图像腐蚀

一、原理

结构元素（Sturcture Element），形象称呼刷子，在每一个像素位置上与二值图像对应的区域进行特定的逻辑运算。运算结构是输出图像的相应像素。运算效果取决于结构元素大小内容以及逻辑运算性质。

对Z²上元素集合A和结构体元素S，使用S对A进行腐蚀，记做：

AΘS={z|(S)z € A}

让位于图像圆点的结构元素S在Z平面上移动，若是S的圆点移动到z点时，S可以彻底的包含于A中，则认为这样的z点构成的集合是S对A的腐蚀图像。

下图左侧是原图X，B是结构元素，右图是腐蚀的结果。腐蚀的方法是，拿B的中心点和X上的点一个一个地对比，若是B上的全部点都在X的范围内，则该点保留，不然将该点去掉；右边是腐蚀后的结果。能够看出，它仍在原来X的范围内，且比X包含的点要少，就象X被腐蚀掉了一层。图像腐蚀相似于“领域被蚕食”，将图像中的高亮区域或白色部分进行缩减细化，其运行结果图比原图的高亮区域更小。

二、腐蚀的实现

imgPath = 'E:\opencv_pic\src_pic\pic1.bmp';
img = imread(imgPath);
img=rgb2gray(img);
img = 255-img;
se = strel('square', 3)
img2 = imerode(img, se);
subplot(1,2,1),imshow(img),title('原始图像');
subplot(1,2,2),imshow(img2),title('腐蚀图像');

参与计算的结构元素se为：

se =

Flat STREL object containing 9 neighbors.

Neighborhood:

     1     1     1

     1     1     1

     1     1     1

放大后能够看到，原始图像左上角第三列上方有一个5*5方块，下方有一个4*4的方块。腐蚀后变为右侧的图像。腐蚀先后方块的对比图以下。

 若是把结构元素改成5*5，se = strel('square', 5)；则腐蚀图像没有左上角的白块。

 若是把结构元素改成10*10，se = strel('square', 10)；则腐蚀图像文字变得很是纤细。

 

 三、总结

腐蚀能够用于滤波，选择适当的结构元素，能够滤掉全部不能彻底包含结构元素的噪声点。可是在滤除噪声的时候，对前景图像的形状也会产生影响，尤为是形状边缘，可是当只关心物体的位置和个数时，就不用太考虑形状边缘的变化，可使用腐蚀来滤除噪声。 

 

尊重原创技术文章，转载请注明。

http://www.javashuo.com/article/p-bobbxelg-et.html