Motivasjon. Litt sett-teori. Eksempel. INF Mesteparten av kap i DIP Morfologiske operasjoner på binære bilder.

Like dokumenter
Motivasjon. INF 2310 Morfologi. Eksempel. Gjenkjenning av objekter intro (mer i INF 4300) Problem: gjenkjenn alle tall i bildet automatisk.

Motivasjon. Litt sett-teori. Eksempel. INF Kap. 11 i Efford Morfologiske operasjoner. Basis-begreper

Motivasjon INF Eksempel. Gjenkjenning av objekter intro (mer i INF 4300) OCR-gjennkjenning: Problem: gjenkjenn alle tall i bildet automatisk.

Introduksjon. Morfologiske operasjoner på binære bilder. Litt mengdeteori. Eksempel: Lenke sammen objekter INF

Morfologiske operasjoner på binære bilder

Morfologiske operasjoner på binære bilder

Introduksjon. Litt mengdeteori. Eksempel: Lenke sammen objekter. Morfologiske operasjoner på binære bilder. INF2310 Digital bildebehandling

Morfologiske operasjoner. Motivasjon

Morfologiske operasjoner på binære bilder

Introduksjon. Litt mengdeteori. Eksempel: Lenke sammen objekter. Morfologiske operasjoner på binære bilder. INF2310 Digital bildebehandling

Introduksjon. Litt mengdeteori. Eksempel: Lenke sammen objekter. Morfologiske operasjoner på binære bilder. INF2310 Digital bildebehandling

Oversikt, kursdag 3. Matematisk morfologi III. Hit-or-miss transformen og skjeletter. Hit-or-miss transformen og skjeletter

Morfologi i Binære Bilder

Matematisk Morfologi Lars Aurdal

UNIVERSITETET I OSLO

Matematisk morfologi III

Matematisk morfologi II

Morfologi i Binære Bilder II

Oversikt, kursdag 2. Matematisk morfologi II. Morfologiske operatorer, erosjon og dilasjon. Morfologiske operatorer, erosjon og dilasjon

UNIVERSITETET I OSLO

Matematisk morfologi IV

UNIVERSITETET I OSLO

Oversikt, kursdag 4. Matematisk morfologi IV. Geodesi-transformasjoner: Dilasjon. Geodesi-transformasjoner

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Oversikt, matematisk morfologi. Matematisk morfologi. Oversikt, matematisk morfologi. Oversikt, matematisk morfologi. Praktisk informasjon

INF 2310 Digital bildebehandling

Matematisk morfologi NTNU

EKSAMEN. Bildebehandling og mønstergjenkjenning

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Morfologi i Binære Bilder III

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Morfologi i Binære Bilder

UNIVERSITETET I OSLO. Dette er et løsningsforslag

Morfologi i Gråskala-Bilder

Prøve- EKSAMEN med løsningsforslag

UNIVERSITETET I OSLO

Morfologi i Gråskala-Bilder II

UNIVERSITETET I OSLO

Grunnleggende Matematiske Operasjoner

Oversikt, kursdag 1. Matematisk morfologi I. Praktisk informasjon om kurset. Praktisk informasjon om kurset

SEGMENTERING IN 106, V-2001 BILDE-SEGMENTERING DEL I 26/ Fritz Albregtsen SEGMENTERING SEGMENTERING

Matematisk morfologi I

Eksamen Løsningsforslag

UNIVERSITETET I OSLO

Filtrering i bildedomenet. Middelverdifilter (lavpass) Lavpassfiltre. INF2310 Digital bildebehandling FORELESNING 15 REPETISJON

INF2310 Digital bildebehandling

INF Kap og i DIP

INF 2310 Digital bildebehandling. Rayleigh-kriteriet. Samplingsteoremet (Shannon/Nyquist) Hvor små detaljer kan en linse oppløse?

UNIVERSITETET I OSLO

Matematisk morfologi V

UNIVERSITETET I OSLO

Oversikt, kursdag 5. Matematisk morfologi V. Hva er segmentering. Hva er segmentering. Lars Aurdal Norsk regnesentral

EKSAMEN Bildebehandling

Lokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FILTRERING I BILDE-DOMÈNET I

Høgskoleni østfold EKSAMEN. ITD33506 Bildebehandling og monstergjenkjenning. Dato: Eksamenstid: kl 9.00 til kl 12.00

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Analysedrypp I: Bevis, mengder og funksjoner

Aksiom 3.1 (Likhet av mengder). La A og B være mengder. Da er A og B like hvis og bare hvis de har akkurat de samme elementene.

UNIVERSITETET I OSLO

Filter-egenskaper INF Fritz Albregtsen

Temaer i dag. Geometriske operasjoner. Anvendelser. INF 2310 Digital bildebehandling

Notat 05 for MAT Relasjoner, operasjoner, ringer. 5.1 Relasjoner

LO118D Forelesning 3 (DM)

Lokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FORELESNING 6 FILTRERING I BILDE-DOMÈNET I

Flater, kanter og linjer INF Fritz Albregtsen

Hensikt: INF Metode: Naboskaps-operasjoner Hvorfor: Hvor:

Dagens plan. INF3170 Logikk. Induktive definisjoner. Eksempel. Definisjon (Induktiv definisjon) Eksempel

UNIVERSITETET I OSLO

Kantsegmentering NTNU

INF februar 2017 Ukens temaer (Kap og i DIP)

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Filtrering i bildedomenet. 2D-konvolusjons-eksempel. 2D-konvolusjons-eksempel. INF2310 Digital bildebehandling

INF januar 2018 Ukens temaer (Kap og i DIP)

Analysedrypp I: Bevis, mengder og funksjoner

Eksamen i IN 106, Mandag 29. mai 2000 Side 2 Vi skal i dette oppgavesettet arbeide med et bilde som i hovedsak består av tekst. Det binære originalbil

UNIVERSITETET I OSLO

Forelesning 2: Induktive definisjoner, utsagnslogikk og sekventkalkyle Christian Mahesh Hansen januar 2007

HØGSKOLEN I SØR-TRØNDELAG

Utkast med løsningshint inkludert UNIVERSITETET I OSLO

EKSAMEN I EMNE TDT4195 BILDETEKNIKK ONSDAG 3. JUNI 2009 KL

INF 2310 Digital bildebehandling

5.8 Iterative estimater på egenverdier

Temaer i dag. Repetisjon av histogrammer II. Repetisjon av histogrammer I. INF 2310 Digital bildebehandling FORELESNING 5.

Mer om Histogramprosessering og Convolution/Correlation

DET TEKNISK-NATURVITENSKAPELIGE FAKULTET MASTEROPPGAVE. Forfatter: Magnus Kopperud

MAT1140: Kort sammendrag av grafteorien

TDT4195 Bildeteknikk

DIGITALISERING Et bilde er en reell funksjon av to (eller flere) reelle variable. IN 106, V-2001 BILDE-DANNING. SAMPLING og KVANTISERING

Kap. 6 Ortogonalitet og minste kvadrater

Filtrering. Konvolusjon. Konvolusjon. INF2310 Digital bildebehandling FORELESNING 6 FILTRERING I BILDEDOMENET I

LP. Leksjon 7. Kapittel 13: Nettverk strøm problemer

Vi startet forelesningen med litt repetisjon fra forrige uke: Det omvendte, kontrapositive og inverse utsagnet. La p og q være to utsagn, og p -> q

INF2310 Digital bildebehandling

Transkript:

1 Motivasjon INF 2310 Mesteparten av kap 9.1-9.5 i DIP Morfologiske operasjoner på binære bilder Basis-begreper Fundamentale operasjoner på binære bilder Sammensatte operasjoner Eksempler på anvendelser flettet inn 1/ 38 Morfologisk bildebehandling dreier seg om en rekke ikke-lineære operatorer diskrete varianter av matematisk morfologi. De fleste operatorene er beregnet på binære bilder Interessert i objekters form (shape) En morfologisk operasjon på et binært bilde et nytt binært bilde. Ut-bildet har verdien 1 på et gitt sted bare hvis den utførte testen var positiv. Mange av dem brukes til å fjerne uønskede effekter etter segmentering Fjerning av små objekter (støy-objekter) Glatting av omrisset til større objekter Fjerning av hull i objekter Lenke sammen objekter Noen operatorer er nyttige til analyse og beskrivelse av objekter Finne omriss av objekter Finne fordelingen av størrelsen på objektene Finne fordelingen av størrelsen på mellomrommene mellom objektene Finne mønstre i bilder Operasjonene er ofte enkle og kan utføres svært raskt 2/ 38 Eksempel Litt sett-teori Her vil morfologiske operatorer være velegnet til å prosessere formen på de segmenterte tallene etter terskling, men før gjenkjenning. En del små støy-objekter. Noen symboler er fragmentert i flere deler. Kanten rundt noen symboler kan være rufsete. La A være et sett i Z 2. Dersom punktet a=(a 1,a 2 ) er et element i A skriver vi: a A Dersom a ikke er inneholdt i A skriver vi: a A Settet uten noen elementer kalles det tommet settet og betegnes Elementene som ikke er i A kalles komplementet til A, og betegnes A c Dersom alle elementene i A er inneholdt i B sies A å være et subsett av B, dette skrives: A B Med unionen av to sett A og B mener vi settet som består av alle elementer fra enten A eller B, dette betegnes: A B 3/ 38 Med snittet av A og B mener vi settet som består av elle elementer som finnes i både A og B, dette betegnes: A B 4/ 38

2 Litt sett-teori i praksis på binære bilder Komplementet til et binært bilde g (x, y) Snittet av to bilder f og g 1 hvis = 0 f(x, y) hvis f(x, y) = 0 = 1 1 hvis f(x, y) = 1 og g(x, y) = 1 h = f g h (x, y) = 0 ellers Unionen av to bilder f og g 1hvis f(x, y) = 1 eller g(x, y) = 1 h = f g h(x,y) = 0 ellers Et strukturelement for et binært bilde er en liten matrise av piksler Når vi fører det binære strukturelementet over det binære bildet vil vi finne Posisjoner der elementet ikke overlapper objektet Posisjoner der elementet delvis overlapper objektet, dvs at elementet treffer objektet Posisjoner der elementet ligger inni objektet, dvs at elementet passer i objektet Tre sentrale begrep 5/ 38 6/ 38 Strukturelementenes form og origo Strukturelementer kan ha ulik form og størrelse Et strukturelement har et origo Origo markerer pikselen som evt. endrer verdi Origo kan ligge utenfor strukturelementet Origo bør markeres når man an strukturelementet, f.eks. ved Passer strukturelementet til det binære bildet? Anta at vi flytter strukturelementet rundt over et binært bilde. Strukturelementet passer i posisjonen (x,y) i bildet hvis hvert piksel 0 i elementet svarer til en pikselverdi 0 i bildet. Pikselverdier som faller under strukturelementverdier som er lik 0 er irrelevante! Et bilde: 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 001111111000 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 To forskjellige struktur- elementer 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 110000 0 0 To forskjellige resultater 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 11110 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 7/ 38 8/ 38

3 Erosjon Effekter av erosjon Plasser strukturelementet S slik at origo ligger over bildet f med koordinatene (x,y), og bruk regelen 1 hvisspasser f g( x, y) = 0 ellers Erosjon av et bilde f med strukturelementet S betegnes f θ S Mer presist: Erosjonen av et sett X med strukturelementet S er definert som posisjonen til alle piksler x slik at S er inkludert i X når origo i S plasseres i x: ε ( X S) = { x Sx X } 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 ε ( 1 X1 S1 ) 1= 0 { x0 S0 x 1 1 X1} 0 0 1 1 0 0 0 0 erodert med 111 1 1 0 0 0 0 1 1 0 0 0 0 0 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 1 1 0 0 0 0 0 1 1 0 0 0 0 Erodering krymper objekter. Piksler fjernes også innenfra, hvis objektet har hull. Erosjon fjerner små utstikk på objektets omriss. Erosjon utvider innbuktninger i objektets omriss. Resultatet er avhengig av strukturelementets form. Større strukturelement mer erosjon. 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 11100 0 00 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 erodert med 111 1 1 0 0 1 0 1 1 0 0 0 0 110 1 0 0 0 1 1 0 0 0 11110 0 0 1 1 0 1 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 9/ 38 10 / 38 Større strukturelement mer erosjon. Resultatet av erosjon med et stort strukturelement er lik resultatet av gjentatt erosjon med et mindre element med samme form. Hvis s 2 er formlik s 1, men dobbelt så stort, så er f ө s 2 (f ө s 1 ) ө s 1 Iterativ erosjon 0 0 1 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 erodert 2 ganger med 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 111 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 11 / 38 Kantdeteksjon ved erosjon Erodering fjerner piksler langs omrisset av en region. Vi kan finne kanten av regionene i bildet ved å subtrahere et erodert bilde fra originalbildet, dvs. g = f - (f ө s) Strukturelementet avgjør 4- eller 8-naboskap 0 0 1 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 erodert med 0 0 1 0 1 1 0 0 0 0 110 1 0 0 0 1 1 0 0 0 11110 0 0 1 1 0 1 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 11100 0 00 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 => differanse 0 0 1 0 0 0 0 0 0 1 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 1 0 0 0 0 1 1 1 0 0 0 1 1 0 0 0 1 1 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 12 / 38 Sammenhengende omriss om benytter 8-naboskap Sammenhengende ved 4-naboskap

4 Eksempel Kantdeteksjon ved erosjon / omriss 13 / 38 Treffer strukturelementet det binære bildet? Anta igjen at vi flytter strukturelementet rundt over et binært bilde. Strukturelementet treffer posisjonen (x,y) i bildet hvis et piksel 0 i elementet svarer til en pikselverdi 0 i bildet. Pikselverdier som faller under strukturelementverdier som er lik 0 er irrelevante! Dette er en slags binær (logisk) konvolusjon Et bilde: 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 001111111000 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 To forskjellige struktur- elementer 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 1 0 0 To forskjellige resultater 0 0 0 1 1 0 0 0 0 0 0 11111110 0 0 0 0 1 1 0 0 0 0 1 1 0 0 0 0 1 1 0 0 0 0 1 0 0 1 0 0 0 0 0 14 / 38 Dilasjon av et bilde f med strukturelementet S betegnes Dilasjon Plasser S slik at origo ligger i (x,y), og bruk regelen 1 hvisstreffer f g( x, y) = 0 ellers f S Mer presist: Dilasjonen av et sett X med strukturelementet S er definert som posisjonen til alle piksler x slik at S overlapper med X i minst ett piksel når origo i S plasseres i x: { x S Ø } δ ( X S) = X x 0 1110 1 1 0 0 0 0 1 1 0 0 0 0 1 1 0 0 0 0 1 1 0 0 0 0 0 0 1 1 0 0 0 0 0 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 1 1 0 0 0 0 0 1 1 0 0 0 0 dilatert med 111 1 1 0 1 1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 1 0 Dilasjon utvider objekter Dette gjelder både indre og ytre omriss til objektet. Dilasjon fyller i hull i objektet. Dilasjon glatter ut innbuktninger i objektets omriss. Resultatet er avhengig av strukturelementets form. Større strukturelement mer effekt av dilasjon. Effekter av dilasjon 0 0 0 0 0 0 0 0 1 1 0 0 0 1 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 dilatert med 111 1 1 0 0 1 1 0 0 0 0 0 0 0 0 1 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 15 / 38 16 / 38

5 Region-fylling med dilasjon La X 0 inneholde et punkt i regionen som skal fylles Deretter iterer over følgende: c X = k ( X k 1 S) I f f X 0 X 1 X 2 ( X1 S) f c Effekter av kvadratiske og runde strukturelementer Ved dilatering av konkave rettvinklede hjørner vil kvadratiske og runde strukturelementer gi samme effekt. Ved dilatering av konvekse rettvinklede hjørner vil runde strukturelementer gi avrundede hjørner. Runde strukturelementer avrundede hjørner ved erosjon av rettvinklede konkave hjørner. (Bilder hentet fra http://homepages.inf.ed.ac.uk/rbf/hipr2/dilate.htm) 17 / 38 18 / 38 Dilasjon og erosjon er duale,dvs operasjonene har motsatt effekt: f S = ( f ) C θ Ŝ C Dualitet Der f C er komplementet til f, dvs at vi erstatter 1 med 0 og 0 med 1, og Ŝ er strukturelementet rotert 180 o. For å dilatere f med symmetrisk Skan vi erodere komplementet til f med S, og ta komplementet av resultatet. Både dilasjon og erosjon kan utføres av samme prosedyre, hvis vi kan rotere et strukturelement og finne komplementet til et bilde. 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 dilatert med 0 0 1 1 0 0 0 0 0 0 0 0 1 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 komplementet 1 1 1 1 1 1 0 0 1 1 0 0 0 1 1 0 0 0 1 1 0 1 1 0 1 0 1 1 1 0 0 1 1 1 1 0 11011 1 1 1 1 1 1 erodert med 1 1 1 1 0 0 1 1 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 1 0 0 0 0 1 1 0 0 0 0 0 0 1 1 1 0 0 0 0 0 1 1 1 1 1 Dualitet II Betrakt et binært bilde som en samling av sammenhengende regioner av piksler med verdi 1 på en bakgrunn av piksler med verdi 0. Erosjon er å finne de posisjonene der strukturelementet passer inni regionene. Dilasjon er å finne de posisjonene der (det transponerte) strukturelementet passer inni bakgrunnen, og så komplementere resultatet. Dermed er det lett å se at erosjon med et sirkelformet element runder av konkave objekt-hjørner, mens dilasjon med samme element runder av konvekse objekt-hjørner. og disse bildene er komplementære 19 / 38 20 / 38

6 Dilasjon: Andre egenskaper Dilasjon er kommutativ. Det er en konvensjon i faget å la første operand være bildet og andre være strukturelementet (som er mindre), men Dilasjon er assosiativ. f S = S f f ( S S 1 S2 ) = ( f S1) Dette er veldig nyttig hvis vi ser at strukturelementet S kan dekomponeres, dvs at S er S1 dilatert med S2. Da kan vi spare en del regnetid. Eksempel: 2 Erosjon: Andre egenskaper Erosjon er IKKE kommutativ. f θ S S θ f Erosjon av snittet av to mengder er gitt ved snittet av de to erosjonene: ( X Y ) θ S = ( X θ S ) ( Y θ S ) Suksessiv erosjon (eller dilasjon) av bildet f med A og så med B er ekvivalent med erosjon (dilasjon) av bildet f med A dilatert med B 1 1 1 1 = 1 1 1 1 [ 1 1] 1 1 1 1 ( f θ A) θ B = f θ (A B) ( f A) B= f (A B) 21 / 38 22 / 38 Åpning Åpning En erosjon av et bilde fjerner alle stukturer som ikke kan inneholde strukturelementet, og krymper alle andre strukturer. Hvis vi dilaterer resultatet av en erosjon med samme strukturelement, vil de strukturer som overlevede erosjonen bli gjenskapt. Dette er en morfologisk åpning. ( f θ S ) S f o S = S Navnet skyldes at operasjonen kan skape en åpning mellom to strukturer som bare henger sammen i en tynn bro, uten å krympe de to strukturene, slik som en erosjon alene ville gjort. 23 / 38 Vi kan visualisere morfologisk åpning ved å tenke oss at strukturelementet føres langs kanten av objektet. Først langs innsiden av objektet. Dermed krymper objektet. Konkave hjørner kan bli avrundet hvis strukturelementet er rundt. Deretter fører vi strukturelementet rundt utsiden av resultatobjektet ovenfor. Objektet vokser igjen, men små utstikkere som forsvant i forrige steg blir ikke gjenopprettet. For runde strukturelementer: De konvekse hjørnene som beholdt formen ved erosjon blir nå avrundet ved dilasjon, mens de konkave som ble avrundet ved erosjon, blir til rette hjørner igjen ved dilasjon. Idempotens: Gjentatte anvendelser av åpning med samme strukturelement ingen endringer i resultatet. ( f o S ) o S = f o S (Figur fra Gonzales&Woods) 24 / 38

7 Lukking Lukking II En dilasjon av et bilde utvider objektet, fyller i hull og innbuktninger i omrisset. Hvis vi eroderer resultatet av en dilasjon med det roterte strukturelementet, vil objektene stort sett beholde sin størrelse og form, men innbuktninger som er fylt igjen ved dilasjonen vil ikke gjenoppstå. Objekter som er smeltet sammen ved dilasjonen vil ikke bli adskilt igjen. Dette er en morfologisk lukking. f S = ( f Ŝ) θ Sˆ Navnet skyldes at operasjonen kan lukke en åpning mellom to strukturer som bare er adskilt med et lite gap, uten at de to regionene vokser, slik som en dilasjon ville ha gjort. 25 / 38 Vi kan visualisere morfologisk lukking ved å tenke oss at strukturelementet føres langs kanten av objektet. Først langs utsiden av objektet. Dermed vokser objektet. Konvekse hjørner kan bli avrundet. Deretter fører vi strukturelementet rundt innsiden av resultatobjektet ovenfor. Objektet krymper igjen, men små viker som forsvant i forrige steg blir ikke gjenopprettet. Idempotens: Gjentatte anvendelser av lukking med samme strukturelement ingen endringer i resultatet. ( f S ) S = f S 26 / 38 binært bilde Lukking connecting pixels dilatert med erodert med samme element Strukturelementets form, og objektenes form og avstand er avgjørende for resultatet. 27 / 38 Dualitet mellom åpning og lukking Lukking er en dual operasjon til åpning, og omvendt. C C f S =( f o S) C C f os =( f S) Lukking av et binært bilde med et strukturelement kan gjøres ved å ta komplementet til bildet, åpne det med strukturelementet, og ta komplementet av resultatet. Og omvendt: Åpning av et binært bilde med strukturelementet kan gjøres ved å ta komplementet til bildet, lukke det med strukturelementet, og ta komplementet av resultatet. Vi kan altså utføre begge operasjonene med kode bare for den ene, hvis vi har kode for å produsere komplementet til et binært bilde. Lukking er en ekstensiv transformasjon (piksler legges til). Åpning er en antiekstensiv transformasjon (piksler fjernes). f o S f f S 28 / 38

8 Eksempel - Åpning som støyfjerner Eksempel Formseparering ved åpning Åpning med sirkulært strukturelement Åpning med 7x7 sirkulært strukturelement (Bilder hentet fra http://homepages.inf.ed.ac.uk/rbf/hipr2/) 29 / 38 30 / 38 Eksempel Filtrering ved lukking Eksempel Filtrering ved åpning og lukking Lukking med 3x3 strukturelement 31 / 38 32 / 38

9 Eksempel Granulometri ved åpning Gjentatte åpninger av originalbildet med gradvis større strukturelementer Benytter at effekten av åpning er størst i regioner hvor elementenes størrelser er tilnærmet lik strukturelementets Åpning ved rekonstruksjon Erosjonen som vanlig, men hvor dilasjonen begrenses av originalbildet og gjentas til ingen endring X X 0 = f θ S ( X 1 S) I f = k k Hente ut objekter som inneholder strukturelementet 33 / 38 34 / 38 Hit and miss -transformasjonen Dette er en transformasjon som brukes til å finne et bestemt mønster i et bilde. Strukturelementet er et par [s 1,s 2 ] som er disjunkte mengder. C { S, S } = ( f θ S ) ( f θ ) f ( ) 1 2 1 S2 Et objektpiksel bevares kun hvis s 1 passer innenfor og s 2 passer utenfor objektet. Eksempel på bruk: Finne bestemte strukturer. Fjerne enkeltpiksler. Benyttet i tynning 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Hit and miss eksempel Strukturelement B1 Bilde A 1 1 1 0 1 1 1 0 0 0 0 0 1 0 0 0 1 1 0 0 0 1 1 1 0 0 0 0 1 0 0 0 1 1 0 1 0 1 1 1 0 1 1 0 0 0 1 1 0 1 1 A C Komplementet til bildet Strukturelement B2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Resultat etter erosjon med B1 1 1 1 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 1 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 1 1 1 A C erodert med B2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Hit-and-miss resultatet 0 0 1 0 0 0 0 0 0 0 Logisk AND mellom de 0 0 0 0 0 to delresultatene 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 35 / 38 36 / 38

10 Morfologisk tynning Oppsummering Morfologisk tynning: Grunnleggende begreper A B = A ( A( ) B) gjentatt med en sekvens av strukturelementer, B k Strukturelementene sørger for å fjerne piksler som ikke er En isolert piksel Strukturelement (med origo) Erosjon Dilasjon Dualitet Åpning (erosjon etterfulgt av dilasjon) Lukking (dilasjon etterfulgt av erosjon) Hit-and-miss En piksel som ville endre konnektiviteten /dele objekter Eksempler på anvendelser Forkorter linjer 37 / 38 38 / 38