[计算机系毕业论文]
摘 要 基于数学形态变换 理论 与 方法 ,针对低信噪比的小目标、点目标图像,通过膨胀、腐蚀、开、闭等基本形态变换及其组合变换,实现低信噪比的图像的滤波,去除噪声;提取信号峰值,实现微弱信号的放大和增强,提高图像的识别特征。理论 分析 和试验结果表明该算法对低信噪比的荧光图像有很强的适应性,可用于生物医学荧光图像的处理。
关键字 图像处理,滤波,形态学
0 引言
在同一幅图像中,如果存在低信噪比的小目标、点目标,不同目标的灰度值跨越很大,使得图像的分割算法变复杂[1-4]。如能有效增强图像中的信号强度,提高图像的对比度,则图像的分割变得简单,可以更容易地识别信号与背景。
本文基于数学形态学方法,利用膨胀、腐蚀、开、闭等基本形态变换运算的特点[5],讨论利用这些基本变换提取图像中的信号强度极值的原理,提出了基于形态基本变换的图像滤波、增强处理方法,该方法简单、直观;试验结果表明该方法的有效性。
1 数学形态变换原理
根据数学形态学理论,对数字图像f (x )和结构元素B,有以下论述[6]:
设f 为一幅数字灰度图像,f : D f → T f ,D f Z2 ,T f ∈Z,Z2为二维离散空间。图像 f = f(x) 表示 x = (i, j)处的灰度,结构元素B为Z2上的一个有限子集,关于原点对称。在此基础上可定义对f 关于结构元素B 的形态腐蚀运算,记为ξB
<<<<<全文未完,本文约2119个中文字,未计算英文字母、数字>>>>>
|