)重要的，它將直接影響處理的效果[2]。因此，如何選取適當(dāng)?shù)慕Y(jié)構(gòu)元素是目前形態(tài)學(xué)研究的一個(gè)難點(diǎn)和熱點(diǎn)問題。在圖像處理過程中，通常會(huì)采用圓型、方形、菱形等簡(jiǎn)單、對(duì)稱的集合作為結(jié)構(gòu)元素。但是，這樣的結(jié)構(gòu)元素僅僅可獲得它們相應(yīng)方向上的信息，對(duì)于復(fù)雜的情況，它的處理效果就不太理想。因此，為了更好地獲取邊界信息，我們考慮采用能夠涵蓋八個(gè)方向上信息變化的多個(gè)結(jié)構(gòu)元素的處理方法，采用基于多結(jié)構(gòu)元形態(tài)學(xué)的圖像二值化方法。實(shí)驗(yàn)數(shù)據(jù)表明，該方法對(duì)于圖像細(xì)節(jié)的檢測(cè)取得了比較好的效果。

1 數(shù)學(xué)形態(tài)學(xué)基本理論

數(shù)學(xué)形態(tài)學(xué)以形態(tài)為基礎(chǔ)對(duì)圖像進(jìn)行分析，它的基本思想就是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的[3]。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡(jiǎn)化圖像數(shù)據(jù)，保持它們基本的形狀特征，并除去不相干的結(jié)構(gòu)。數(shù)學(xué)形態(tài)學(xué)運(yùn)算主要有四種：膨脹、腐蝕、開啟和閉合。這些形態(tài)學(xué)運(yùn)算可轉(zhuǎn)化為集合的邏輯運(yùn)算，算法簡(jiǎn)單，適于并行處理，且易于硬件實(shí)現(xiàn)，適于對(duì)二值圖像進(jìn)行圖像分割、細(xì)化、邊緣提取、形狀分析。

1.1 圖像膨脹

膨脹就是把連接成分的邊界擴(kuò)大一層的處理。結(jié)構(gòu)元素b對(duì)圖像集合f的膨脹可記為f?b。其定義如下：

其中，表示與b關(guān)于原點(diǎn)對(duì)稱的集合。膨脹是一個(gè)擴(kuò)張的過程，這種變換會(huì)使目標(biāo)擴(kuò)張，孔洞縮小。由于膨脹操作是由結(jié)構(gòu)元素形狀定義的鄰域中選擇f?b的最大值，因此如果結(jié)構(gòu)元素都為正，則輸出圖像將趨向于比輸入圖像亮；細(xì)節(jié)的減少和消除取決于膨脹操作中結(jié)構(gòu)元素的值和形狀。

1.2 圖像腐蝕

腐蝕就是把連接成分的邊界點(diǎn)去除從而縮小一層的處理。結(jié)構(gòu)元素b對(duì)圖像集合f的腐蝕定義為fΘb。

腐蝕變換是一種收縮變換，它會(huì)使目標(biāo)收縮，使孔洞擴(kuò)張。由于腐蝕操作是由結(jié)構(gòu)元素形狀定義的鄰域中選擇fΘb的最小值[4]，因此如果結(jié)構(gòu)元素都為正，則輸出圖像將趨向于比輸入圖像暗；比結(jié)構(gòu)元素小的區(qū)域中明亮的細(xì)節(jié)經(jīng)腐蝕操作后其效果將減弱。

1.3 開啟運(yùn)算

使用同一個(gè)結(jié)構(gòu)元素對(duì)圖像先進(jìn)行腐蝕運(yùn)算再進(jìn)行膨脹運(yùn)算稱為開啟。定義為：

開啟運(yùn)算可使目標(biāo)輪廓光滑，去除毛刺，孤立點(diǎn)和銳化角[5]。

1.4 閉合運(yùn)算

使用同一個(gè)結(jié)構(gòu)元素對(duì)圖像先進(jìn)行膨脹運(yùn)算再進(jìn)行腐蝕運(yùn)算稱為閉合。定義為：

閉合運(yùn)算可以填平小溝，彌合孔洞和裂縫。膨脹和腐蝕的反復(fù)使用就可以檢測(cè)或清除圖像中的小成分或孔。

2 多結(jié)構(gòu)元形態(tài)學(xué)圖像二值化方法

2.1 形態(tài)學(xué)梯度算子

在實(shí)際應(yīng)用中，數(shù)學(xué)形態(tài)學(xué)的四種基本運(yùn)算可以取得不同的效果?；谶@些運(yùn)算，可以根據(jù)應(yīng)用需要推導(dǎo)出各種實(shí)用算法。要進(jìn)行圖像二值化處理，運(yùn)用形態(tài)學(xué)運(yùn)算獲取圖像中感興趣對(duì)象的邊界是關(guān)鍵。根據(jù)運(yùn)算的特性，可以得出不同的邊界算子。就膨脹運(yùn)算而言，圖像f的邊界算子可以表示為：

而腐蝕運(yùn)算的邊界算子可表示為：

其中b為結(jié)構(gòu)元素。通常，膨脹和腐蝕運(yùn)算會(huì)同時(shí)用來計(jì)算圖像的形態(tài)學(xué)梯度E（f） [6]，記為：

從上式可以看出，形態(tài)學(xué)梯度算子可以加強(qiáng)、加寬圖像邊界，從而使邊界更加突出。這對(duì)于后期的處理將提供很大的幫助。

2.2 結(jié)構(gòu)元素的選擇

在用數(shù)學(xué)形態(tài)學(xué)處理圖像時(shí)，需要設(shè)計(jì)適當(dāng)?shù)慕Y(jié)構(gòu)元素來搜索圖像信息。通過在圖像中不斷地移動(dòng)結(jié)構(gòu)元素考察圖像各個(gè)部分之間的關(guān)系，從而提取出有用的信息[7]。使用不同的結(jié)構(gòu)元素和形態(tài)學(xué)算子可以獲得關(guān)于目標(biāo)的大小、形狀、連通性和方向等信息，結(jié)構(gòu)元素形狀尺寸的選擇是能否有效地提取信息的關(guān)鍵，將直接影響圖像的形態(tài)運(yùn)算結(jié)果。

一般來說，結(jié)構(gòu)元素必須在幾何上要比原圖像簡(jiǎn)單，并且有界；另外，結(jié)構(gòu)元素的凸性也很重要?；诮Y(jié)構(gòu)元素的選擇原則，通常會(huì)選擇一些小的簡(jiǎn)單集合，比如方形、菱形、圓形等。但是實(shí)際中，圖像不會(huì)如此簡(jiǎn)單，這種結(jié)構(gòu)元素?zé)o法滿足應(yīng)用的需要。為了涵蓋更多的情況，考慮用圖1所示的5×5的方向角分別為0，π/8，π/4，3π/8，π/2，5π/8，3π/4，7π/8的八個(gè)結(jié)構(gòu)元素對(duì)圖形進(jìn)行處理。

2.3 多結(jié)構(gòu)元形態(tài)學(xué)圖像二值化算法

多結(jié)構(gòu)元形態(tài)學(xué)圖像二值化算法的基本思想是：利用5×5方向角為0，π/8，π/4，3π/8，π/2，5π/8，3π/4，7π/8的八個(gè)結(jié)構(gòu)元素來搜索圖像信息，用形態(tài)學(xué)梯度算子檢測(cè)圖像邊緣變化劇烈的地方，對(duì)邊界像素點(diǎn)進(jìn)行二值化處理，得到相應(yīng)的二值圖像。

Step1：采用形態(tài)學(xué)濾波方法對(duì)灰度圖像進(jìn)行平滑去噪處理。

Step2：選用圖1中所示的八個(gè)結(jié)構(gòu)元素，根據(jù)形態(tài)學(xué)梯度算子，得到關(guān)于圖像邊界的八幅二值化圖像。

Step3：利用統(tǒng)計(jì)的方法對(duì)這八幅圖像進(jìn)行加權(quán)平均處理，得出最終的二值化圖像。

3 實(shí)驗(yàn)結(jié)果與分析

首先，對(duì)圖2所示的灰度圖像進(jìn)行平滑去噪處理，消除噪聲的影響；其次，選用圖1中所示的八個(gè)結(jié)構(gòu)元素，根據(jù)形態(tài)學(xué)梯度算子，得到關(guān)于圖像邊界的八幅二值化圖像；再次，利用統(tǒng)計(jì)的方法對(duì)這八幅圖像進(jìn)行加權(quán)平均處理，得出最終的二值化圖像如圖3所示。

為了檢測(cè)多結(jié)構(gòu)元形態(tài)學(xué)二值化算法在獲取圖像邊界信息的有效性，將多結(jié)構(gòu)元方法與常用的菱形、圓形、方形結(jié)構(gòu)元方法作用于圖1，得到的二值圖像如圖4所示。

從實(shí)驗(yàn)結(jié)果來看，通過與三種常用的結(jié)構(gòu)元素的比較，可以看出多結(jié)構(gòu)元方法能夠有效地突顯出圖像特征信息，邊界得到了加強(qiáng)，細(xì)節(jié)的損失減少。從比較的結(jié)果也可以看到，在形態(tài)算法設(shè)計(jì)中，根據(jù)圖像分析的各種要求構(gòu)造出統(tǒng)一的、變化很小的結(jié)構(gòu)元素并進(jìn)行結(jié)構(gòu)元素的選擇非常重要。

4 結(jié)束語

數(shù)學(xué)形態(tài)學(xué)的基本思想和研究方法具有一定的特殊性，掌握和運(yùn)用好這些特性是取得好的效果的關(guān)鍵。多結(jié)構(gòu)元的數(shù)學(xué)形態(tài)學(xué)邊界二值化方法在邊界信息的獲取上取得到了較好的效果。結(jié)構(gòu)元的選取對(duì)圖像處理結(jié)果是至關(guān)重要的，對(duì)多結(jié)構(gòu)元的設(shè)計(jì)以及對(duì)于多結(jié)構(gòu)元二值化圖像加權(quán)系數(shù)的選取是需要進(jìn)一步研究的問題。

參考文獻(xiàn)：

[1] 張琪.結(jié)合邊緣檢測(cè)的圖像二值化算法[D].吉林大學(xué).2011.

[2] 王大海，靳冰，賈玉珍.基于雙結(jié)構(gòu)元素的數(shù)學(xué)形態(tài)學(xué)邊緣檢測(cè)方法[J].西華大學(xué)學(xué)報(bào)（自然科學(xué)版），2010.29（3）：42-44

[3] Rafael C.Gonzalez， Richard E.Woods著，阮秋琦，阮宇智等譯.數(shù)字圖像處理（第三版）[M].電子工業(yè)出版社，2012.

[4] Dong Wei， Wang Tong. Research on Edge Detection Based on

Mathematical Morphology Algorithm[C]. International Conference on Optoelectronics and Image Processing，2010.2：211-213

[5] 李杰，苗長云，武志剛，郭翠娟.基于數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測(cè)算法的研究[J].計(jì)算機(jī)科學(xué)，2012.6：546-548

[6] Yujing Zhang，Qirui.Han Edge Detection Algorithm Based on

Wavelet Transform and Mathematical Morphology[J].International Conference on Control， Automation and Systems Engineering，2011：1-3

[7] Gautam， S.，Brahma S.M. Guidelines for selection of an optimal

structuring element for Mathematical Morphology based tools to detect power system disturbances[C].Power and Energy Society General Meeting，2012：1-6