形態學圖像處理的實際應用案例分析1.1斷裂筆畫的修復在生活中我們可能因為各種各樣的原因給圖像造成磨損，使圖像中某些元素丟失，形成裂縫，如下圖斷裂的字符：部分放大部分放大而我們要修復斷裂的字符，需要先把除文本外的背景去掉，再連接斷裂字符的裂縫。以下為修復過程：首先需要將原字符圖像導入并轉化為二值圖像：>>A=imread('zifu.jpg');>>t=graythresh(A);>>A=im2bw(A,t);輸出結果為圖1.1.11.1.1使用連通分量的提取將圖1.1.1除字符外的背景去掉：指定背景（即連通分量）中一點位置，分別為b1=24794，b2=19733和b3=27769，將圖1.1.1（即A），位置b和結構元B=[0,1,0;1,1,1;0,1,0]代入提取連通分量的函數中：>>lt=liantong(A,b,B);將所求的結果通過邏輯運算“|”求其并集lt即背景。輸出結果為圖1.1.21.1.2用圖1.1.1減去背景圖1.1.2，可得只含有字符的圖像：>>qA=cha(A,lt);輸出結果為圖1.1.3部分放大部分放大1.1.3現在圖1.1.3中只剩下字符，接下來要連接斷裂字符的裂縫，可使用膨脹操作來實現。用結構元B對圖1.1.3進行膨脹修復：>>P=pengzhang(qA,B);我選了四種不同的結構元做對比，分別為：B1=[0,0,0;1,1,1;0,0,0];B2=[0,1,0;0,1,0;0,1,0];B3=[0,1,0;1,1,1;0,1,0];B4=[1,1,1;1,1,1;1,1,1];這四種結構元的修復結果如下：B1：B2：部分放大部分放大部分放大部分放大B3：B4：部分放大部分放大部分放大部分放大由上面四個修復結果的部分圖像可知，豎向結構元B2的修復效果不好，裂縫并沒有連接起來；十字結構元B3，雖已將所有的裂縫連接起來，但字符邊緣凹凸不平；結構元元素全為1的結構元B4，所有的裂縫已連接起來了，字符邊緣也比較光滑，但原有的孔洞變小了不少。綜上所述使用橫向結構元B1進行修復效果最好，既連接了所有有的裂縫，字符邊緣也比較光滑，原有的孔洞大小也無太大的變化。1.2指紋圖像的識別去噪在上文已經使用膨脹操作節連通分量的提取進行了斷裂筆畫修復，以下是使用開操作和閉操作對被污染的指紋圖像進行去噪。對指紋圖像進行識別去噪，若只用形態學的基礎操作腐蝕去掉污染，則會影響指紋原有的形狀，故為在盡可能保障指紋原有形狀的情況下，對圖像進行去噪，要對圖像先腐蝕后膨脹，即進行開操作。以下是去噪過程：首先需將被污染的指紋圖像導入：>>A=imread('zhiwen.tif');污染的圖像如下：用結構元B腐蝕周圍的污染：>>F=fushi(A,B);選了兩個結構元做對比，分別為：B1=[0,1,0;1,1,1;0,1,0];B2=[1,1,1;1,1,1;1,1,1];輸出結果為圖1.2.1和1.2.2：B1：B2：1.2.11.2.2由被兩個結構元B1和B2腐蝕后圖像1.2.1和1.2.2可知，周圍主要的污染已被腐蝕掉，但指紋原本的形狀也被腐蝕了一部分，故需要對腐蝕后圖像1.2.1和1.2.2進行膨脹操作：>>P=pengzhang(F,B);輸出結果（即開操作結果）為圖1.2.3和1.2.4：B1:B2：1.2.31.2.4此時已對指紋圖像先后進行了腐蝕操作和膨脹操作，即已對指紋圖像完成了開操作。指紋圖像的大部分污染已去除，但也產生了新的小裂縫，為盡可能保證指紋圖像的完整，現需對圖1.2.3和1.2.4進行膨脹操作：>>P=pengzhang(P,B);輸出結果為圖1.2.5和1.2.6：B1:B2：1.2.51.2.6由圖1.2.5和1.2.6可知，大多數新的裂縫已被連接起來，但指紋圖像變粗了，故需要對圖1.2.5和1.2.6進行腐蝕操作，，此時已對圖1.2.3和1.2.4完成了閉操作：>>F=fushi(P,B);輸出結果（即最終去噪圖像）為圖1.2.7和1.2.8：B1:B2：1.2.71.2.8由圖1.2.7和1.2.8（即最終去噪圖像）可知，使用結構元元素全部是1的結構元B2雖可以去除原圖像的污染，但會使指紋原來的圖像產生更多裂紋，效果并不理想，故選用結構元B1效果更好，可以在保障指紋原有形狀的基礎上去除絕大部分的污染。1.3車牌號的提取在上文中使用了形態學開操作去除了指紋圖片中的污染，下面為使用連通分量的提取操作來提取車牌號。同樣是先將原始圖片導入并進行二值化操作：>>A=imread('chepai.tiff');t=graythresh(A);I=im2bw(A,t);原始圖：二值化后：二值圖像集合大小部分放大圖像由上圖可知，車牌號是“蘇KG9999”，其中“蘇”由三個連通分量構成，其余的字符分別由一個連通分量構成，故提取車牌號可看成提取九個連通分量。首先指定各個連通分量中一個元素的位置，分別為42032，42582，44280，46803，51861，58040，60294，66189和69849。將其分別代入提取連通分量：>>lt=liantong(I,b,B);選了兩個結構元做對比，分別為：B1=[0,1,0;1,1,1;0,1,0];B2=[1,1,1;1,1,1;1,1,1];用邏輯運算“|”求所有連通分量的并集即車牌號，輸出結果為圖1.3.1和1.3.2：1.3.11.3.2由圖1.3.1和1.3.2可知，兩種結構元提取車牌號結果相同。除了將車牌號看成連通分量進行提取，我們還可以使用孔洞的填充將車牌號消去，然后通過用原始二值圖像減去孔洞填充后的圖像來實現車牌號的提取。因為我們通常將黑色部分當成背景和孔洞，而原始的二值圖車牌號為白色，為操作方便先求出原二值圖的補：>>Ib=buji(I);此時車牌號已經變為黑色，可以將其看成九個孔洞，對其填充。首先指定各個孔洞中一個元素的位置，分別為42032，42582，44280，46803，51861，58040，60294，66189和69849。將其分別代入孔洞填充：>>kd=kongdongtianchong(Ib,b,I,B);同樣選兩個結構元做對比，分別為：B1=[0,1,0;1,1,1;0,1,0];B2=[1,1,1;1,1,1;1,1,1];用邏輯運算“|”求所有孔洞填充后結果的并集即車牌號被消去的補圖像，輸出結果為圖1.3.3和1.3.4：1.3.31.3.4此時原二值圖像的補已經消去了車牌號，將其再轉化為原二值圖像的狀態：>>kdb=buji(kd);1.3.51.3.6由圖1.3.5和1.3.6可知，在原二值圖像狀態下已經去掉了車牌號，現用原始二值圖減去圖1.3.5和1.3.6即可得到車牌號：>>qI=cha(I,kdb);1.3.71.3.8由圖1.3.7和1.3.8可知，兩種結構