matlab二值图像的形态学变换

1、dilate函数

该函数能够实现二值图像的膨胀 *** 作，有以下形式：

BW2=dilate(BW1，SE)

BW2=dilate(BW1，SE，…，n)

其中：BW2=dilate(BW1，SE)表示使用二值结构要素矩阵SE队图像数据矩阵BW1执行膨胀 *** 作。输入图像BW1的类型为double或unit8，输出图像BW2的类型为unit8。BW2=dilate(BW1，SE，…，n)表示执行膨胀 *** 作n次。

2、erode 函数

该函数能够实现二值图像的腐蚀 *** 作，有以下形式：

BW2= erode(BW1，SE)

BW2= erode(BW1，SE，…，n)

其中：BW2= erode(BW1，SE)表示使用二值结构要素矩阵SE队图像数据矩阵BW1执行腐蚀 *** 作。输入图像BW1的类型为double或unit8，输出图像BW2的类型为unit8。BW2= erode(BW1，SE，…，n)表示执行腐蚀 *** 作n次。

3、bwmorph函数

该函数的功能是能实现二值图像形态学运算。它的格式如下：

① BW2=bwmorph(BW1，operation)

② BW2=bwmorph(BW1，operation，n)

其中：对于格式①，bwmorph函数可对二值图像BW1采用指定的形态学运算；对于格式②，bwmorph函数可对二值图像BW1采用指定的形态学运算n次。operation为下列字符串之一：

‘clean’：除去孤立的像素(被0包围的1)

‘close’：计算二值闭合

‘dilate’：用结构元素计算图像膨胀

‘erode’：用结构元素计算图像侵蚀

4、imclose函数

该函数功能是对灰度图像执行形态学闭运算，即使用同样的结构元素先对图像进行膨胀 *** 作后进行腐蚀 *** 作。调用格式为：

IM2=imclose(IM,SE)

IM2=imclose(IM,NHOOD)

5、imopen函数

该函数功能是对灰度图像执行形态学开运算，即使用同样的结构元素先对图像进行腐蚀 *** 作后进行膨胀 *** 作。调用格式为：

IM2=imopen(IM,SE)

IM2=imopen(IM,NHOOD)

3用MATLAB编程实现图像去噪

31 二值形态学消除图像噪声

用二值形态学方法对图像中的噪声进行滤除的基本思想[4]是：使用具有一定形态的结构元素去度量和提取图像中的对应形状，以达到消除图像噪声的目的。下面是二值形态学消除图像噪声的一个实例。

首先将tiretif图像加入椒盐噪声，这种噪声前面已经介绍过，它在亮的图像区域内是暗点，而在暗的图像区域内是亮点，再对有噪声图像进行二值化 *** 作，再对有噪声图像进行开启 *** 作，由于这里的结构元素矩阵比噪声的尺寸要大，因而开启的结果是将背景上的噪声点去除了，最后对前一步得到的图像进行闭合 *** 作，将轮胎上的噪声点去掉了。

下面是算法实现的程序代码：

I1=imread('tiretif'); %读灰度图tiretif

I2=imnoise(I1,'salt & pepper'); %在图像上加入椒盐噪声

figure,imshow(I2) %显示加椒盐噪声后的灰度图像

I3=im2bw(I1); %把加椒盐噪声后的灰度图像二值化

figure,imshow(I3) %显示二值化后的图像

I4=bwmorph(I3,'open'); %对二值噪声图像进行二值形态学开运算

figure,imshow(I4) %显示开运算后的图像

I5=bwmorph(I4,'close'); %对上述图像进行形态学闭运算

figure,imshow(I5) %显示最终处理后的图像

是运动检测跟踪么？？有背景和阴影，这个要看具体的情况

一般可以先试试

图像取反后bwareaopen面积选取

部分代码如下

se=strel('disk',4);

fo=imopen(imclose(iiiii,se),se);

fp=~fo;

template=bwareaopen(fp,7000,8);

fi=~template;

提出了一种利用规则化各向异性热扩散方程SAR图像分割的桥梁检测算法。该算法在Perona和Malik提出的各向异性热扩散方程的基础上构造了一个新的扩散函数，利用数值逼近理论，得到一个新的规则化扩散模型，用此模型对图像初始分割的最大后验概率矩阵进行多尺度各向异性平滑，得到图像中河流的精确分割结果，最后在分割后的图像中按累加方向能量最小准则进行桥梁目标检测。真实数据实验结果表明，该方法能有效地抑制强斑点噪声，快速、精确地检测出SAR图像桥梁目标，同时保持桥梁的结构信息

比如你要处理的信号叫x(n),是一个N点的序列。理想低通滤波器最简单，先对x(n)做FFT，得到频域特性X(k)，然后把高频部分的数据改为0，最后在用IFFT变换转换到时域，就是理想滤波了，因为高频完全被抹掉了，而低频信息丝毫不变。其他滤波器就不能这样赖皮的做了，因为理想滤波器必须有无限多个抽头才能达到“高频完全被抹掉了，而低频信息丝毫不变”的效果。实际中是不可能的。其他滤波器就是根据你要的阶数先设计出滤波器的时域冲击响应h(n),再用filter( )函数让信号通过这个滤波器，这样来实现