. .
تحقیقات مقالات آموزشی کنفرانس ها درباره ما  
.: پردازش تصویر .: پردازش سیگنال .: هوش محاسباتی .: هوش مصنوعی
 
.: مقدمه
>> تعریف تصویر دیجیتالی
>> تصویر حاکستری
>> تفریق دو تصویر
>> جمع دو تصویر
>> مکمل کردن تصویر
>> میانگین گیری از تصویر
>> پردازش هیستوگرام تصویر
>> ارتقاء تصویر و عملگر کانولوشن
>> تعریف عمل فیلتر کردن
>> فیلترهای آرام کننده حوزه مکانی
>> فیلترهای تیز کننده حوزه مکانی
>> عملگرهای مجموعه ای
>> گسترش باینری مورفولوژیکی
>> سایش باینری مورفولوژیکی
>> بستن و باز کردن مورفولوژیکی
>> استخراج اسکلت تصویر باینری
سایش باینری مورفولوژیکی
همانطور که از نام عملگر پیداست ، این عملگر باعث سایش نقاط 1 در تصویر می شود. همانند عملگر گسترش ، درعملگر سایش نیز از یک عنصر ساختمانی استفاده می کنیم که مقادیر عنصر ساختمانی 1 یا صفر می تواند باشد. به ازای هر پیکسل ، مرکز عنصر ساختمانی را روی پیکسل قرار داده و عملگر سایش را با توجه به مقادیر عنصر ساختمانی در مورد آن پیکسل اعمال می کنیم. سایش تصویر A با عنصر ساختمانی B به صورت زیر تعریف می شود:

                       

به عبارت دیگر گسترش A با عنصر ساختمانی B بدین معنی است که اگر عنصر ساختمانی B را بر روی پیکسل های A حرکت دهیم ، و در هربار حرکت همه نقاطی که در زیر مقادیر 1 از عنصر ساختمانی قرار گرفته اند نیز ، مقدار یک داشته باشند ، مقدار پیکسل حاصل نیز 1 خواهد بود. شکل روبرو خروجی تصویر را پس از سایش تصویر با عنصر ساختمانی 3*3 تمام 1 نشان می دهد.

پردازش تصویر در MATLAB
AISRG
تصویر اصلی
AISRG
حاصل گسترش تصویر
اعمال عملگر مورفولوژیکی سایش در محیط MATLAB با استفاده تابع imerode انجام می پذیرد.
>> BW1 = imread('circbw.tif');
>> SE = strel('rectangle',[5 5]);
>> BW2 = imerode(BW1,SE);
>> imshow(BW1),figure,imshow(BW2)

 
 

Valid CSS!  کلیه مطالب وب سایت با رعایت قوانین  GNU Free Documentation License قابل دسترس می باشند  | 1388- 1385 © AISRG
Valid XHTML 1.0 Transitional