Морфологическое выделение «черт» и объектов

Материал из Техническое зрение
Версия от 05:57, 11 декабря 2019; JIoku (обсуждение | вклад)

(разн.) ← Предыдущая | Текущая версия (разн.) | Следующая → (разн.)
Перейти к: навигация, поиск

Выделение мелкоразмерных объектов, границ и характерных точек на изображении является одной из главных областей применения ММ. В частности, характерными элементами являются "$T$", "$Y$" и "$W$"-соединения (на полутоновых изображениях), острые пики и глубокие впадины "рельефа изображения", мысы и "заливы", ступенчатые разрывы поверхности и т.д.

Морфологическое выделение границ

Определим морфологическую границу $X_{m}$ для множества $X$ как разность расширения и сжатия $X$ по сферическому структурирующему элементу $B_{r}$:

\begin{gather}\tag{1} X_{m} = (X\oplus B_{r}) - (X\ominus B_{r}). \end{gather}

С топологической точки зрения, мы получим множество точек, окрестности которых пересекаются как с объектом $X$, так и с фоном (дополнением) $X^{C}$.

Введем категории точек морфологической границы.

  1. Гладкой поверхностью называется связное множество точек в $X_{m}$, которые имеют двумерную окрестность в $X_{m}$, то есть в каждой из этих точек существует непрерывная нормаль к поверхности.
  2. Сингулярной кривой называется кривая $C\subseteq X_{m}$. представляющая собой связное множество точек, имеющих одномерную окрестность на $X_{m}$.
  3. Точки границы $X_{m}$, не принадлежащие ни гладкой поверхности, ни сингулярной кривой, называются сингулярными точками. Примером сингулярных точек могут служить "$T$", "$Y$" и "$W$"-узлы.

Детектор обеспечивает хорошее обнаружение узлов и ступенчатых разрывов поверхности полутонового изображения. Однако для обнаружения пиков, впадин и острых углов необходим другой алгоритм.

Морфологическое выделение углов

Элементарные геометрические соображения показывают, что операции расширения и сжатия позволяют обнаруживать пики и острые углы. Механизм обнаружения прост. Как уже отмечалось ранее, расширение $X$ дисковым (сферическим) структурирующим элементом можно рассматривать как объединение всех дисков (сфер), вписанных в изображение, а сжатие можно рассматривать как расширение по фону $X^{C}$. Из рис. 17 видно, что в точке острого угла разность между расширенным и сжатым изображением будет максимальна. Поэтому детектор острых углов можно определить как разность между открытием $X$ и закрытием $X$: $$ gX_{m} = X\circ B - X{\bullet}B . $$

Структурирующий элемент, используемый для выделения черт, не обязан быть "сферическим" в точном смысле этого слова, поскольку масштаб изображения по яркостной оси никак не связан с его геометрическим масштабом. Однако легко показать, что операции выделения черт при помощи ММ являются инвариантными к поворотам в том и только том случае, когда структурирующий элемент имеет форму тела вращения вокруг оси, проходящей через точку с координатами ($0,0$). Поскольку результат применения морфологических операторов зависит только от формы структурирующего элемента, вращение изображения относительно структурирующего элемента эквивалентно повороту на такой же угол (в обратном направлении) структурирующего элемента относительно изображения. Тогда условием инвариантности операторов к повороту является эквивалентность структурирующего элемента самому себе при повороте относительно точки ($0,0$) на любой угол. Это выполняется только в том случае, когда структурирующий элемент имеет форму тела вращения.

6-1-17.jpg
Рис. 17 Принцип морфологического обнаружения

острых углов на бинарных изображениях

Габаритные размеры такого структурирующего элемента (диаметр носителя и высота) определяют масштаб "черт", выделяемых по описанной выше схеме.

Математическая морфология и ее основные операции создают новую базу для применения метода нормализации фона. В этом случае используются два структурирующих элемента $B_{1}$ и $B_{2}$. Элемент $B_{1}$ конструируется таким образом, чтобы "подходить" даже к самым маленьким размерам объекта на изображении и в тоже время отсекать импульсный шум; элемент $B_{2}$ имеет большие размеры апертуры и в состоянии подавить любой, даже самый большой по геометрическим размерам отклик объекта. Алгоритм нормализации фона выглядит в этом случае следующим образом: $$ hX = (X\circ B_{1}){\bullet}B_{1} - (((X\circ B_{1}){\bullet}B_{1 })\circ B_{2}) {\bullet}B_{2 }. $$ Для выбора класса и конкретной реализации алгоритмов предварительной обработки, а также исследования их оптимальных параметров необходимо проведение математического моделирования с учетом характеристик модельной и реальной фоновой обстановки.

Таким образом, в задачах инвариантного обнаружения на изображении границ, характерных точек и других "черт", а также малоразмерных объектов в сложной шумовой обстановке, могут применяться алгоритмы, основанные на использовании операторов математической морфологии со структурирующими элементами в форме тел вращения. Возможна масштабная настройка таких алгоритмов путем изменения размера структурирующих элементов.


Полезные ссылки

  1. ☝ К началу
  2. ☜ Математическая морфология (по Ж. Серра)
Личные инструменты
Пространства имён

Варианты
Действия
Навигация
Инструменты