[发明专利]一种数学形态学自适应结构元素构造方法

说明书

本发明公开了一种数学形态学自适应结构元素构造方法，属于结构元素构造方法技术领域，该方法首先利用邻域灰度差变化矢量场对图像局部进行平滑使得图像目标内部具有相似灰度，然后通过定义基于相对密度的边界度函数判定该局部区域的中心像素点是否为边界点，自适应结构元素由局部区域的判定出的所有强边界点构成。以此自适应结构元素为基础，依据经典形态学运算原理构造了自适应形态学膨胀和腐蚀以及相关衍生运算。其有益效果在于：采用该自适应结构元素对图像进行形态学运算，能够有效抑制目标物边界轮廓定位偏移现象的发生，保持了目标区域边界轮廓定位的准确性，并且在削弱图像细节的同时，保留了图像的其他有效信息，降低了图像的失真程度。

技术领域

本发明属于结构元素构造方法技术领域，涉及一种数学形态学自适应结构元素构造方法，尤其涉及一种基于邻域灰度差变化矢量场和相对密度的形态学自适应结构元素构造方法。

背景技术

数学形态学是一种基于集合、积分几何及网格代数的分析图像几何结构特征的理论，其利用具有一定形状和大小的结构元素对图像中的像素点逐个遍历并进行形态学运算，实现图像结构分析和特征提取等处理。对图像进行形态学运算，能够在保持图像目标几何结构特性不变的情况下，去除图像中的不相干结构，简化图像数据，有效提取图像目标的形状及结构等非线性特征。但在实际应用中，由于图像目标内容复杂多样，目标形状、大小及方向各不相同，经典形态学运算采用形状和大小固定的结构元素对图像进行处理，容易导致图像中目标特征信息产生改变，如目标边界轮廓定位发生偏移、出现新的人为目标或小目标丢失等。因此，根据图像局部特征属性构造形状和大小可变的自适应结构元素是抑制经典形态学运算引起图像目标特征信息变化的关键。

近年来，学者们提出了多种自适应结构元素构造方法，大体分为以下三类：第一类，形状随图像局部特性自适应变化的结构元素构造方法；第二类，大小随图像局部特性自适应变化的结构元素构造方法；第三类，形状与大小均随图像局部特性自适应变化的结构元素构造方法。由此可知，构造自适应结构元素的方法主要依据图像相邻像素局部相似特性或图像边缘特性，其中，基于相似特性构造的结构元素具有较好的区域适应性及较强的噪声抑制能力，而基于边缘特性构造的结构元素能够最大限度的保持图像目标的几何结构特性，降低图像目标结构细节失真。

发明内容

本发明的目的在于针对现有技术中存在的缺陷，提供了一种基于邻域灰度差变化矢量场和相对密度的形态学自适应结构元素构造方法，构造的结构元素能够根据图像的灰度及边缘特征自适应的改变形状，能够有效抑制目标物边界轮廓定位偏移现象的发生，保持了目标区域边界轮廓定位的准确性，并且在削弱图像细节的同时，保留了图像的其他有效信息，降低了图像的失真程度。

为了实现上述目的，本发明采用的技术方案是：

一种数学形态学自适应结构元素构造方法，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；