[发明专利]一种数学形态学自适应结构元素构造方法

权利要求书

1.一种数学形态学自适应结构元素构造方法，其特征在于，包括以下步骤：

S1：构造两个3×3大小的掩膜SE与M；

S2：以原始图像f(3,3)作为SE的中心像素点在原始图像中选取的3×3子区域记为Q_SE，SE用于构造自适应结构元素；

S3：以Q_SE中的第一个像素点作为M的中心像素点在原始图像中选取3×3子区域记为Q_M，M用于检测Q_SE中的所有像素点是否为边界点；

S4：利用基于邻域灰度差变化矢量场方法对Q_M进行平滑处理；

S5：利用基于相对密度的边界度函数判定Q_M的中心像素点是否为边界点；

S6：将M进行距离为单位像素的平移，获取新的3×3子区域Q_M，并进行S4与S5的运算，直到Q_SE中的所有像素点完成边界点判定为止，Q_SE中判定出的所有强边界点构成了结构元素T_SE；

S7：将SE进行距离为单位像素的平移，获取新的3×3子区域Q_SE，并进行步骤S3至步骤S6的运算，直到原始图像中的所有像素点遍历分析完成为止，获取的全部结构元素T_SE的集合构成了所需的自适应结构元素。

2.根据权利要求1所述的一种数学形态学自适应结构元素构造方法，其特征在于：所述步骤S4中利用基于邻域灰度差变化矢量场方法对Q_M进行平滑处理的具体过程如下步骤：

S401：在选取的3×3大小的图像子区域Q_M中，以中心像素点为基准，依次计算其邻域每个像素点与中心像素点的灰度差，记为g(x±k,y±k)(k＝0,1)，构成3×3大小邻域灰度差矩阵；

S402：对获取的邻域灰度差序列进行4个方向上的灰度采样，获取邻域灰度差变化矢量，其中该矢量用a_i(i＝0,1,2,3)表示，计算如下：

S403：相互正交邻域灰度差变化矢量可以作为区分目标边缘与目标内部的重要依据，计算出邻域灰度差变化矢量后，其正交差异对和最小正交差异对定义如下：

v＝min|d₀,d₁| (3)

其中，d₀为0与2方向的正交差，d₁为1与3方向的正交差，v为最小正交差；

S404：依据最小正交差异对，获取图像平滑处理所需阈值，该阈值根据各个子区域Q_M的最小正交差异对的不同自适应变化；

若最小正交差异对值为d₀，则阈值τ为0方向与2方向所有邻域灰度差值之和与0方向与2方向邻域灰度差值不为零的元素的个数总和的商；若最小正交差异对的值为d₁，则阈值τ为1方向与3方向所有邻域灰度差值之和与1方向与3方向邻域灰度差值不为零的元素的个数总和的商；若最小正交差异对的值为d₀＝d₁，则阈值τ为4个方向所有邻域灰度差值之和与4个方向邻域灰度差值不为零的元素的个数总和的商；

S405：利用获取的自适应阈值，对子区域进行平滑处理，计算该子区域Q_M每个像素点与中心像素点的灰度差值并于阈值τ进行比较，若差值小于或等于阈值τ，则判定该像素与中心像素相似，该点像素的灰度值由中心像素点的灰度值代替，否则其灰度值保持不变。

3.根据权利要求1所述的一种数学形态学自适应结构元素构造方法，其特征在于：所述步骤S5中边界点具体判断过程如下：

S501：灰度值赋值：将平滑处理后子区域Q_M中的所有像素点的灰度值重新赋值，即：灰度值等于中心像素点灰度值的像素点赋值为1，其余像素点赋值为0；

S502：定义边界度函数：为了判断3×3子区域Q_M像素密度分布的聚集程度，以3×3子区域Q_M中心点像素为基点按照方向的不同，由左上、右上、左下、右下像素构成的大小为2×2的掩膜及0方向与2方向像素、1方向与3方向像素构成的掩膜，如图4所示，记为S_i(i＝1,2,3,4,5,6)，依据分类归纳法定义边界度函数，其表达式为：

式中：D_M为子区域Q_M的密度，是3×3子区域中灰度值为1的像素点个数之和称；D_i(i＝1,2,3,4,5,6)为S_i(i＝1,2,3,4,5,6)的密度，是S_i(i＝1,2,3,4,5,6)中灰度值为1的像素点的个数；

S503：检测边界点：计算3×3子区域Q_M的密度D_M及S_i(i＝1,2,3,4,5,6)掩膜的密度D_i(i＝1,2,3,4,5,6)，利用边界度函数判定Q_M的中心像素点是否为边界点，然后以单位像素距离平移M获取新的子区域Q_M，继续利用上述过程判定Q_M的中心像素点是否为边界点，直到3×3子区域Q_SE内的全部像素点判定完成为止，并将判定出3×3子区域Q_SE内的强边界点作为构成自适应结构元素的要素。