[发明专利]一种基于最大树结构的形态学滤波方法

说明书

技术领域

本发明涉及一种基于最大树结构的形态学滤波方法。

背景技术

数学形态学现如今的应用范围几乎覆盖图像处理的所有领域。基于数学形态学原理的形态滤波器是一种非线性滤波器，即使形态滤波器发展到现在，研究人员一直注重于对形态学滤波器功能的改进，以达到更好的滤波效果。选取一种结构元素做“探针”来探索考究输入图像中的几何结构，当输入图像中的几何结构与所选定的结构元素相吻合时，则该几何结构被保留，否则被删除，即为形态学滤波器滤波的基本思想。形态学滤波器不仅能滤除输入图像所含的噪声而且同时保持了更多输入图像中对象的细节。由算子决定的滤波器基本运算方式主要有腐蚀、膨胀、开运算和闭运算，正方形、长方形、线条形、圆形和不规则形等是常用的结构元素形状。

但是在实际应用中采用基本形态学滤波器和广义形态学滤波器时普遍存在一个问题：滤波操作过程中需要的结构元素在选取时颇受限制，只有选定最优的结构元素才能达到较好的图像滤波效果，一旦结构元素选取的不得当，就不能达到理想中的滤波效果，图像被保留部分和被删除部分可能与实际需求不相符。为了选择适合处理输入图像的最优结构元素，需要借助遗传算法、粒子群优化算法和层叠算法，因此结构元素的选取变得复杂和繁琐。

因此，有必要设计一种新型的形态学滤波方法。

发明内容

本发明所要解决的技术问题是提供一种基于最大树结构的形态学滤波方法，该基于最大树结构的形态学滤波方法以最大树为基础建立形态滤波器，步骤简单，效率高。

发明的技术解决方案如下：

一种基于最大树结构的形态学滤波方法，包括以下步骤：

步骤1：通过递归迭代方法构建最大树；

步骤2：对最大树进行枝剪；

步骤3：图像复原。

步骤1中，最大树的构建方法包括以下步骤：

1)设定当前灰度值h的初始值为0；

2)通过洪泛搜索找出图像中所有临时节点中存储的是灰度值大于等于h的所有像素点；将灰度值等于h的像素点作为当前根节点；灰度值大于h的节点作为下一个临时节点

3)使得h＝h+1，返回步骤2)，直到图像中所有的像素点均被处理完；

4)最初的节点为根节点，其余节点为叶子节点；形成了最大树用于表示图像中各像素点的联通关系，将每条支路节点所含像素点坐标值存入支路矩阵mt中；

支路矩阵mt有256行；mt的第一行存储根节点的灰度值及像素点坐标(x，y)；

具体存储方式为：第一行、第一列mt(1，1)存储根节点的灰度值h大小；第一行、第二列mt(1，2)存储根节点第一个像素点的横坐标x，第一行、第三列mt(1，3)存储第一个像素点的纵坐标y，mt(1，4)存储根节点第二个像素点的横坐标x，mt(1，5)存储第二个像素点的纵坐标y，...，依此类推，将所有根节点的像素点坐标值全部存储在支路矩阵的第一行中；在支路矩阵中，每行存储至少一个灰度值相同的连通域；

mt第二行则存储根节点的叶子节点；，...，依此类推。【当多个像素点在一个连通域时，该连通域内所有像素灰度值相同。为此，本专利将连通域的多个像素点坐标依次存储在支路矩阵的某一行，存储的每个像素都有横坐标和纵坐标，根据这个两个坐标值确定像素点坐标。

根据支路矩阵的每一行中同一个连通域内像素点的数量，即可确定该灰度值对应连通域的面积，该面积用像素点的个数来表示，即该节点(每一个节点对应一个连通域)的面积属性值】

【为求得节点C_x即连通区域P_x的面积，充分利用支路矩阵mt的作用。连通区域的面积可理解为该区域包含的像素点个数，故只要计算出像素点的总数即可求出该平面区域的面积，只需求出支路矩阵mt中每行不为0的值个数num，即可得出平面区域像素点的总体数量，如下公式：

Area=num2;]]>