图像处理笔记（五）

心已赠人 2021-12-12 03:53 653阅读 0赞

### 孔洞填充 ###

将上一个笔记中的那个英文段落图片中的孔洞做填充：

dev_close_window()
    
    dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
    
    read_image(Image, 'words')
    
    threshold(Image, Region, 45, 255)
    
    * 模板图像（原图求补集）
    *threshold(Image, Region1, 0, 44)
    complement(Region, Region1)
    
    dilation_circle (Region, RegionDilation, 4.7)
    
    * 标记图像
    complement(RegionDilation, RegionComplement)
    
    for Index := 1 to 20 by 1
        * 3*3的SE给标记图像做膨胀
        dilation_rectangle1(RegionComplement, RegionDilation1, 3, 3)
    
        intersection(Region1, RegionDilation1, RegionIntersection)
        
        RegionComplement := RegionIntersection
    endfor
    
    complement(RegionComplement, RegionComplement1)

效果图：  
![1032712-20190625102758022-301562114.png][]

因为真的不知道按照书上的说的标记图像F(x, y)是怎么求出来的，在网上找到了另一篇文章，按照他的算法实现了一下，效果不错，感谢博主。  
原文链接：  
[https://blog.csdn.net/walk\_on\_the\_cloud/article/details/51971115][https_blog.csdn.net_walk_on_the_cloud_article_details_51971115]

简要实现步骤：

1.  标记图像：原图像区域膨胀到看不到字母的孔时的区域的补集（本例中使用了半径为4.7的圆形结构元素）
2.  模板图像：原图像区域的补集
3.  对标记图像用3\*3的SE做膨胀，然后与标记图像求交集
4.  第三步重复n次，直到图像趋于稳定（两次膨胀求交集区域的差别为0，我的代码中没有做这样的处理，直接通过调整次数看效果差不多了就停下来了）
5.  对第4步处理好的区域求补集

# 插播一条学习计划 #

经过大约1个星期的计划和尝试，预估学习一个章节加练习需要4-5天的时间，暂计划：  
从第三章灰度变换与空间滤波开始学习，每章时间必须控制在5天以内，第二章内容穿插在其他章节中学习，其他章节提到第二章的内容就去看相关的部分。  
第三章到十二章共计十章，今天解决第九章形态学图像处理之后还剩九章，计划在45天以后将这本书学完，并对图像处理有一个系统性的认识。需要在学完之前输出一个使用Halcon的较为完整的项目。

## 灰度级形态学 ##

### 膨胀和腐蚀 ###

被腐蚀的灰度级图像比原始图像更暗，亮特征的尺寸将会被减小，暗特征的尺寸将会被增大；  
被膨胀的灰度级图像与腐蚀相反，亮特征变大，暗特征降低。

#### 练习 ####

用书本中的图片来做练习，从左到右分别是用一个3\*3灰度为2的SE膨胀后的图像，原图，相同SE腐蚀后的图像

dev_close_window()
    
    dev_open_window (0, 0, 512, 512, 'white', WindowHandle)
    
    read_image(Image, 'grayErosion')
    
    * 生成拥有常数灰度的3*3的图像
    gen_image_const(Image1, 'byte', 3, 3)
    for Index := 0 to 2 by 1
        for Index1 := 0 to 2 by 1
            * 设置灰度
            set_grayval(Image1, Index, Index1, 2)
        endfor
    endfor
    
    * 灰度腐蚀，因为没有直接提供使用圆形或方形SE进行腐蚀的算子，所以上面创建了一个常数灰度的Image
    gray_erosion(Image, Image1, ImageErosion)
    
    * 灰度膨胀
    gray_dilation(Image, Image1, ImageDilation)

![1032712-20190625135626667-817288134.png][]

### 开操作和闭操作 ###

*还是基本的腐蚀和膨胀，这边不做额外练习。*  
通常，开操作用于去除较小的明亮细节，而保持整体灰度级和较大的明亮特征相对不变；开操作对图像的暗特征影响可忽略不计，也不影响背景。  
闭操作和开操作相反，削弱了暗细节，对亮的细节和背景影响可以忽略不计。

### 形态学平滑 ###

因为开操作抑制比结构元小的亮细节，闭操作抑制暗细节，所以常常以形态滤波的形式结合起来用作图像的平滑和去噪。书中举了一个先对原始图像开操作再闭操作的例子。

### 形态学梯度 ###

膨胀和腐蚀可与图像相减结合起来得到一副图像的形态学梯度，由g来定义：  
\\\[ g = (f \\oplus b) - (f \\ominus b) \\\]  
膨胀和腐蚀的差强调了区域间的边界，只要SE相对较小，同质区域不受影响，相减操作区域消除同质区域，最终结果是边缘被增强而同质区域被抑制掉了，产生了类似于微分（梯度）的效果。

#### 练习 ####

使用书中的图片做练习  
四幅图片依次是原图，膨胀，腐蚀，相减后的图像

dev_close_window ()
    
    dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
    
    read_image(Image, 'g')
    
    gen_image_const(Image1, 'byte', 3, 3)
    for Index := 0 to 2 by 1
        for Index1 := 0 to 2 by 1
            * 设置灰度
            set_grayval(Image1, Index, Index1, 1)
        endfor
    endfor
    * 膨胀
    gray_dilation(Image, Image1, ImageDilation)
    
    * 腐蚀
    gray_erosion(Image, Image1, ImageErosion)
    
    * 使用difference比较两个区域的不同获取到的是一个空区域，
    * 可能是因为两幅图像经过腐蚀和膨胀后的灰度都发生了变化，difference不能做灰度上的相减
    * difference(ImageDilation, ImageErosion, RegionDifference)
    
    * 图像相减，得到的是绝对值
    abs_diff_image(ImageDilation, ImageErosion, ImageAbsDiff, 1)
    
    * 图像相减，得到的不是绝对值，相减具有方向性，反过来减会影响结果
    sub_image(ImageDilation, ImageErosion, ImageSub, 1, 0)

主要要注意一下对图像灰度上的运算有些算子和之前不一样。  
![1032712-20190625145552502-1837620947.png][]

### 顶帽变化和底帽变换 ###

灰度级图像f的 *顶帽变换* 定义为f减去其开操作：  
\\\[ T\_\{hat\}(f) = f - (f \\circ b) \\\]

*底帽变换* 定义为f的闭操作减去f：  
\\\[ B\_\{hat\}(f) = (f \\bullet b) - f \\\]

主要应用：从一幅图像中删除物体，而不是拟合被删除的物体，然后，差操作得到一幅仅保留已删除分量的图像。  
顶帽变换常用于暗背景上的亮物体，而底帽变换运用于亮背景上的暗物体。因此，常常称这两个变换为白顶帽变换和黑底帽变换。  
顶帽变换的重要用途是校正不均匀光照的影响，

#### 一个很极端的练习 ####

关了个灯。。。  
我想让灯光变得更均匀一点，结果确实均匀了，就是黑得很均匀

dev_close_window ()
    
    dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
    
    read_image(Image, 'lamp.jfif')
    
    rgb1_to_gray(Image, GrayImage)
    
    * 这是一个足够大的结构元
    gen_image_const(Image1, 'byte', 50, 50)
    for Index := 0 to 2 by 1
        for Index1 := 0 to 2 by 1
            * 设置灰度
            set_grayval(Image1, Index, Index1, 1)
        endfor
    endfor
    
    * 顶帽变换
    * 开操作（先腐蚀，再膨胀）
    gray_erosion(GrayImage, Image1, ImageErosion)
    gray_dilation(ImageErosion, Image1, ImageDilation)
    
    abs_diff_image(GrayImage, ImageDilation, ImageAbsDiff, 1)
    
    * 底帽变换
    * 闭操作（先膨胀，再腐蚀）
    gray_dilation (GrayImage, Image1, ImageDilation1)
    gray_erosion(ImageDilation1, Image1, ImageErosion1)
    
    abs_diff_image(ImageErosion1, GrayImage, ImageAbsDiff1, 1)

三张图从左到右分别是原图转换成的灰度图像，顶帽变换后的图像，底帽变换后的图像

![1032712-20190625153311206-1528440818.png][]

### 灰度级形态学重建 ###

测地膨胀和腐蚀和之前的是差不多的，使用上也就是针对灰度上的不同，在halcon中计算交集和并集要使用一些关于灰度上的算子，这点要稍微注意一下。  
直接上例子。书中的键盘的例子。  
试了一下，按照书中说的那样设置SE，效果不好，稍微调整了一下，还是不太好

dev_close_window ()
    
    dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
    
    read_image(Image, 'keyboard')
    
    
    * 重建开操作，消除水平反射和变化的背景
    * 使用71*1的SE腐蚀原图
    gen_image_const(Image1, 'byte', 71, 1)
    for Index := 0 to 70 by 1
        set_grayval(Image1, 0, Index, 1)
    endfor
    
    gray_erosion(Image, Image1, ImageErosion)
    
    for Index1 := 1 to 60 by 1
        gray_dilation(ImageErosion, Image1, ImageDilation)
        min_image(ImageDilation, Image, ImageMin)
        ImageErosion := ImageMin
    endfor
    
    * 重建顶帽操作
    abs_diff_image(ImageMin, Image, ImageAbsDiff, 1)
    
    * 标准的顶帽操作
    * 标准的开操作
    gray_erosion(Image, Image1, ImageErosion1)
    gray_dilation(ImageErosion1, Image1, ImageDilation1)
    * 顶帽操作
    abs_diff_image(ImageDilation1, Image, ImageAbsDiff1, 1)
    
    * 重建开操作，消除竖直反射的影响（效果不好，很多竖都不见了）
    gen_image_const(Image2, 'byte', 1, 21)
    for Index2 := 0 to 20 by 1
        set_grayval(Image2, Index2, 0, 1)
    endfor
    gray_erosion(ImageAbsDiff, Image2, ImageErosion2)
    
    for Index3 := 1 to 15 by 1
        gray_dilation(ImageErosion2, Image2, ImageDilation2)
        min_image (ImageDilation2, ImageAbsDiff, ImageMin1)
        ImageErosion2 := ImageMin1
    endfor
    abs_diff_image(ImageMin1, ImageAbsDiff, ImageAbsDiff2, 1)
    
    * 用一个1*31的水平SE膨胀以修复一些字母
    gen_image_const (Image3, 'byte', 31, 2)
    for Index4 := 0 to 30 by 1
        for Index5 := 0 to 1 by 1
            set_grayval(Image3, Index5, Index4, 1)
        endfor
    endfor
    gray_dilation(ImageAbsDiff2, Image3, ImageDilation3)
    
    min_image(ImageDilation3, ImageAbsDiff, ImageMin2)

还需要研究一下为什么效果不好？  
第一次做重建开操作的时候的效果还是很好的，水平方向的反射都消得挺清楚的，字母显示也挺清楚的  
但是在消竖直方向的反射的时候明显问题很大，反射是消掉了，但是很多需要的竖线也没有了，而且之后的修复效果也很一般。

第九章小结  
![1032712-20190625180943222-1962617738.png][]

# Halcon中本次常用算子小结 #

仅列出算子，算子的使用建议通过F1查看文档，会比我的总结要明了很多

1.  complement：求区域的补集
2.  intersection：求两个区域的交集
3.  gen\_image\_const：生成指定大小的常数灰度的图像
4.  set\_grayval：设置灰度
5.  gray\_erosion：灰度腐蚀
6.  gray\_dilation：灰度膨胀
7.  abs\_diff\_image：图像相减，返回绝对值结果
8.  sub\_image：图像相减，具有方向性，减数和被减数交换顺序会导致结果不同
9.  min\_image：求出两个图片每一个像素的最小值（按照最小像素得出一个新图片）
10. max\_image：求出两个图片每一个像素的最大值（按照最大像素得出一个新图片）

转载于:https://www.cnblogs.com/yutou2016/p/11081494.html

[1032712-20190625102758022-301562114.png]: /images/20211211/bf56f13a15c347b38e532ca27f36deff.png
[https_blog.csdn.net_walk_on_the_cloud_article_details_51971115]: https://blog.csdn.net/walk_on_the_cloud/article/details/51971115
[1032712-20190625135626667-817288134.png]: /images/20211211/68ade573db904bd589e6d5824ed4cfbd.png
[1032712-20190625145552502-1837620947.png]: /images/20211211/7369388e73f24766986cefd7186c70e7.png
[1032712-20190625153311206-1528440818.png]: /images/20211211/aeb38e7250d941a28afe1c35fd1ec3db.png
[1032712-20190625180943222-1962617738.png]: /images/20211211/2d4af914c0e04677b2865d90476118ca.png