基於MATLAB的腐蝕膨脹算法實現

　　本篇文章要分享的是基於MATLAB的腐蝕膨脹算法實現，腐蝕膨脹是形態學圖像處理的基礎，腐蝕在二值圖像的基礎上做“收縮”或“細化”操作，膨脹在二值圖像的基礎上做“加長”或“變粗”的操作。

　　什么是二值圖像呢？把一幅圖片看做成一個二維的數組，那么二值圖像是一個只有0和1的邏輯數組，我們前面Sobel邊緣檢測后的圖像輸出邊緣效果，設置個閾值，大於閾值輸出為1，小於閾值輸出為0，最后輸出就是一幅二維圖像了。

腐蝕

　　腐蝕是一種消除邊界點，使邊界向內部收縮的過程。可以用來消除小且無意義的物體。用3X3的結構元素，掃描圖像的每一個像素，用結構元素與其覆蓋的二值圖像做“與”操作，如果都為1，結果圖像的該像素為1。否則為0。結果會使二值圖像小一圈。

　　有一個形象的比喻來可以說明該運算，用0表示蛀蟲，1表示大米。蛀蟲腐蝕大米的過程便是腐蝕運算，

 

腐蝕

　　如圖所示，對於一個像素矩陣而言，只要有蛀蟲（0）的存在，大米（1）就會被腐蝕掉了，即使只存在一個蛀蟲（0），但是還是會被蛀蟲腐蝕完畢，最后一幅圖上面由於沒有蛀蟲（0）所以大米完好無損。

關於算法的實現，可以用下式子來表示，即3x3像素的運算：

P = P11 & P12 & P13 & P21 & P22 & P23 & P31 & P32 & P33

在FPGA中，為了通過面積去換速度，我們將上式改變如下：　　　　　　　　　　　　　　　　　　　　　　　

P1 = P11 & P12 & P13

P2 = P21 & P22 & P23

P3 = P31 & P32 & P33

P = P1 & P2 & P3

MATLAB中可以直接寫一個按位或運算。

膨脹

　　膨脹是將與物體接觸的所有背景點合並到該物體中，使邊界向外部擴張的過程。可以用來填補物體中的空洞。用3X3的結構元素，掃描圖像的每一個像素，用結構元素與其覆蓋的二值圖像做“與”操作，如果都為0，結果圖像的該像素為0,。否則為1。結果使二值圖像擴大一圈。

　　先腐蝕后膨脹的過程稱為開運算。用來消除小物體、在纖細點處分離物體、平滑較大物體的邊界的同時並不明顯的改變其面積。先膨脹后腐蝕的過程稱為比運算，用來填充物體內細小空間、連接鄰近物體、平滑其邊界的同時並不明顯改變其面積。

　　膨脹算法用最簡單的比喻來描述：0表示害蟲，1表示青蛙，青蛙吃了害蟲表示膨脹運算，我們用3*3像素陣列來解釋：

 

膨脹

　　如圖所示，圖左只有害蟲（0），所以害蟲都活着，中間那個圖，雖然只有一個害蟲，但是還是會被青蛙全部吃掉，最右邊的那幅圖，都是青蛙，所以青蛙始終是青蛙。

關於算法的實現，可以用下式子來表示，即3x3像素的運算：

P = P11 | P12 | P13 | P21 | P22 | P23 | P31 | P32 | P33

在HDL中，為了通過面積去換速度，我們將上式改變如下：　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

P1 = P11 | P12 | P13

P2 = P21 | P22 | P23

P3 = P31 | P32 | P33

P = P1 | P2 | P3

MATLAB中可以直接寫一個按位與運算。

開運算閉運算

　　先腐蝕后膨脹叫開運算，開運算的作用是清除圖像邊緣周圍非邊緣的細小的點。先膨脹后腐蝕為閉運算，閉運算的作用是清除圖像內部的空洞，

　　如果我們的目標物體外面有很多無關的小區域，就用開運算去除掉；如果物體內部有很多小黑洞，就用閉運算填充掉。

MATLAB邏輯運算函數

bitand(), 對十進制數進行逐位邏輯與運算：先將十進制數轉換成二進制數，然后逐位與運算，其運算結果轉換為十進制。

bitor(), 對十進制數進行逐位邏輯或運算：先將十進制數轉換成二進制數，然后逐位與運算，其運算結果轉換為十進制。

MATLAB代碼實現

%RGB_YCbCr
clc;
clear all;
close all;

RGB_data = imread('lena.jpg');

R_data =    RGB_data(:,:,1);
G_data =    RGB_data(:,:,2);
B_data =    RGB_data(:,:,3);

%imshow(RGB_data);

[ROW,COL, DIM] = size(RGB_data); 

Y_data = zeros(ROW,COL);
Cb_data = zeros(ROW,COL);
Cr_data = zeros(ROW,COL);
Gray_data = RGB_data;

for r = 1:ROW 
    for c = 1:COL
        Y_data(r, c) = 0.299*R_data(r, c) + 0.587*G_data(r, c) + 0.114*B_data(r, c);
        Cb_data(r, c) = -0.172*R_data(r, c) - 0.339*G_data(r, c) + 0.511*B_data(r, c) + 128;
        Cr_data(r, c) = 0.511*R_data(r, c) - 0.428*G_data(r, c) - 0.083*B_data(r, c) + 128;
    end
end 

Gray_data(:,:,1)=Y_data;
Gray_data(:,:,2)=Y_data;
Gray_data(:,:,3)=Y_data;

figure;
imshow(Gray_data);

%Median Filter
imgn = imnoise(Gray_data,'salt & pepper',0.02); 

figure;
imshow(imgn);

Median_Img = Gray_data;
for r = 2:ROW-1
    for c = 2:COL-1
        median3x3 =[imgn(r-1,c-1)    imgn(r-1,c) imgn(r-1,c+1)
                    imgn(r,c-1)      imgn(r,c)      imgn(r,c+1)
                    imgn(r+1,c-1)      imgn(r+1,c) imgn(r+1,c+1)];
        sort1 = sort(median3x3, 2, 'descend');
        sort2 = sort([sort1(1), sort1(4), sort1(7)], 'descend');
        sort3 = sort([sort1(2), sort1(5), sort1(8)], 'descend');
        sort4 = sort([sort1(3), sort1(6), sort1(9)], 'descend');
        mid_num = sort([sort2(3), sort3(2), sort4(1)], 'descend');
        Median_Img(r,c) = mid_num(2);
    end
end

figure;
imshow(Median_Img);

%Sobel_Edge_Detect

Median_Img = double(Median_Img);
Sobel_Threshold = 150;
Sobel_Img = zeros(ROW,COL);

for r = 2:ROW-1
    for c = 2:COL-1
        Sobel_x = Median_Img(r-1,c+1) + 2*Median_Img(r,c+1) + Median_Img(r+1,c+1) - Median_Img(r-1,c-1) - 2*Median_Img(r,c-1) - Median_Img(r+1,c-1);
        Sobel_y = Median_Img(r-1,c-1) + 2*Median_Img(r-1,c) + Median_Img(r-1,c+1) - Median_Img(r+1,c-1) - 2*Median_Img(r+1,c) - Median_Img(r+1,c+1);
        Sobel_Num = abs(Sobel_x) + abs(Sobel_y);
        %Sobel_Num = sqrt(Sobel_x^2 + Sobel_y^2);
        if(Sobel_Num > Sobel_Threshold)
            Sobel_Img(r,c)=255;
        else
            Sobel_Img(r,c)=0;
        end
    end
end

figure;
imshow(Sobel_Img);

%imopen Erosion_Dilation
%Erosion
% Erosion_img = zeros(ROW,COL);
% for r = 2:ROW-1
    % for c = 2:COL-1
        % and1 = bitand(Sobel_Img(r-1, c-1), bitand(Sobel_Img(r-1, c), Sobel_Img(r-1, c+1)));
        % and2 = bitand(Sobel_Img(r, c-1), bitand(Sobel_Img(r, c), Sobel_Img(r, c+1)));
        % and3 = bitand(Sobel_Img(r+1, c-1), bitand(Sobel_Img(r+1, c), Sobel_Img(r+1, c+1)));
        % Erosion_img(r, c) = bitand(and1, bitand(and2, and3));
    % end
% end

% figure;
% imshow(Erosion_img);

% %Dilation
% Dilation_img = zeros(ROW,COL);
% for r = 2:ROW-1
    % for c = 2:COL-1
        % or1 = bitor(Erosion_img(r-1, c-1), bitor(Erosion_img(r-1, c), Erosion_img(r-1, c+1)));
        % or2 = bitor(Erosion_img(r, c-1), bitor(Erosion_img(r, c), Erosion_img(r, c+1)));
        % or3 = bitor(Erosion_img(r+1, c-1), bitor(Erosion_img(r+1, c), Erosion_img(r+1, c+1)));
        % Dilation_img(r, c) = bitor(or1, bitor(or2, or3));
    % end
% end

% figure;
% imshow(Dilation_img);

%imclose Erosion_Dilation
%Dilation
Dilation_img = zeros(ROW,COL);
for r = 2:ROW-1
    for c = 2:COL-1
        or1 = bitor(Sobel_Img(r-1, c-1), bitor(Sobel_Img(r-1, c), Sobel_Img(r-1, c+1)));
        or2 = bitor(Sobel_Img(r, c-1), bitor(Sobel_Img(r, c), Sobel_Img(r, c+1)));
        or3 = bitor(Sobel_Img(r+1, c-1), bitor(Sobel_Img(r+1, c), Sobel_Img(r+1, c+1)));
        Dilation_img(r, c) = bitor(or1, bitor(or2, or3));
    end
end

figure;
imshow(Dilation_img);

%Erosion
Erosion_img = zeros(ROW,COL);
for r = 2:ROW-1
    for c = 2:COL-1
        and1 = bitand(Dilation_img(r-1, c-1), bitand(Dilation_img(r-1, c), Dilation_img(r-1, c+1)));
        and2 = bitand(Dilation_img(r, c-1), bitand(Dilation_img(r, c), Dilation_img(r, c+1)));
        and3 = bitand(Dilation_img(r+1, c-1), bitand(Dilation_img(r+1, c), Dilation_img(r+1, c+1)));
        Erosion_img(r, c) = bitand(and1, bitand(and2, and3));
    end
end

figure;
imshow(Erosion_img);

處理后結果對比

       為了可以清晰的看到圖像邊緣的變化，我們把黑色作為背景，白色作為邊緣。

 

Sobel邊緣檢測后的lena

腐蝕后的lena

 

膨脹后的lena

 

先腐蝕后膨脹開運算lena

 

先膨脹后腐蝕閉運算lena

　　從上面兩幅圖可以看出，腐蝕后的圖像邊緣明顯變細，消除了更多假邊緣，在腐蝕基礎上使用膨脹算法的lena將腐蝕后的邊緣擴大、加粗，這樣看起來更清楚。

 

轉載請注明出處：NingHeChuan（寧河川）

個人微信訂閱號：開源FPGA

如果你想及時收到個人撰寫的博文推送，可以掃描左邊二維碼（或者長按識別二維碼）關注個人微信訂閱號

知乎ID：NingHeChuan

微博ID：NingHeChuan

原文地址：https://www.cnblogs.com/ninghechuan/p/9527915.html