Documente Academic
Documente Profesional
Documente Cultură
morfologı́a matemática
Definiciones
◮ Imagen binaria: aquella en la que sus pı́xeles asumen uno de sólo
dos posibles valores lógicos discretos: 1 ó 0.
◮ De forma general, los pı́xeles que tiene un valor lógico 1 reciben el
nombre de pı́xeles objeto (foreground pixels).
◮ Los pı́xeles que tiene un valor lógico 0 reciben el nombre de pı́xeles
de fondo (background pixels).
◮ un objeto en una imagen binaria consiste es cualquier grupo de
pı́xeles conectados.
A ⊖ B = {z|(B)z ⊆ A} (3)
Nada
2 https://studentportalen.uu.se/uusp-filearea-tool/download.action?nodeId=630535&toolAttachmentId=128081.
Implementación práctica de la erosión
1. Se consideran los pı́xeles objeto de la imagen analizada. Sobre cada
uno se superpone el e.e. El origen de éste último, debe coincidir con
la ubicación del pixel de bajo análisis en la imagen.
2. Si para cada pı́xel en el elemento estructurante, el pixel
correspondiente de la imagen debajo es un pixel objeto, entonces el
pı́xel de entrada se deja siendo pı́xel objeto.
3. Si alguno de los pı́xeles en la superposición del e.e sobre un pı́xel
analizado en la imagen, pertenece al fondo, a éste último se le pone
como valor, cero.
A ⊕ B = {z|(B̂)z ∩ A 6= ∅} (4)
2. Si al hacer la superposición del e.e. sobre el pı́xel analizado, al menos un pı́xel coincide con
un pixel-objeto de la región de la imagen debajo, el pixel analizado se deja siendo pixel
objeto.
Nada
3 https://studentportalen.uu.se/uusp-filearea-tool/download.action?nodeId=630535&toolAttachmentId=128081.
Apertura: (A ⊖ B) ⊕ B
imopen.m
1. Abre “huecos” cerca (considerando el tamaño del elemento estructurante) de fronteras, y
remueve prequeñas protuberancias [1].
2. Aplicación: separación de objetos considerando el tamaño relativo (y forma) de un elemento
estructurante [2].
3. Elimina protusiones.
4. Rompe conecciones.
5. Suaviza contornos.
50 50
100 100
150 150
200 200
250 250
300 300
350 350
400 400
450 450
20 40 60 80 100 120 140 20 40 60 80 100 120 140
Figura 11: (a) Imagen original y (b), apertura de la misma, con un elemento
estructurante cuadrado de 21 × 21 pı́xeles.
Apertura morfológica en detalle
50 50
100 100
150 150
200 200
250 250
300 300
350 350
400 400
450 450
20 40 60 80 100 120 140 20 40 60 80 100 120 140
(a) (b)
Figura 13: (a) Imagen original y (b), cierre de esta, con elemento estructurante
cuadrado de 21 × 21 pı́xeles.
Cierre morfológico en detalle4
4 https://studentportalen.uu.se/uusp-filearea-tool/download.action?nodeId=630535&toolAttachmentId=128081.
Transformada hit-or-miss
E = (A ⊕ B) − (A ⊖ B) (5)
Thinning
Funcionamiento:
X − Y = X ∩ NOT(Y ) (7)
Thinning - implementación
Xk = (Xk−1 ⊕ B) ∩ AC , k = 1, 2, 3, · · · (8)
la cual se repite hasta que Xk = Xk−1 .
◮ una vez terminada la iteración, la región final se halla mediante: A ∪ Xk .
(a) (b)
Figura 17: (a) Letra E: versión binaria. Esqueleto de la letra obtenido mediante
la función bwmorph.m.
Ejemplo: extracción de caracterı́sticas (II)
(a) (b)
(a) (b)
9
E
A
8
7
Número de endpoints
0
0 1 2 3 4 5 6 7 8
Número de branchpoints
1. Piense en el número posible de esquinas que pueden detectarse en una imagen binaria.
Diseñe elementos estructurantes para hallar, vı́a transformada hit-or-miss, tales esquinas.
2. Consulte sobre cómo utilizar las funciones strel.m y getnhood.m de Matlab, para diseñar y
ver como matrices, elementos estructurantes de formas variadas.
Haralick, R. M., Sternberg, S. R., & Zhuang, X. (1987). Image analysis using mathematical
morphology. Pattern Analysis and Machine Intelligence, IEEE Transactions on, (4), 532-550.
Solomon, C.J. & Breckon, T.P. (2010) Fundamentals of Digital Image Processing: A Practical
Approach with Examples in Matlab, Wiley-Blackwell.
Eddins, S. L., Gonzalez, R. C., & Woods, R. E. (2004). Digital image processing using Matlab.
Princeton Hall Pearson Education Inc., New Jersey.