自适应邻域形态学理论及其FPGA实现

发布时间：2024-03-31 19:37

　　数学形态学具有严格的数学理论基础与精简高效的思想,其基本理论和方法已经广泛地应用于图像处理的各个方面。数学形态学图像处理,是用结构元素作为探针去收集图像的信息,针对同一幅图像,应用不同的结构元素进行形态学运算,会得到不同的处理结果,因此结构元素的选取极大程度的影响了形态学图像处理效果。但是经典数学形态学在进行图像处理时使用固定的结构元素,不能很好地适应多目标图像或目标变化较大的图像,会导致图像细节的大量缺失,因此根据图像自身特征自适应地选取结构元素尤为重要。首先,针对图像的局部特征和像素的位置信息,本文提出一种根据图像中待处理像素点邻域的特征选取结构元素的形态学算子,结构元素可以根据邻域像素的特征自适应的调整形状。定义了自适应邻域数学形态学算子并实现了四种基本运算,与经典数学形态学运算结果比较,主客观上评价了本文提出的自适应邻域形态学算子,实验结果表明,本文算子能够保留更多的图像信息。其次,由于数学形态学在图像处理方面的广泛应用,对图像处理速度有了更高的要求,而现场可编程逻辑器件FPGA作为当今主流的大规模可编程集成电路,是提升数学形态学图像处理速度的一个很好的选择,因此,将提出的自适...

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

图2.2二值图像膨胀过程示例

则的原点对应的点即为图像上的新增点。图2.3为二值图像膨胀过程示例。图2.2二值图像膨胀过程示例（2）腐蚀算子设一幅二值图像的点集为，结构元素的点集为，两个集合，为腐蚀运算符，关于腐蚀记为：AB，则关于的腐蚀定义为：AB{x|B....

图2.3二值图像膨胀过程示例

法是：结构元素的点集B平移z个单位后，依然属于二值图像的点集为A，则完全属于时，的所有原点即为被腐蚀后的结果。图2.3为二值图像腐蚀过程示例。图2.3二值图像膨胀过程示例（3）开启算子设一幅二值图像的点集为，结构元素的点集为，两个集合,nABZ....

图3.2lena原图

21图3.2lena原图

图3.3lena膨胀运算结果

(a)(b)(c)图3.3lena膨胀运算结果图3.4是分别采用方形和圆盘形的、尺寸为55的经典数学形态学腐蚀算子和自适应邻域数学形态学腐蚀算子对图3.2进行腐蚀运算所得到的的结果。

本文编号：3944409