影像處理 | Boundary Extraction & Region Filling
這是我在中興大學資工系修習影像處理 Digital Image Processing這門課程所做的課後作業，在這個作業中，我將會使用到數學形態學( Mathematical morphology )中的一些技巧，包含侵蝕( Erosion )、膨脹( Dilation )，來實現如標題所需要的邊界抽取( Boundary Extraction )及區域填充( Region Filling )。 本作業的原理是這樣，我們可以在二值化影像中利用形態學原理來改變影像內容，假想一下，所所謂的 二值化影像 ，就是影像的像素簡單表現為0和1(嚴格來說應該是255)，就是全亮和全暗，以下我則描述為全黑和全白，這些像素將構成完整的圖片。 想像一下，你拿著一隻立可白塗黑板，黑板上就只有白色線條和黑色版面。 一張簡單的二值化影像，影像中只有全黑、全白兩種像素 二值化影像的像素分佈情況 往下描述如何透過 Erosion 和 Dilation 來分別實現 Boundary Extraction 、 Region Filling 。 Boundary Extraction 只需用到 Erosion ，再搭配像素加減運算，謹記著幾個要點即可。 Erosion 是將影像中白色區域做減肥，運算完的結果會比原圖的白色區域更小，讓該物體瘦一圈，這一圈的寬度是由捲積Kernel 的大小所決定的， Kernel沿著影像滑動並計算，如果Kernel中m * n 範圍內所有像素值都是1，那麼新的像素值就保持原來的值，否則新的像素值為0，Kernel掃過的所有像素都會被腐蝕或侵蝕掉，影像的白色區域會變少。 在我們執行完 Erosion 後，可以發現1的部位被縮小了，就視覺上未必會發現亮的部位變小，因為他的變化著實很細微，有些原圖亮的像素是1，他在 Erosion 結果中是0，如果把他們相減，就可以得到找到亮部的相差，如此就會拿到亮部的輪廓。 先把圖片 Ａ 做Erosion後，高亮的地方變瘦了，接著用原圖減去Erosion結果 Ｂ ，對比原圖， Ｂ ( Erosion )亮的地方比較瘦，原圖減去Erosion結果 Ａ-B ，可以得到在Erosion結果中對比原圖沒有的亮部位，就可以得到邊緣了。 看一下 Boundary Extraction 的處理步驟：特別提醒一點，這邊說的相減或其他運算，都是指向素...