Б.И. ЭРДНИЕВ ЦИФРОВЫЕ ФИЛЬТРЫ, ОСНОВАННЫЕ НА ОПЕРАЦИЯХ МЯГКОЙ МОРФОЛОГИИ

Б.И. ЭРДНИЕВ
Национальный исследовательский ядерный университет «МИФИ»
ЦИФРОВЫЕ ФИЛЬТРЫ, ОСНОВАННЫЕ НА ОПЕРАЦИЯХ
МЯГКОЙ МОРФОЛОГИИ
В данной работе представлен алгоритм фильтрации изображений с использованием операций мягкой морфологии. Предложенный алгоритм основан на базовых операциях: мягкой дилатации, мягкой эрозии, отличных от классических операций. Управление фильтрами осуществляется через широкий набор параметров.
В задачах распознавания образов очень важным этапом является этап
предварительной обработки изображения, результаты которого зачастую
оказывают решающее влияние на общий результат всего процесса обработки изображения. Шум на изображении может возникать из-за несовершенства оптической системы и приборов регистрации изображения,
отклонений в технологических процессах формирования объектов контроля, приводящих к возникновению на изображении нежелательных
элементов, искажающих яркостные, цветовые и геометрические параметры изображения, погрешностей работы предыдущих этапов обработки
изображения (сегментации и бинаризации). На сегодняшний день разработано множество фильтров для улучшения изображения, такие как медианные, ранговые фильтры, фильтры на основе преобразований Фурье и
т.д. Также широкое применение получили фильтры на базе операций математической морфологии[1]. Главным преимуществом которых является
наличие большого количества параметров, позволяющих применять данный фильтр для удаления шумов и меньшего искажения границ сегментов.
На данный момент мягкая морфология имеет достаточно проработанную теорию бинарной математической морфологии и может быть приведена к теории полутоновой математической морфологии[2,3].Базовые
операции мягкой морфологии — эрозия и дилатация, основаны на объединении, пересечении множеств [4].
A

B
(A
)x A

B
(A
)x
x

B
x

B
(
A
)

{
c

Z
|c

a

x
,

a

A
}
x
2
Операции отмыкания и замыкания в классической морфологии обладает свойством идемпотентности: Ψ(Ψ(А))=Ψ(А), т.е. многократное по-
вторение операции с одним структурирующим элементом не изменяет
результат операции [1].
В теории мягкой морфологии основные операции свойству идемпотентности не удовлетворяют, что позволяет при многократном использовании базовых операций с малым структурирующим элементом добиться
удовлетворительного удаления шума.
На первом этапе на вход подается полутоновое изображение, производится анализ его содержимого. На следующем этапе в зависимости от
искажений объектов в автоматическом (или ручном) режиме происходит
выбор параметров: структурирующего элемента, количество проходов
фильтра, пороговые значения базовых операций эрозии и дилатации.
По окончанию работы фильтра оценивается преобразованная геометрия и расположение объектов.
Управление цифровым фильтром осуществляется через параметры:
размер и форма структурирующего элемента, набор операций, набор различных структурирующих элементов, пороги мягкой эрозии и дилатации,
количество проходов фильтра.
На третьем этапе, оценивается качество работы фильтра, и если результат не удовлетворительный (нарушена геометрия объектов, их расположение), то производится корректировка параметров экспертом.
На финальном этапе бинарное изображение преобразуется в полутоновое [5], данные из анализа изображения и параметры фильтра заносятся в
базу данных, с целью статистических исследований и более оптимального
выбора параметров фильтрации.
В заключении, разработан алгоритм фильтрации изображений на основе операций мягкой морфологии. Планируется оптимизация работы
фильтра по временным и машинным затратам за счет более точного анализа исходного изображения и использования специфичного API.
Список литературы
1. Инютин А. Фильтрация изображений с использованием операций мягкой морфологии.
//Институт проблем искуственного интеллекта, 2007. - № 3. - P. 217-228.
2. Gasteratos A., Andreadis I. Fuzzy Soft Mathematical Morphology. //VISP(145), No. 1, February
1998, pp. 41-49
3. Bloch I., Maitre H. Fuzzy mathematical morphologies: a comparative study // Pattern Recognit.,
1995, 28, (9), pp. 1341–1387.
4. Koskinen L., Astola J., Neuvo Y. Soft morphological filters //Proc. SPIE - Int. Soc. Opt. Eng.,
1991, 1568, pp. 262–270.
5. Vardavoulia M., Gasteratos A., Andreadis I. Binary, Gray-Scale, and Vector Soft Mathematical
Morphology: Extensions, Algorithms, and Implementations //Proc Advances in imaging and electron physics, vol. 119