捨入參數化之灰度值轉換及形態邊緣偵測

Abstract

本論文分成兩部分，第一部分研究一種灰度值轉換的新方法，第二部分討論數學形態 學在邊緣偵測上的應用，主要是對以前既有的形態邊緣偵測法提出改進。 灰度值轉換在影像顯示、傳輸輿儲存等領域, 都有很重要的地位, 本文第一部份提出 一種新的轉換方法, 可以快速的將影像灰度值降低到任意范圍, 而仍然保持影像良好 的層次感與相似性。在灰度值轉換時，有一個介于0 與1 之間的捨入參數P 供使用者 選擇，當P 接近0 .5時，對於紋理的反應很敏銳；當P 漸漸遠離0.5 時，結果漸漸的 平滑化，而產生與order dither類似的效果。 對于灰度值降低後的資料，我們針對其資料分布的特性，提出兩種資料編碼的方法與 一種灰度值擴充的演算法。針對二元影像的編碼，使用位位置重排的技巧，可以達到 每點0.18bits的資料比 (data rate)，第二種編碼法是二元樹編碼法，對於八灰度值 的影像，可以達到資料比每點1.03 bits。 這兩種編碼法都產可以完全恢復 (error free)。 在灰度值擴充方面，我們使用與灰度值縮減類似的演算法，所產生的誤差比使用Ord- er dither 所得的結果小得多。 數學形態學的運算具有很容易了膫解的幾何性質，本文的第二部分針對其在邊緣偵測 上的應用進行研究。我們提出一個完全使用形態學運算組合而成的形態低頻濾波器(M LP) 做為邊緣偵測之前處理器，可以在消除雜訊時保留住原始影像的邊緣梯度值，使 邊緣偵測的結果更加精確。另外，我們也應用形態學的clos-eopen運算來把影像中的 線條加以分離，使其不致於在邊緣偵測時產生混淆。