Морфологическая обработка изображений. Место морфологической обработки Объект Изображение Обработка Результат Анализ Мат. морфология Морфологическая обработка.

Презентация:



Advertisements
Похожие презентации
12 марта 2002 г. (с) 2001Graphics & Media Lab Лекция 5 Обработка и анализ изображений В.Вежневец.
Advertisements

Компьютерное зрение Астана. Лекция 5. На прошлой лекции Цифровая обработка сигналов Сигналы и системы Свертка Преобразование Фурье –Спектр, высокие и.
Фильтрация Лекция 4 Математическая морфология. 5 марта 2002Компьютерная графика Лекция 42 БИНАРИЗАЦИЯ ИЗОБРАЖЕНИЯ 1.
Обработка изображений Компьютерная графика Computer graphics Компьютерное (машинное) зрение Computer (machine) vision Обработка изображений Image processing.
Компьютерное зрение Лекция 4 Математическая морфология.
Тузиков А.В. Математическая морфология, моменты, стереообработка: избранные вопросы обработки и анализа цифровых изображений / Тузиков А.В., Шейнин С.А.,
Обработка изображений Компьютерная графика Computer graphics Компьютерное (машинное) зрение Computer (machine) vision Обработка изображений Image processing.
Обработка изображений Компьютерная графика Computer graphics Компьютерное (машинное) зрение Computer (machine) vision Обработка изображений Image processing.
Компьютерная графика. Лекция 3 Цифровая обработка изображений как сигналов.
Простой анализ изображений Many slides adapted from Fei-Fei Li, Rob Fergus, Antonio Torralba, Jean Ponce and Svetlana Lazebnik.
Примеры обработки информации (Алгоритмы) Примеры обработки информации (Алгоритмы)
Тема исследование: Распознавание букв на изображении Группа: 10510/1 Киселев Павел.
Анализ информации, содержащейся в изображении На примере бинарных изображений Бинарное изображение – изображение, пиксели которого принимают всего два.
Обработка растровых изображений В лекции использованы различные материалы лаборатории Компьютерной Графики МГУ.
Введение в OpenCV МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Государственное образовательное учреждение высшего профессионального образования.
МГУ имени Ломоносова, механико-математический факультет, кафедра вычислительной математики Исследование проблемы переполнения буферов в программах Пучков.
Осевая и центральная симметрии Урок геометрии в 8 классе.
Denoise in Python Image Inpainting – Fast Marching – Navier-Stokes & Fluid Dynamics – Demo Non-Local Means Denoising – Что конкретно происходит – OpenCV.
Распознавание двух- и трехмерных жестов ладони на основе анализа скелетного представления ее силуэта Куракин Алексей Владимирович Московский Физико-Технический.
Деревья и их представление в STL Презентацию подготовила Чиркова Ольга, 2 подгруппа, группа 271ПИ.
Транксрипт:

Морфологическая обработка изображений

Место морфологической обработки Объект Изображение Обработка Результат Анализ Мат. морфология Морфологическая обработка изображений ПРЕДМЕТ МАТЕМАТИЧЕСКОЙ МОРФОЛОГИИ

Бинарное изображение – изображение, пиксели которого принимают всего два значения (0 и 1). Широко известный способ - устранение шума с помощью операций математической морфологии: Сужение (erosion) Расширение (dilation) Закрытие (closing) Раскрытие (opening) Морфологическая обработка бинарных изображений

Расширение (Dilation) A (+) B = {t R 2 : t = a + b, a A, b B} B A (+) B Морфологическая обработка бинарных изображений Операция математической морфологии «Расширение»

void Dilation(BIT* src[], bool* mask[], BIT* dst[]) { // W, H – размеры исходного и результирующего изображений // MW, MH – размеры структурного множества for (y = MH/2; y < H – MH/2; y++) { for (x = MW/2; x < W – MW/2; x++) { BIT max = 0; for (j = -MH/2; j

Сужение (Erosion) A (-) B = (A C (+) B) С, где A C – дополнение A A(-)B B A Морфологическая обработка бинарных изображений Операция математической морфологии «Сужение»

void Erosion(BIT* src[], bool* mask[], BIT* dst[]) { // W, H – размеры исходного и результирующего изображений // MW, MH – размеры структурного множества for (y = MH/2; y < H – MH/2; y++) { for (x = MW/2; x < W – MW/2; x++) { BIT min = MAXBIT; for (j = -MH/2; j

Коммутативный закон A (+) B = B (+) A A (-) B B (-) A Ассоциативный закон A (+) (B (+) C) = (A (+) B) (+) C A (-) (B (-) C) = (A (-) B) (-) C Морфологическая обработка Свойства морфологических операций

Морфологическое раскрытие (opening) open(A, B) = (A (-) B) (+) B Морфологическое закрытие (closing) close(A, B) = (A (+) B) (-) B Морфологическая обработка операции «Раскрытие» и «Закрытие»

Морфологическая обработка пример обработки бинарных изображений A B A (+) BA (-) B (A (+) B) (-) B(A (-) B) (+) B

A B A (+) B (A (+) B) (-) B(A (-) B) (+) B A (-) B Морфологическая обработка пример обработки бинарных изображений

Пример применения операции ММ «Сужение» к бинарному изображению с сильным шумом

Пример применения операции ММ «Раскрытие» к бинарному изображению с сильным шумом

СужениеРаскрытие Сравнение результатов обработки морфологических операций «Сужение» vs «Раскрытие»

Пример бинарного изображению с дефектами распознаваемых объектов Компенсация внутренних дефектов распознаваемых объектов при помощи морфологической обработки

Пример применения операции ММ «Закрытие» к бинарному изображению с дефектами объектов

Не во всех случаях математическая морфология так легко убирает дефекты, как хотелось бы… Не лучший пример для применения морфологической обработки

Пример применения операции ММ «Раскрытие» к бинарному изображению

Формирование внутреннего контура C I = A – (A (-) B) Формирование внешнего контура C O = (A (+) B) – A Формирование контура объектов на основе морфологической обработки ОПЕРАЦИЯ ОКОНТУРИВАНИЯ ОБЪЕКТА

Пример формирование контура объекта ОПЕРАЦИЯ ОКОНТУРИВАНИЯ ОБЪЕКТА

Формирование скелетов объектов на основе морфологической обработки МОРФОЛОГИЧЕСКАЯ СКЕЛЕТИЗАЦИЯ

n-е сужение объекта A структурным множеством B E n (A) = A (-) nB K n (A) = E n (A) – open(E n (A), B 1 ), где B 1 имеет вид N таково, что E N-1, а E N = skel(A) = K n (A), n = 0 … N-1 Формирование скелетов объектов на основе морфологической обработки МОРФОЛОГИЧЕСКАЯ СКЕЛЕТИЗАЦИЯ ПРЕОБРАЗОВАНИЕ СЕРЕДИННОЙ ОСИ

void Skeleton(BIT* img[], BIT* skel[]) { BIT eimg[W][H], oimg[W][H]; bool EMsk[3][3], OMsk[3][3]; for(m = 0; m < 3; m++) for(n = 0; n < 3; n++) EMask[m][n] = OMask[m][n] = TRUE; OMsk[0][0] = OMsk[0][2] = OMsk[2][0] = OMsk[2][2] = FALSE; while( !empty(img) ) { Open(img, OMsk, oimg); for(y = 0; y < H; y++) for(x = 0; x < W; x++) { pixel = img[x][y] – oimg[x][y]; skel[x][y] = skel[x][y] | pixel; } Erosion(img, EMask, eimg); Copy(img, eimg); } Морфологическая обработка бинарных изображений Алгоритм скелетизации

Пример морфологической обработки «Скелетизации» 1

Пример морфологической обработки «Скелетизации» 2

Морфологическая обработка бинарных изображений Ускорение обработки (Усеченные маски) аб Предлагаемые примеры масок морфологической операции расширения: а) оригинальные, б) усечённые

Морфологическая обработка бинарных изображений Ускорение обработки (Центральный монолит) Примеры масок морфологической обработки: а) обладающих центральным монолитом, б) не обладающих центральным монолитом а б

Результат морфологических операций во многом определяется применяемым структурным элементом. Выбирая различный структурный элемент можно решать разные задачи обработки изображений: Шумоподавление Выделение границ объекта Выделение скелета объекта Выделение сломанных зубьев на изображении шестерни Реконструкция границ объекта Реконструкция внутренней области объекта Модификацию контурного представления Заключение по морфологической обработки изображения