论文部分内容阅读
数学形态学具有严格的数学理论基础与精简高效的思想,其基本理论和方法已经广泛地应用于图像处理的各个方面。数学形态学图像处理,是用结构元素作为探针去收集图像的信息,针对同一幅图像,应用不同的结构元素进行形态学运算,会得到不同的处理结果,因此结构元素的选取极大程度的影响了形态学图像处理效果。但是经典数学形态学在进行图像处理时使用固定的结构元素,不能很好地适应多目标图像或目标变化较大的图像,会导致图像细节的大量缺失,因此根据图像自身特征自适应地选取结构元素尤为重要。首先,针对图像的局部特征和像素的位置信息,本文提出一种根据图像中待处理像素点邻域的特征选取结构元素的形态学算子,结构元素可以根据邻域像素的特征自适应的调整形状。定义了自适应邻域数学形态学算子并实现了四种基本运算,与经典数学形态学运算结果比较,主客观上评价了本文提出的自适应邻域形态学算子,实验结果表明,本文算子能够保留更多的图像信息。其次,由于数学形态学在图像处理方面的广泛应用,对图像处理速度有了更高的要求,而现场可编程逻辑器件FPGA作为当今主流的大规模可编程集成电路,是提升数学形态学图像处理速度的一个很好的选择,因此,将提出的自适应数学形态学算子与硬件FPGA相结合来提高数学形态学图像处理速度,基于FPGA的自适应邻域数学形态学算子的二值图像处理系统,包括七个模块,分别为控制模块、数据读取模块、膨胀运算模块、腐蚀运算模块,开启运算模块,闭合运算模块,以及模板更新模块,应用Modelsim仿真软件,完成自适应数学形态学四种基本运算的仿真实验,验证了各个模块的逻辑正确性,以及自适应邻域数学形态学FPGA实现的可行性,最后将经过FPGA处理后的图像与MATLAB处理后的图像进行比较,证明了基于FPGA的自适应邻域数学形态学的正确性。最后,为了从客观的角度评价本文提出的新算子,引入了结构相似度和边缘保持指数两个评价指标,针对经典数学形态学图像处理结果和自适应邻域数学形态学图像处理结果,计算评价指标数据,通过对比评价指标数据,对本文提出的自适应数学形态学算法的图像处理效果进行定性分析评价。同时,为了弥补以往对数学形态学定量分析方面的方法的缺失,提出了一种的定量分析方法,统计数学形态学图像处理结果的像素值,从像素值的角度分析自适应数学形态学图像原理及图像处理的效果。同时将新算子应用到图像边缘提取及滤波当中去,对比经典数学形态学的边缘提取和滤波效果,分别从主客观上分析新算子在图像处理应用中的优点。