C6 Morfologia

Proceso Morfolgico en Imgenes
Visin de Mquina
Prof. Flavio Prieto

email: faprietoo@unal.edu.co MAESTRA EN INGENIERA - AUTOMATIZACIN INDUSTRIAL Facultad de Ingeniera Universidad Nacional de Colombia Sede Bogot
23 de septiembre de 2009
Prof. Flavio Prieto
Visin de Mquina
Introduccin
La palabra morfologa signica forma y estructura de un objeto. La Morfologa Matemtica es una tcnica no lineal de procesamiento de imgenes basada en operaciones de conjuntos. Desde un punto de vista geomtrico la morfologa matemtica consiste en comparar los objetos a analizar con otro tipo de objeto de forma conocida, denominado elemento estructurante.
Las operaciones morfolgicas constituye una herramienta de extraccin de componentes de imagen tiles en la representacin y descripcin de la forma de las regiones.
Prof. Flavio Prieto Visin de Mquina 2
Preliminares
La morfologa matemtica trata con la forma y estructura de elementos. Ella est relacionada con teora de conjuntos.
Prof. Flavio Prieto
Visin de Mquina
Preliminares
La reexin del conjunto B es denida como: B = {w|w = b, para b B}. La traslacin del conjunto A por el punto z = (z1 , z2 ) es denido por: (A)z = {c|c = a + z, para a A}.
Prof. Flavio Prieto
Visin de Mquina
Preliminares
Para imgenes binarias las operaciones lgicas bsicas estn denidas como se muestra en la tabla.
Prof. Flavio Prieto
Visin de Mquina
Preliminares
Prof. Flavio Prieto
Visin de Mquina
Operaciones Bsicas
Imgenes binarias Dilatacin.
Prof. Flavio Prieto
Visin de Mquina
Operaciones Bsicas
Dilatacin.
Para A y B conjuntos en Z 2 , la dilatacin de A por B, denotada por A B, est denida como: A B = {z|(B)z A = }.
Prof. Flavio Prieto
Visin de Mquina
Operaciones Bsicas
Ejemplo de dilatacin.
Prof. Flavio Prieto
Visin de Mquina
Operaciones Bsicas
Propiedades de la dilatacin. conmutatividad: Asociatividad: Extensividad: La dilatacin es creciente: A B = B A. A (B C) = (A B) C. si 0 B, A A B. A B implica A D B D.
Prof. Flavio Prieto
Visin de Mquina
10
Operaciones Bsicas
Erosin.
Prof. Flavio Prieto
Visin de Mquina
11
Operaciones Bsicas
Erosin.
Para A y B conjuntos en Z 2 , la erosin de A por B, denotada por A B, est denida como: A B = {z|(B)z A}.
Prof. Flavio Prieto
Visin de Mquina
12
Operaciones Bsicas
Propiedades de la erosin. NO es conmutativa: Invariante a traslacin: A B=B A. B)x B)x B A.
Ax B = (A A Bx = (A si 0 B, A A
Extensividad: Regla de la cadena:
(B1 Bk ) = ( (A B1 )
Bk ).
Prof. Flavio Prieto
Visin de Mquina
13
Operaciones Bsicas
Ejemplo: erosin seguida por dilatacin.
Prof. Flavio Prieto
Visin de Mquina
14
Operaciones Bsicas
La dilatacin y la erosin son duales con respecto al complemento y la reexin de conjuntos, es decir: B)c = Ac B.
(A
Prof. Flavio Prieto
Visin de Mquina
15
Apertura y Cierre
Apertura (opening). La apertura del conjunto A por el elemento estructurante B, est denida por: A B = (A Cierre (closing). El cierre del conjunto A por el elemento estructurante B, est denida por: A B = (A B) B. B) B.
Prof. Flavio Prieto
Visin de Mquina
16
Apertura y Cierre
Interpretacin de apertura.
Prof. Flavio Prieto
Visin de Mquina
17
Apertura y Cierre
Interpretacin del cierre.
Prof. Flavio Prieto
Visin de Mquina
18
Apertura y Cierre
Ejemplo de apertura y cierre.
Prof. Flavio Prieto
Visin de Mquina
19
Apertura y Cierre
La apertura y el cierre son operaciones duales con respecto al complemento y la reexin de conjuntos, es decir: (A B)c = Ac B.
Prof. Flavio Prieto
Visin de Mquina
20
Apertura y Cierre
Apertura y cierre como ltro morfolgico. La apertura y cierre pueden ser utilizadas para la reduccin del ruido (como los ltros espaciales). El ltro morfolgico consiste de una apertura seguida por un cierre. (A B) B.
Prof. Flavio Prieto
Visin de Mquina
21
Apertura y Cierre
Ejemplo de apertura y cierre como ltro.
Prof. Flavio Prieto
Visin de Mquina
22
Apertura y Cierre
Propiedades de la operacin de Apertura.

1. A B es un subconjunto de A. 2. Si C es un subconjunto de D, entonces C B es un subconjunto de D B. 3. (A B) B = A B.
Propiedades de la operacin de Cierre.

1. A es un subconjunto de A B. 2. Si C es un subconjunto de D, entonces C B es un subconjunto de D B. 3. (A B) B = A B.
Prof. Flavio Prieto
Visin de Mquina
23
Transformada Hit-or-Miss
La transformada Hit-or-Miss (Transf. de ganancia o prdida). Es una herramienta para la deteccin de formas, denida como: A Donde B = (B1 , B2 ), con: B1 = X , B2 = (W X ). B es la conguracin que se quiere encontrar. B1 son los pxeles negros de B, y B2 los pxeles negros del complemento de B. Con W una ventana local que encierra al objeto X y cuyo valor de intensidad es el del fondo (background).
B = (A
B1 ) (Ac
B2 ).
Transformada Hit-or-Miss
A B = (A B1 ) (Ac B2 ).
Prof. Flavio Prieto
Visin de Mquina
25
Algoritmos Morfolgicos
Extraccin de fronteras. La frontera de A, notada por (A), se puede hallar como: (A) = A (A B).
Prof. Flavio Prieto
Visin de Mquina
26
Extraccin de fronteras.
Prof. Flavio Prieto
Visin de Mquina
27
Llenado de regiones. Se obtiene con el siguiente proceso iterativo: Xk = (Xk 1 B) Ac , k = 1, 2, 3, . . . donde X0 = p es un punto dentro de la frontera. B es un elemento estructurante simtrico.
Prof. Flavio Prieto
Visin de Mquina
28
Xk = (Xk 1 B) Ac , k = 1, 2, 3, . . .
Prof. Flavio Prieto
Visin de Mquina
29
Extraccin de componentes conectadas. Se obtiene con el siguiente proceso iterativo: Xk = (Xk 1 B) A, k = 1, 2, 3, . . . donde X0 = p es un punto de la regin conectada. B es un elemento estructurante simtrico.
Prof. Flavio Prieto
Visin de Mquina
30
Xk = (Xk 1 B) A, k = 1, 2, 3, . . .
Prof. Flavio Prieto
Visin de Mquina
31
Envolvente convexa. La envolvente convexa H de un conjunto arbitrario S es el menor conjunto convexo que contiene a S.
i Xk = (Xk 1 i Con X0 = A. i Sea D i = Cconv , donde el subndice conv indica convergencia, i i en el sentido que Xk = Xk 1 .
bi ) A, i = 1, 2, 3, . . .
Entonces la envolvente convexa de A es:

4
C(A) =
i=1
Di .
Prof. Flavio Prieto
Visin de Mquina
32
Prof. Flavio Prieto
Visin de Mquina
33
Un problema del mtodo anterior es que la envolvente convexa puede crecer ms all de la dimensin mnima requerida para garantizar la convexidad. Este problema se puede reducir limitando el crecimiento para que no vaya ms all de las dimensiones horizontales y verticales del conjunto original.
Prof. Flavio Prieto
Visin de Mquina
34
Adelgazamiento. El adelgazamiento del conjunto A por el elemento estructurante B, est denido por: A B = A (A = A (A B) B)c .
Una expresin de adelgazamiento simtrico, est basada en una secuencia (rotaciones) de elementos estructurantes: {B} = {B 1 , B 2 , B 3 , . . . , B n }. El adelgazamiento se dene como: A {B} = . . . (A B 1 ) B 2 . . . B n .
Visin de Mquina 35
Prof. Flavio Prieto
A {B} = `` ` . . . (A B 1 ) B 2 . . . B n .
Prof. Flavio Prieto
Visin de Mquina
36
Engrozamiento. Es el dual de adelgazamiento, est denido como: A de forma ms general: A {B} = . . . (A B1) B2 . . . Bn . B = A (A B),
Usualmente se adelgaza el complemento.
Prof. Flavio Prieto
Visin de Mquina
37
Adelgazamiento del complemento.
Prof. Flavio Prieto
Visin de Mquina
38
Esqueleto. z es un punto del esqueleto S(A), si (D)z es el disco ms grande centrado en z y ciontenido en A. El disco (D)z toca la frontera de A en dos o ms lugares diferentes.
Prof. Flavio Prieto
Visin de Mquina
39
Esqueleto. En funcin de dilataciones y erosiones, el esqueleto est denido como:
K
S(A) =
k =0
Sk (A).
Con Sk (A) = (A kB) (A kB) B. kB) indica k sucesivas B) ...) B.

40
Con B un elemento estructurante y (A erosiones de A: (A kB) = (. . . ((A

Prof. Flavio Prieto
B)
Visin de Mquina
K es la ltima iteracin antes de que se produzca un conjunto vaco, es decir: K = max{k |(A kB) = }.
El objeto A puede ser reconstruido a partir del esqueleto, mediante:

K
A=
k =0
(Sk (A) kB),
donde (Sk (A) kB) representa k sucesivas dilataciones, como: (Sk (A) kB) = ((. . . (Sk (A) B) B) . . . ) B.
Prof. Flavio Prieto
Visin de Mquina
41
Prof. Flavio Prieto
Visin de Mquina
42
Morfologa Matemtica en Niveles de Gris
Dilatacin. Sea f (x, y ) una imagen monocromtica y b(x, y ) un elemento estructurante. La dilatacin de f por b est denida por: (f b)(s, t) = max{f (s x, t y ) + b(x, y )|(s x), (t y ) Df ; (x, y ) Db }, donde Df y Db son los dominios de f y b repectivamente.
Prof. Flavio Prieto
Visin de Mquina
43

Dilatacin. (una dimensin). (f b)(s) = max{f (s x) + b(x)|(s x) Df ; (x) Db }.
Prof. Flavio Prieto
Visin de Mquina
44

Erosin. La erosin de f por b est denida por: (f b)(s, t) = min{f (s + x, t + y ) b(x, y )|(s + x), (t + y ) Df ; (x, y ) Db },
donde Df y Db son los dominios de f y b repectivamente.
Prof. Flavio Prieto
Visin de Mquina
45

Ejemplo de Dilatacin y Erosin.
Prof. Flavio Prieto
Visin de Mquina
46

Apertura y Cierre. Apertura (opening). La apertura de la imagen f por el elemento estructurante b, est denida por: f b = (f Cierre (closing). El cierre de la imagen f por el elemento estructurante b, est denido por: f b = (f b) b. b) b.
Prof. Flavio Prieto
Visin de Mquina
47

Apertura y Cierre.
Prof. Flavio Prieto
Visin de Mquina
48

Ejemplo de Apertura y Cierre.
Prof. Flavio Prieto
Visin de Mquina
49

Suavizado. Una apertura seguida por un cierre de la imagen f por el elemento estructurante b.
Prof. Flavio Prieto
Visin de Mquina
50

Gradiente (contorno). La imagen f dilatada por b menos la imagen f erosionada por b: g = (f b) (f b).
Prof. Flavio Prieto
Visin de Mquina
51
Morfologa Matemtica en color

Morfologa Matemtica en color. La formulacin de morfologa matemtica en color requiere la presencia de orden entre los pxeles (vectores) de la imagen. En escala de grises el orden de los valores discretos: 0 < 1 < 2 < 3 < ... < 253 < 254 < 255, es suciente para formar el retculo completo. Una solucin al problema de ausencia de orden se puede alcanzar considerando las imgenes en color como la composicin de tres funciones bidimensionales independientes con valor unidimensional.
Prof. Flavio Prieto
Visin de Mquina
52

En el caso del espacio RGB, se considera la imagen como composicin de mapas unidimensionales de valor: I1 = rojo, I2 = verde e I3 = azul. Entonces: f1 : Z 2 Z : X = (x, y ) I1 (R) f2 : Z 2 Z : X = (x, y ) I2 (G) f3 : Z 2 Z : X = (x, y ) I3 (B)
Prof. Flavio Prieto
Visin de Mquina
53

Imagen cromtica de Lenna presentada como la composicin de tres mapas bidimensionales R, G y B.
El tratamiento individual de cada mapa I1 , I2 e I3 se conoce como procesamiento marginal. La alternativa al procesamiento marginal es afrontar el problema de la ordenacin de los pxels y tratar los datos como vectores indivisibles: tratamiento vectorial.

Aproximacin marginal. El tratamiento marginal de imgenes en color consiste en procesar cada canal de la imagen por separado. La imagen se divide en canales individuales, se opera con el mismo criterio en cada uno de ellos para luego componer y unir los resultados.
Prof. Flavio Prieto
Visin de Mquina
55

En la denicin de las operaciones morfolgicas para tratamiento marginal no se observan cambios signicativos con respecto al caso de escala de grises. Una erosin se representa como: (f b)(s, t) = min{fi (s + x, t + y ) b(x, y )|(s + x), (t + y ) Df ; (x, y ) Db },
El nico detalle aparece en la eleccin de la funcin f en la que operar, i [1, 2, 3]. Otro punto es que en morfologa a color generalmente el elemento estructurante es plano, luego: (f b)(s, t) = min{fi (s + x, t + y )|(s + x), (t + y ) Df ; (x, y ) Db },

Erosin en color efectuada mediante tratamiento marginal. Todos los canales son erosionados con un elemento estructurante plano de tamao 3x3.
Prof. Flavio Prieto
Visin de Mquina
57

A primera vista, los resultados observados son bastante coherentes con el signicado de la operacin morfolgica efectuada. Se aprecia una perdida de valor de la seal cromtica en su conjunto: la imagen parece ms oscura. Sin embargo, si se efecta una operacin de zoom en una zona determinada de las imgenes original y procesada, se observa como han aparecido nuevas cromaticidades inexistentes en la imagen original. El efecto de nuevas cromaticidades, fenmeno conocido como falsos colores, se debe al procesamiento individual de cada canal de informacin, lo que provoca, en algunos casos, la descomposicin de los pxeles en la imagen.

Detalle de la erosin de una imagen en color mediante procesamiento marginal.
(a) Zoom de la imagen original. (b) Zoom de la operacin de erosin, aparicin de nuevas cromaticidades.

Como alternativa al proceso de la imagen en RGB, se propone el procesamiento marginal sobre HSI, operando nicamente con la intensidad.
Se puede concluir armando que la aproximacin marginal no es, en general, un mtodo satisfactorio para la extensin de morfologa clsica a imgenes cromticas.

Aproximacin vectorial. Para evitar los inconvenientes anteriores es preciso considerar y tratar cada pxel como un vector de componentes indivisibles. El problema surge en la ausencia de orden natural de los pxeles vectoriales, sea cual sea el nmero de componentes que posean. Es necesario adaptar diferentes estrategias de ordenamiento multidimensional a los modelos cromticos con los que se traten las imgenes. Si esto es posible, el procesamiento morfolgico de la imagen se efectu de forma vectorial.

Esquema de procesamiento vectorial para tres canales de informacin independientes.
Prof. Flavio Prieto
Visin de Mquina
62
La ordenacin de datos multidimensionales no es una tarea sencilla. Se debe denir una funcin de orden que, sobre una base Z n , proyecte un ndice de orden en el espacio Z . En imgenes, n = 3: o : Z 3 Z . Se notarn los elementos vectoriales de un conjunto en negrita, de forma que: (p, q) Z 3 , p q o(p) o(q).
Prof. Flavio Prieto
Visin de Mquina
63
La denicin de operaciones morfolgicas vectoriales debe amoldarse a los datos sobre los que operar: vectores. Denimos la erosin vectorial como: (f b)(s, t) = mino {f (s + x, t + y ) b(x, y )|(s + x), (t + y ) Df ; (x, y ) Db }
Denimos la dilatacin vectorial como: (f b)(s, t) = maxo {f (s x, t y ) + b(x, y )|(s x), (t y ) Df ; (x, y ) Db }
Prof. Flavio Prieto
Visin de Mquina
64

En morfologa a color generalmente el elemento estructurante es plano. Por lo que las operaciones bsicas se limitan a minimizaciones (erosin) y maximizaciones (dilatacin) espaciales en funcin del orden o denido previamente. Denimos la erosin vectorial como: (f b)(s, t) = mino {f (s + x, t + y )|(s + x), (t + y ) Df ; (x, y ) Db }
Denimos la dilatacin vectorial como: (f b)(s, t) = maxo {f (s x, t y )|(s x), (t y ) Df ; (x, y ) Db }


Orden por una componente. La ordenacin vectorial mediante una componente es, quizs, la aproximacin vectorial ms sencilla. Consiste en ordenar vectores atendiendo al valor de una nica componente, previamente denida como fuente del orden. El orden se reduce a una comparacin escalar. Este tipo de relacin no es antisimtrica, por lo que se denir formalmente como un preorden o tal que: (p = (x, y , z), q = (x , y , z )) Z 3 , p q x x . donde x e x se corresponden con la componente del vector elegida como escalar que dene el ndice de orden para el vector. Si x = x se comparan las segundas componentes y , y , y as sucesivamente.

Erosin vectorial mediante preorden por una componente. (a) Erosin dirigida por canal R. (b) Erosin dirigida por canal G. (c) Erosin dirigida por canal B.
Prof. Flavio Prieto
Visin de Mquina
67
Segmentacin con Morfologa

La transformacin Watershed (inundacin o llenado de agua). Visualicemos una imagen en tres dimensiones dos coordenadas espaciales y el nivel de gris. En esta imagen consideramos tres tipos de puntos: 1. Los puntos que pertenece a un mnimo local, 2. Los puntos en los que si pongo una gota de agua, esta caer con certeza hacia un mnimo. 3. Los puntos en los que una gota de agua puede caer con igual probabilidad a ms de un mnimo.
Prof. Flavio Prieto
Visin de Mquina
68
Los puntos que satisfacen la condicin (2) son llamados paredes de la cuenca o watershed del mnimo. Los puntos que satisfacen la condicin (3) forman las lneas cresta o cima de la topografa de la supercie, son llamadas lneas divisorias o lneas watershed. El objetivo de los algoritmos de segmentacin basados en estos conceptos es encontrar las lneas watershed.
Prof. Flavio Prieto
Visin de Mquina
69

Se presenta la imagen como presa y se inunda.
Prof. Flavio Prieto
Visin de Mquina
70

Las lneas watershed o divisorias se crecen hasta la altura mxima (como represas).
Prof. Flavio Prieto
Visin de Mquina
71
Generalmente la segmentacin watershed se aplica a una imagen de magnitud del gradiente ms que a la imagen misma. En la imagen de magnitud del gradiente, las regiones de mnimos locales corresponden a los valores de gradiente pequeo.
Prof. Flavio Prieto
Visin de Mquina
72

Construccin de presas entre regiones. La manera ms simple para construir las represas que separan conjuntos de puntos binarios es usar la dilatacin morfolgica. Se dilata cada regin, y se halla la interseccin de las dos regiones dilatadas, si esta interseccin es diferente de vaco, los elementos de esta interseccin constituyen la represa. Si la interseccin es vaco se dilatan de nuevo y se repite el proceso.
Prof. Flavio Prieto
Visin de Mquina
73
Construccin de presas entre regiones. Dilatacin. Interseccin.
Prof. Flavio Prieto
Visin de Mquina
74

Algoritmo de segmentacin watershed. Sean M1 , M2 , . . . , MR los conjuntos de coordenadas de puntos en las regiones mnimas de una imagen g(x, y ) (imagen gradiente). Sea C(Mi ) un conjunto de coordenadas de los puntos paredes de cuenca asociados a las regiones mnimas Mi . Sea T [n] el conjunto de coordenadas (s, t) para las cuales g(s, t) < n. Es decir: T [n] = {(s, t) | g(s, t) < n}. Geomtricamente, T [n] es el conjunto de coordenadas de puntos en g(x, y ) que estn debajo del plano g(x, y ) = n.
Prof. Flavio Prieto
Visin de Mquina
75

La topografa se inunda en incrementos enteros desde n = min + 1 hasta n = max + 1. min y max representan los valores mnimo y mximo en g(x, y ) (imagen de gradientes). En cada paso n del proceso de inundacin el algoritmo necesita conocer el nmero de puntos debajo del nivel de inundacin. Sea Cn (Mi ) el conjunto de coordenadas de puntos en las paredes de cuenca asociados a las regiones mnimas Mi que han sido inundados en el estado n. Cn (Mi ) puede ser visto como una imagen binaria dada por: Cn (Mi ) = C(Mi ) T [n].

Es decir: Cn (Mi )(x, y ) = 1, (x, y ) C(Mi ) AND (x, y ) T [n] 0, en caso contrario .
Sea C[n] la unin de las porciones de paredes de cuenca inundadas en el estado n:

R
C[n] =
i=1
Cn (Mi ).
Luego, C[max + 1] es la unin de todas las paredes de cuenca:

R
C[max + 1] =
i=1
Cn (Mi ).
Prof. Flavio Prieto
Visin de Mquina
77
C[n] es un subconjunto de T [n], por lo tanto C[n 1] es un subconjunto de T [n]. Por lo anterior se sigue que cada componente conectado de C[n 1] est contenido en exactamente un componente conectado de T [n]. El algoritmo para encontrar las lneas watershed es inicializado con C[min + 1] = T [min + 1]. El algoritmo es recursivo y asume que en el paso n se ha sido construido C[n 1].
Prof. Flavio Prieto
Visin de Mquina
78

Un procedimiento para obtener C[n] a partir de C[n 1] es: Sea Q un conjunto de componentes conectados en T [n]. Para cada componente conectado q Q[n], hay tres posibilidades:
1. q C[n 1] es vaco. 2. q C[n 1] contiene un componente conectado de C[n 1]. 3. q C[n 1] contiene ms de un componente conectado de C[n 1].
La condicin (1) ocurre cuando un nuevo mnimo es encontrado, en cuyo caso el componente conectado q es incorporado a C[n 1] para formar C[n].
La condicin (2) ocurre cuando q cae en la pared de cuenca de algn mnimo regional, en cuyo caso el componente conectado q es incorporado a C[n 1] para formar C[n]. La condicin (3) ocurre cuando todo, o parte, de un puente que separa dos o ms paredes de cuenca es encontrado. Una inundacin adicional producir una mezcla de aguas de las cuencas. Por lo tanto una presa debe ser construida en q para prevenir el sobreujo de aguas.
Prof. Flavio Prieto
Visin de Mquina
80

Ejemplo.
Prof. Flavio Prieto
Visin de Mquina
81

Funcin en MatLab:
Prof. Flavio Prieto
Visin de Mquina
82
Funciones en Matlab
Estudiar las siguientes funciones de Matlab: imdilate. imerode. strel. imopen. imclose. bwhitmiss. bwmorph. imreconstruct. imll. imclearborder
Prof. Flavio Prieto
Visin de Mquina
83
Tarea
Aplicar la funcin Watershed a la segmentacin de imagenes (imgenes generales y de su proyecto). Evaluar el desempeo de esta tcnica de segmentacin.
Prof. Flavio Prieto
Visin de Mquina
84

C6 Morfologia

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

C6 Morfologia

Cargado por

Copyright:

Formatos disponibles

Proceso Morfolgico en Imgenes

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Propiedades de la dilatacin. conmutatividad: Asociatividad: Extensividad: La dilatacin es creciente: A B = B A. A (B C) = (A B) C. si 0 B, A A B. A B implica A D B D.

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Propiedades de la erosin. NO es conmutativa: Invariante a traslacin: A B=B A. B)x B)x B A.

Extensividad: Regla de la cadena:

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Propiedades de la operacin de Apertura.

Propiedades de la operacin de Cierre.

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Entonces la envolvente convexa de A es:

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Usualmente se adelgaza el complemento.

Prof. Flavio Prieto

Prof. Flavio Prieto

Prof. Flavio Prieto

Con Sk (A) = (A kB) (A kB) B. kB) indica k sucesivas B) ...) B.

Con B un elemento estructurante y (A erosiones de A: (A kB) = (. . . ((A

El objeto A puede ser reconstruido a partir del esqueleto, mediante:

(Sk (A) kB),

Prof. Flavio Prieto

Prof. Flavio Prieto

Morfologa Matemtica en Niveles de Gris

Prof. Flavio Prieto

Morfologa Matemtica en Niveles de Gris

Prof. Flavio Prieto

Morfologa Matemtica en Niveles de Gris

donde Df y Db son los dominios de f y b repectivamente.

Prof. Flavio Prieto

Morfologa Matemtica en Niveles de Gris

Prof. Flavio Prieto

Morfologa Matemtica en Niveles de Gris

Prof. Flavio Prieto