跳转至

Binary Image and Morphological

如何从灰度图转为二值图像？ 为什么需要二值图像（实际应用中二值化能把不重要的信息去掉）

Binary Image

Pixel value is limited to 0 or 1.
前景置为 1, 后景置为 0.
二值图像（Binary Image）中像素（Pixel）的值只有 [0,1] 或者 [0,255]，编程中一般用 [0,255] 来构造二值图像。

  • 优点：

    • 更小的内存需求
    • 运行速度更快
    • 为二值图像开发的算法往往可以用于灰度级图像
    • 更便宜

  • 缺点：

    • 应用范围毕竟有限；
    • 更无法推广到三维空间中
    • 表现力欠缺，不能表现物体内部细节
    • 无法控制对比度

Image binarization

  • 设置一个阈值 Threshold，比阈值小的置为 0, 比阈值大的就置为 255.
    \(\left\{\begin{matrix}I(x,y)=0\ if\ I(x,y)\leq Threshold \\ I(x,y)=255\ if\ I(x,y)\geq Threshold \end{matrix} \right.\)

  • 如何选取合适的 threshold?
    基本思想：将二值化得到的二值图像视为两部分，一部分对应前景（Foreground），另一部分对应背景（Background）。尝试找到一个合适的threshold使得到的前景和背景的内部方差最小，而它们之间的方差则最大。（下面的推导可看出，这二者是等价的）
    Otto 大津算法： 20221014103546 (\(N\) 是像素总个数，\(N_{Fgrd}\) 是给定 T 的情况下属于前景的像素个数)

    • 简化版推导
      20221014104211
    • 具体过程
    • Step 1: 确定原始图像中像素的最大值和最小值；
    • Step 2: 最小值加 1 作为 threshold 对原始图像进行二值化操作；
    • Step 3: 根据对应关系确定前景和背景，分别计算当前 threshold 下的内部协方差和外部协方差；（算一个就可以了）
    • Step 4: 回到 Step 2 直到达到像素最大值；
    • Step 5：比较找到最大外部和最小内部协方差对应的 threshold.

我们可以前述 thresholding 策略推广到彩色图像，同时考虑 rgb 三个通道，我们就可以针对特定的色彩进行 thresholding 操作，

Example

大津算法存在问题：全局进行二值化操作不给力，如 20221014110519

解决方法：局部自适应操作
设定一个局部窗口，在整个图像上滑动该窗口；对于每一窗口位置，确定针对该窗口的threshold。

Morphology Operation

Morphology

  • 形态学 Morphology
    1960s 后期提出，研究动植物的结构与形态。形态学一般指生物学中研究动物和植物结构的一个分支
  • 数学形态学 Mathematical morphology
    基础理论：集合论
    一种简单的非线性代数算子，主要用于二值图像，可扩展到灰度图像。用在噪声过滤、形状简化、细化、分割、物体描述等

用数学形态学（也称图像代数）表示以形态为基础对图像进行分析的数学工具

  • 基本思想是用具有一定形态的结构元素(structure element) 去度量和提取图像中的对应形状以达到对图像分析和识别的目的。
  • 形态学图像处理的数学基础和所用语言是集合论。
  • 形态学图像处理的应用可以简化图像数据，保持它们基本的形状特性，并除去不相干结构。
  • 形态学图像处理的基本运算有4个：膨胀、腐蚀、开操作和闭操作

Set Theory for Image

Dilation

A: 二值图像 B: 二值模板，称为结构元（structure element） \(A\oplus B = \{z| (B)_z \cap A \neq \empty\}\) 上式表示B进行平移与A的交集不为空

膨胀是将与物体“接触”的所有背景点合并到该物体中，使边界向外部扩张的过程。可以用来填补物体中的空洞。 （其中“接触”的含义由结构元描述）

用行扫描的方式，作为 A 的一部分，希望把前景周围的一圈纳入到前景。 核心判断，交集不为空。 填充 B 的中心

选择不同形状的结构元，结果也不同

Example

可以用来填补 gap.

Erosion

腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。

A: Binary image
B: binary template, structure element
\(A\ominus B=\{(x,y)|(B)_{xy}\sube A\}\)
Physical meaning: remove boundary, remove unwanted small objects.

padding 的思想：如果我们想从第一行开始扫描，但是这样有的就超出边界了，我们就把这一行再复制一遍，再从第一行开始扫描。

(这里直接把第一行变成 0, 没有 padding)

Example

可以用第二张图验证代码是否正确。再利用算法二值化并操作。

可以使用腐蚀消除图像的细节部分，产生滤波器的作用。

Dilation and Erosion

  • 膨胀
    由B对A膨胀所产生的二值图象D是满足以下条件的点(x,y)的集合：如果B的原点平移到点(x,y)，那么它与A的交集非空。
  • 腐蚀
    由B对A腐蚀所产生的二值图象E是满足以下条件的点(x,y)的集合：如果B的原点平移到点(x,y)，那么B将完全包含于A中
  • 膨胀与腐蚀是对偶的
    \((A\ominus B)^c=\{z|(B_z)\sube A\}^c=\{z|(B_z)\cap A=\empty\}c=\{z|(B_z)\cap A^c \neq \empty\}=A^c\oplus B\)

Application

  • A - erode(A) 得到边界
  • p25 与 A 的补集求交 image.png

Open

erosion, then dilation
\(A\circ B=(A\ominus B)\oplus B\)

Remove small objects, segment object at thin part, smooth boundary of large object but preserve its original area.

image.png 面积基本相同

Close

dilation, then erosion \(A \bullet B =(A\oplus B)\ominus B\)

Fill small holes, connect the neighboring objects, smooth boundary while preserving the area at most.
用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。

image.png

评论