12、数字图像处理中的形态学与灰度分割技术

数字图像处理中的形态学与灰度分割技术

1. 数字形态学

数字形态学方法可应用于多种纹理处理，不过可能需要对结构元素进行一些试验才能取得良好效果。

1.1 对象大小分类

形态学在按纹理分割区域方面的应用，启发了按对象大小或形状进行分类的应用。由于按形状分类需要对不同结构元素进行大量试验，这里主要探讨按大小分类。许多对象通常会按大小分类，例如显微镜下的生物对象、鸡蛋和苹果等。以鸡蛋为例，“A级大鸡蛋”明显比“中号鸡蛋”大，可以使用灰度形态学创建程序对鸡蛋进行分类。但由于鸡蛋常按重量分级，这里以货币为例。

硬币的大小通常与其面值相关，一角硬币最小，一美元硬币（如果能找到）最大。下面是使用灰度开运算对硬币图像进行处理，以实现按大小分类的过程：
- 因为灰度开运算会降低对象的灰度级，所以使用半径逐渐增大的圆形结构元素对图像进行开运算。当结构元素的半径超过硬币的半径时，硬币会从图像中移除。实际使用的半径范围是5到14，半径为14的圆形结构元素开运算会移除所有硬币，留下一个全黑的空图像。
- 半径为6.5（直径13）时，一角硬币的灰度级降低到可以通过阈值处理将其删除。
- 半径为8的开运算会移除一分硬币，便于对其进行计数。
- 半径为10的开运算会移除两角五分硬币，只留下一元硬币。

通过计算每次迭代后消失的区域数量，可以累计图像中硬币的总价值。在许多国家，纸币的大小也不同，因此也可以按大小对纸币进行分类。

graph TD;
    A[原始硬币图像] --> B[半径6.5开运算];
    B --> C[阈值处