数学形态学原理及应用
数学形态学的基本运算
第二章数学形态学的基本运算 2.1二值腐蚀和膨胀 二值图象是指那些灰度只取两个可能值的图象，这两个灰度值通常取为0和1。习惯上认为取值1的点对应于景物中的点，取值为0的点构成背景。这类图象的集合表示是直接的。考虑所有1值点的集合(即物体)X，则X与图象是一一对应的。我们感兴趣的也恰恰是X集合的性质。 如何对集合X进行分析呢?数学形态学认为，所谓分析，即是对集合进行变换以突出所需要的信息。其采用的是主观“探针”与客观物体相互作用的方法。“探针”也是一个集合，它由我们根据分析的目的来确定。术语上，这个“探针”称为结构元素。选取的结构元素大小及形状不同都会影响图象处理的结果。剩下的问题就是如何选取适当的结构元素以及如何利用结构元素对物体集合进行变换。为此，数学形态学定义了两个最基本的运算，称为腐蚀和膨胀即1。 2.1 .1二值腐蚀运算 腐蚀是表示用某种“探针”(即某种形状的基元或结构元素)对一个图象进行探测，以便找出图象内部可以放下该基元的区域。它是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。腐蚀的实现同样是基于填充结构元素的概念。利用结构元素填充的过程，取决于一个基本的欧氏空间概念—平移。我们用记号A二表示一个集合A沿矢量x平移了一段距离。即: 集合A被B腐蚀，表示为AΘB，其定义为: 其中A称为输入图象，B称为结构元素。AΘB由将B平移x仍包含在A内的所有点x组成。如果将B看作模板，那么，AΘB则由在将模板平移的过程中，所有可以填入A内部的模板的原点组成。根据原点与结构元素的位置关系，腐蚀后的图象大概可以分为两类: (1)如果原点在结构元素的内部，则腐蚀后的图象为输入图象的子集，如图2.1所示。 (2)如果原点在结构元素的外部，那么，腐蚀后的图象则可能不在输入图象的内部，如图2.2所示。 图2.1腐蚀类似于收缩
《数学归纳法及其应用举例》教案
《数学归纳法及其应用举例》教案 中卫市第一中学 俞清华 教学目标： 1．认知目标：了解数学归纳法的原理，掌握用数学归纳法证题的方法。 2．能力目标：培养学生理解分析、归纳推理和独立实践的能力。 3．情感目标：激发学生的求知欲，增强学生的学习热情，培养学生辩证唯物主义的世界观 和勇于探索的科学精神。 教学重点： 了解数学归纳法的原理及掌握用数学归纳法证题的方法。 教学难点： 数学归纳法原理的了解及递推思想在解题中的体现。 教学过程： 一．创设情境，回顾引入 师：本节课我们学习《数学归纳法及其应用举例》（板书）。首先给大家讲一个故事：从前有 一个员外的儿子学写字，当老师教他写数字的时候，告诉他一、二、三的写法时，员外儿子很高兴，告诉老师他会写数字了。过了不久，员外要写请帖宴请亲朋好友到家里做客，员外儿子自告奋勇地要写请帖。结果早晨开始写，一直到了晚间也没有写完，请问同学们，这是为什么呢？ 生：因为有姓“万”的。 师：对！有姓“万”的。员外儿子万万也没有想到“万”不是一万横，而是这么写的“万”。通过这个故事，你对员外儿子有何评价呢？ 生：（学生的评价主要会有两种，一是员外儿子愚蠢，二是员外儿子还是聪明的。） 师：其实员外儿子观察、归纳、猜想的能力还是很不错的，但遗憾的是他猜错了！在数学 上，我们很多时候是通过观察→归纳→猜想，这种思维过程去发现某些结论，它是一种创造性的思维过程。那么，我们在以前的学习过程中，有没有也像员外儿子那样猜想过某些结论呢？ 生：有。例如等差数列通项公式的推导。 师：很好。我们是由等差数列前几项满足的规律：d a a 011+=，d a a +=12，d a a 213+=，d a a 314+=，……归纳出了它的通项公式的。其实我们推导等差数列通项公式的方法和员外儿子猜想数字写法的方法都是归纳法。那么你能说说什么是归纳法，归纳法有什么特点吗？ 生：由特殊事例得出一般结论的归纳推理方法，通常叫做归纳法。特点：特殊→一般。 师：对。（投影展示有关定义） 像这种由特殊事例得出一般结论的归纳推理方法，通常叫做归纳法。根据推理过程中考察的 对象是涉及事物的一部分还是全部，分为不完全归纳法和完全归纳法。 完全归纳法是一种在研究了事物的所有（有限种）特殊情况后得出一般结论的推理方法，又 叫做枚举法。那么，用完全归纳法得出的结论可靠吗？ 生：（齐答）可靠。 师：用不完全归纳法得出的结论是不是也是可靠的呢？为什么？
实验三 数学形态学及其应用
实验三 数学形态学及其应用 一．实验目的 1.了解二值形态学的基本运算 2.掌握基本形态学运算的实现 3.了解形态操作的应用 二．实验基本原理 腐蚀和膨胀是数学形态学最基本的变换，数学形态学的应用几乎覆盖了图像处理的所有领域，给出利用数学形态学对二值图像处理的一些运算。 膨胀就是把连接成分的边界扩大一层的处理。而收缩则是把连接成分的边界点去掉从而缩小一层的处理。 二值形态学 I(x,y), T(i,j)为 0/1图像Θ 腐蚀：[]),(&),(),)((),(0,j i T j y i x I AND y x T I y x E m j i ++=Θ== 膨胀：[]),(&),(),)((),(0 ,j i T j y i x I OR y x T I y x D m j i ++=⊕== 灰度形态学 T(i,j)可取10以外的值 腐蚀： []),(),(min ),)((),(1 ,0j i T j y i x I y x T I y x E m j i -++=Θ=-≤≤ 膨胀： []),(),(max ),)((),(1 ,0j i T j y i x I y x T I y x D m j i +++=⊕=-≤≤ 1.腐蚀Erosion: {}x B x B X x ?=Θ: 1B 删两边 2B 删右上 图5-1 剥去一层（皮）
2.膨胀Dilation: {}X B x B X x ↑⊕:＝ 1B 补两边 2B 补左下 图5-2 添上一层（漆） 3.开运算open ：B B X ⊕Θ=)(X B 4.闭close ：∨ Θ⊕=B B X X B )( 5.HMT(Hit-Miss Transform:击中——击不中变换) 条件严格的模板匹配 ),(21T T T =模板由两部分组成。1T ：物体，2T ：背景。 {} C x x i X T X T X T X ??=?21, 图5-3 击不中变换示意图 性质： （1）φ=2T 时，1T X T X Θ=? （2）)()()(21T X T X T X C Θ?Θ=? C T X T X )()(21Θ?Θ= )/()(21T X T X ΘΘ= 6.细化/粗化 (1)细化（Thin ） C T X X T X XoT )(/??=?= X 2 1 1 1 2 3 T
基于数学形态学的信息识别研究及Matlab实现
2011年9月15日第34卷第18期 现代电子技术 M odern Electro nics T echnique Sep.2011V ol.34N o.18 基于数学形态学的信息识别研究及Matlab 实现 王晓利 (宝鸡文理学院电子电气工程系,陕西宝鸡 721007) 摘 要:为了实现信息快速识别,采用基于数学形态学的模块匹配方法,具体先将典型的信息归一化,然后提取其过线特征、左右轮廓特征,将这些特征组成被分析对象的特征向量,对信息进行初步分类,然后利用模板匹配法对信息进一步细化分类,从而完成信息识别。通过实验,利用M atlab 中Simulink 视频和图像处理模块集进行仿真,得出基于数学形态学的信息识别法定位准确度较高,研究对象阈值分割较好,且算法容易实现,对提高整个系统信息识别的实时性有实用意义。 关键词:数学形态学;信息识别;特征向量;阈值分割 中图分类号:T N911.73-34 文献标识码:A 文章编号:1004-373X(2011)18-0064-03 Research and Matlab Implem entation of In form ation Id entification Based on Mathematical Morphology W A NG Xiao -li (Dept.Electronic s &Elect.Eng n.,Baoji College Arts &Scie nce,Bao j i 721007,China) Abstract :T he module matching based on mathematical mo rphology was used to implement the info rmation faster identification.T he typical information normalization was performed,the line features or so o utline feature were extracted to constitute the characteristic vectors of analysis object,the infor mation was classified preliminarily.T hen the information was further classified by the image processing blockset to complete info rmation identification.T hrough an ex periment,using Simulink video and image processing blockset in M AT LA B to perform a simulation,a conclusio n is gained that po sitioning accuracy of the mathematical morpholog y -based information identification method is higher,the threshold segmentation quality of resear ch objects is good,the optimization alg orithm is easy to realize.It has practical significance for impr oving rea-l time perfo rmance of the system information identification. Keywords :mathematical mo rpho lo gy ;info rmation identif icat ion;featur e v ect or;threshold segmentatio n 收稿日期:2011-04-17 基金项目:宝鸡文理学院重点资助项目(ZK07114) 数学形态学是一门建立在严格数学理论基础上的学科,是一种应用于图像处理和模式识别领域的新的方法,是研究数字图像形态结构特征与快速识别的理论。形态学的基本思想通过对目标影像的形态变换来实现结构分析和特征提取,它的基础是作用于物体形状的非线性算子的代数,这就使它同计算机视觉问题紧密地结合起来。数学形态学的基本思想和方法对图像处理的理论和技术产生了重大影响,许多非常成功的理论模型和信息识别系统都采用了数学形态学算法作为其理论基础或组成部分。1 基本原理 1.1 信息识别基本原理 信息识别属于图像处理范畴的高级阶段,其需要经过前期、中期处理后,再将所得的信息进一步加工处理得出智能化的判断。图像处理的范畴划分如图1所示。1.2 数学形态学用于识别统计的基本原理1.2.1 腐蚀运算 形态学基本算子有腐蚀、膨胀、开、闭等,腐蚀是数 学形态学最基本的运算。 图1 信息识别在图像处理中所处的位置示意图 集合A 被集合B 腐蚀,记为A (B ,定义为: A ( B ={x :B +x 数学归纳法及其应用举例 【本章学习目标】 人们在研究数量的变化时，常常会遇到有确定变化趋势的无限变化过程，这种无限变化过程就是极限的概念与思想，极限是人们研究许多问题的工具。以刘微的“割圆术”为例，圆内接正n 边形的边数无限增加时，正n 边形的周长P n 无限趋近于圆周长2πR 。这里的是个有限多项的数列，人们可以从这个有限多项的数列来探索无穷数列的变化趋势。不论n 取多么大的整数，n P 都是相应的圆周长的近似值，但是我们可以从这些近似值的精确度的无限提高中（限n 无限增大）找出圆周长的精确值2πR 。随着n 的增加，n P 在变化，这可以认为是量变（即只要n 是有限数，n P 都是圆内接正多边形的周长）；但是我们可以从这些量变中来发现圆周长。一旦得出2πR ，就是质的变化（即不再是正多边形的周长）。这种从有限中认识无限，从近似中认识精确，从量变中认识质变的思想就是极限的思想。 本章重点内容是： （1）数学归纳法及其应用。 （2）研究性课题：杨辉三角。 （3）数列的极限。 （4）函数的极限。 （5）极限的四则运算。 （6）函数的连续性。 本章难点内容是： （1）数学归纳法的原理及其应用。 （2）极限的概念。 【基础知识导引】 1．了解数学推理中的常用方法——数学归纳法。 2．理解数学归纳法的科学性及用数学归纳法来证明与正整数有关命题的步骤。 3．掌握数学归纳法的一些简单应用。 【教材内容全解】 1．归纳法 前面我们在学习等差数列时，通过等差数列的前几项满足的关系式归纳出等差数列的通项公式。再如根据三角形、四边形、五边形、六边形等的内角和归纳出凸n 边形内角和公式。像这样由一系列有限的特殊事例得出一般结论的推理方法，叫做归纳法。 对于归纳法我们可以从以下两个方面来理解。 （1）归纳法可以帮助我们从具体事列中发现事物的一般规律。 （2）根据考察的对象是全部还是部分，归纳法又分完全归纳法与不完全归纳法。显然等差数列通项公式，凸n 边形内角和公式都是通过不完全归纳法得出的，这些结论是正确的。但并不是所有由不完全归纳法得出的结论都是正确的。这是因为不完全归纳只考察了部分情况，结论不具有普遍性。例如课本62P 数列通项公式22)55(+-=n n a n 就是一个典型。 2．数学归纳法 在生活与生产实践中，像等差数列通项公式这样与正整数有关的命题很多。由于正整数有无限多个，因而不可能对所有正整数一一加以验证。如果只对部分正整数加以验证就得出结论，所得结论又不一定正确，要是找到把所得结论递推下去的根据，就可以把结论推广到所有正整数。这就是数学归纳法的基本思想：即先验证使结论 有意义的最小正整数0n ，如果当0n n =时，命题成立，再假设当 ),(*0N k n k k n ∈≥=时，命题成立（这时命是否成立不是确定的），根据这个假设，如能推出当n=k+1时，命题也成立，那么就可以递推出对所有不小于0n 的正整数命题都成立。 由此可知，用数学归纳法证明一个与正整数有关的命题时，要分两个步骤，且两个步骤缺一不可。 第一步递推的基础，缺少第一步，递推就缺乏正确的基础，一方面，第一步再简单，也不能省略。另一方面，第一步只要考察使结论成立的最小正整数就足够了，一般没有必要再多考察几个正整数。 第二步是递推的根据。仅有这一步而没有第一步，就失去了递推的基础。例如，假设n=k 时，等式 成立，就是。那么， 。这就是说，如果n=k 时等式成立， 那么n=k+1时等式也成立。但仅根据这一步不能得出等式对于任何n ∈N*都成立。因为当n=1时，上式左边=2，右边31112=++=，左边≠右边。这说明了缺少第一步这个基础，第二步的递推也就没有意义了。只有把第一步的结论与第二步的结论结合在一起，才能得出普遍性结论。因此，完成一、二两点后，还要做一个小结。 在证明传递性时，应注意： （1）证n=k+1成立时，必须用n=k 成立的假设，否则就不是数学归纳法。应当指出，n=k 成立是假设的，这一步是证明传递性，正确性由第一步可以保证，有了递推这一步，联系第一步的结论（命题对0n n =成立），就可以知道命题对10+n 也成立，进而再由第二步可知1)1(0++=n n ，即20+=n n 也成立。这样递推下去，就可以知道命题对所有不小于0n 的正整数都成立。 （2）证n=k+1时，可先列出n=k+1成立的数学式子，作为证明的目标。可以作为条件加以运用的有n=k 成立的假设，已知的定义、公式、定理等，不能直接将n=k+1代入命题。 3．这一节课本中共安排了五个例题，例1～例3是用数学归纳法证明等式。其步骤是先证明当0n n =（这里10=n ）时等式成立。再假设当n=k 时等式成立，利用这一条件及已知的定义、公式、定理证明当n=k+1时等式也成立。注意n=k+1时的等式是待证明的，不能不利用假设。例如：求证：。 实验六： 数学形态学及其应用 实验原理 腐蚀和膨胀是数学形态学最基本的变换，数学形态学的应用几乎覆盖了图像处理的所有领域，给出利用数学形态学对二值图像处理的一些运算。 膨胀就是把连接成分的边界扩大一层的处理。而收缩则是把连接成分的边界点去掉从而缩小一层的处理。 二值形态学 II (xx ,yy ), TT (ii ,jj )为0011?图像 腐蚀： EE (xx ,yy )=(II ⊙TT )(xx ,yy )=?[II (xx +ii ,yy +jj )&TT (ii ,jj )]mm ii ,jj=00 膨胀： DD (xx ,yy )=(II ⊕TT )(xx ,yy )=?[II (xx +ii ,yy +jj )&TT (ii ,jj )]mm ii ,jj=00 灰度形态学 TT (ii ,jj )可取0011?以外的值 腐蚀： EE (xx ,yy )=(II ⊙TT )(xx ,yy )= mmii mm 00≤ii ,jj≤mm?11[II (xx +ii ,yy +jj )?TT (ii ,jj )] 膨胀： DD (xx ,yy )=(II ⊕TT )(xx ,yy )=mmmmxx 00≤ii ,jj≤mm?11[II (xx +ii ,yy +jj )+TT (ii ,jj )] 1.腐蚀Erosion ： XX ⊙BB ={xx :BB xx ?xx } B 1删两边 B 2删右上 2.膨胀Dilation ： XX ⊕BB ={xx :BB xx ↑xx } B1补两边B2补左下 3.开运算open： XX BB=(XX⊙BB)⊕BB 4.闭运算close： XX BB=(XX⊕BB)⊙BB 代码1： function[]= fs() I=imread('finger.tif'); subplot(1,2,1),imshow(I); title('原图'); BW=I; BW=rgb2gray(BW); SE=strel('square',2);%结构元素为边长2像素的正方形 BW=imopen(BW,SE);%开运算（先腐蚀再膨胀）可以消除小物体、在纤细点处分离物体、平滑较大物体的边界。 %BW=imerode(BW,SE); %腐蚀 %BW=medfilt2(BW,[3 3]); %中值滤波(腐蚀后中值滤波可能导致本来连接的指纹断开) %BW=imdilate(BW,SE); %膨胀 %BW=imclose(BW,SE); %闭运算（先膨胀再腐蚀）能够排除小型黑洞(黑色区域)。 BW=imdilate(BW,SE);%膨胀 BW=medfilt2(BW,[33]);%中值滤波（膨胀后中值滤波可能导致指纹图像噪声去除不干净） BW=imerode(BW,SE);%腐蚀 subplot(1,2,2),imshow(BW); title('处理后'); %BW=bwmorph(BW,'thin',Inf); %骨架化 %figure,imshow(BW); %title('骨架化'); 代码2： function[]= op() I=imread('rectangel.tif'); 2009，45（9） 图像边缘是图像局部特性不连续性（灰度变换、颜色突变、纹理结构突变等）的反映，它标志着一个区域的终结和另一个区域的开始[1-2]。因此，图像边缘信息的提取对于图像处理非常重要。边缘提取首先检测出图像局部特性的不连续性，然后再将这些不连续的边缘像素连成完备的边界[3]。图像边缘检测的任务就是确定和提取边缘信息，为图像分析、目标识别和图像编码做前期准备。 数学形态学（Mathematical Morphology）是一种应用于图像处理和模式识别领域的新的方法，是一门综合了多学科知识的交叉科学，建立在严格的数学理论基础之上，用于描述数学形态学的语言是集合论[4-6]。 利用数学形态学方法进行图像处理具有简化图像数据、保持图像的基本形态特征、除去不相干结构、易于硬件实现等优点，在噪声去除、图像分割、边缘检测、特征提取、纹理分析、图像恢复与重建以及图像压缩等图像处理领域都有着广泛的应用。1数学形态学基本算法 利用数学形态学进行图像处理的基本思想是：用具有一定形状的结构元素（structure element，指具有一定特定结构形状的基本元素，例如一定大小的矩形、圆或菱形等）探测目标图像，通过检验结构元素在图像目标区域中的可放性和填充方法的有效性，来获取有关图像形态结构的相关信息，进而达到图像分析和识别的目的。 1.1结构元素的选取 结构元素是形态学图像处理中的一个关键点，不同结构元素的选择导致运算对不同几何信息的分析和处理，同时结构元素也决定了变换所使用的数据使用量，因此对结构元素的分析是图像边缘检测的重要内容。 一般来讲，结构元素的尺寸大小和结构形状都会影响图像边缘检测效果。小尺寸的结构元素去噪声能力弱，但能检测到 基于数学形态学的边缘检测算法研究及应用 王慧锋1，战桂礼1，罗晓明2 WANG Hui-feng1，ZHAN Gui-li1，LUO Xiao-ming2 1.华东理工大学信息科学与工程学院，上海200237 2.上海市特种设备监督检验技术研究院，上海200062 1.School of Information Science&Engineering，East China University of Science and Technology，Shanghai200237，China 2.Shanghai Institute of Special Equipment Inspection&Technical Research，Shanghai200062，China E-mail：whuifeng@https://www.wendangku.net/doc/5c4532382.html, WANG Hui-feng，ZHAN Gui-li，LUO Xiao-ming.Research and application of edge detection operator based on mathe－matical https://www.wendangku.net/doc/5c4532382.html,puter Engineering and Applications，2009，45（9）：223-226. Abstract：In order to extract image edge information and eliminate noise，according to enlightenment of three indexes to evaluate the merit and inferior of edge detection by Canny and thinking of multiple structuring elements，two improvements are made to the general mathematic morphology edge detection：first，the image is filtered using compound mathematic morphology filter；sec－ond，the mathematic morphology edge detection operator with multiple structuring elements and noise elimination is constructed using multiple structuring elements thinking.The steps using this improved mathematic morphology edge detection algorithm are summarized.The experimental result indicates that this method can retain more edge information and resolve the conflict between Signal-to-Noise and single edge response to some extent.Finally，this method is used in the leakage test and a new leakage test method is obtained. Key words：mathematic morphology；edge detection；compound filter；multiple structuring elements 摘要：为了更好地提取图像边缘信息并且抑制噪声，根据Canny评价边缘检测性能优劣的三个指标的启示和多结构元思想，对一般数学形态学边缘检测进行两点改进：一是利用复合数学形态学滤波器对图像滤波，二是利用多结构元思想构造多结构元抗噪型数学形态学边缘检测器。同时总结了利用改进的数学形态学边缘检测算法进行边缘检测的步骤。实验结果表明，该方法可以保留更多的边缘信息，一定程度上解决了信噪比和单边缘响应两个性能指标之间的矛盾。最后将其运用到气密性测试中，得到一种新的气密性测试方法。 关键词：数学形态学；边缘检测；复合滤波器；多结构元 DOI：10.3778/j.issn.1002-8331.2009.09.065文章编号：1002－8331（2009）09-0223-04文献标识码：A中图分类号：TP391.4 作者简介：王慧锋（1969-），女，副教授，主要从事测控技术与自动化装置的研究。 收稿日期：2008-01-28修回日期：2008-05-06 Computer Engineering and Applications计算机工程与应用223 课题：数学归纳法及其应用举例 【教学目标】 知识与技能： 1. 了解由有限多个特殊事例得出的一般结论不一定正确，使学生深入认识归纳法, 理解数学归纳法的原理与实质; 2. 掌握数学归纳法证题的两个步骤；初步会用“数学归纳法”证明简单的与自然数有关的命题(如恒等式等)． 3. 培养学生观察、分析、论证的能力, 进一步发展学生的抽象思维能力和创新能力，让学生经历数学归纳法原理的构建过程, 体会类比的数学思想．过程与方法: 1.努力创设和谐融洽的课堂情境，使学生处于积极思考、大胆质疑氛围，提高学生学习的兴趣和课堂效率．让学生体验知识的构建过程, 体会源于生活的数学思想; 2. 通过对数学归纳法的学习、应用，逐步体验观察、归纳、猜想、论证的过程，培养学生由特殊到一般的思维方式和严格规范的论证意识，并初步掌握论证方法; 3. 让学生经历发现问题、提出问题、分析问题、解决问题的过程，培养学生创新能力. 情感、态度、价值观: 1. 通过对数学归纳法原理的探究，培养学生严谨的、实事求是的科学态度和不怕困难，勇于探索的精神； 2. 让学生通过对数学归纳法原理和本质的理解，感受数学内在美的震撼力，从而使学生喜欢数学,激发学生的学习热情，使学生初步形成做数学的意识和科学精神； 3. 学生通过置疑与探究，培养学生独立的人格与敢于创新的精神； 4. 持续增进师生互信，生生互助，共创教学相长的教与学的氛围和习惯. 【教学重点】 归纳法意义的认识和数学归纳法产生过程的分析，初步理解数学归纳法的原理并能简单应用. 【教学难点】 数学归纳法中递推思想的理解,初步明确用数学归纳法证明命题的两个步骤. 【教学方法】师生互动讨论、共同探究的方法 【教学手段】多媒体辅助课堂教学 【教学过程】 一、创设情境，启动思维 情境一、财主儿子学写字的笑话、“小明弟兄三个，大哥叫大毛……”的脑筋急转弯等； 教师总结：财主的儿子很傻很天真，但他懂一样思想方法，是什么？以上都是由特殊情况归纳出一般情况的方法---归纳法，这就是今天的课题. 人们通常 实验六、形态学图像处理 一．实验目的及要求 1．利用MATLAB研究二值形态学图像处理常用算法； 2．掌握MATLAB形态学图像处理基本操作函数的使用方法； 3．了解形态学的基本应用。 二、实验原理 1．编程实现二值图像的基本形态学处理（腐蚀、膨胀、开运算和闭运算）；选择不同结构元素筛选图像目标。 2．用形态学运算实现灰度图像的噪声平滑和图像边缘提取。 三、实验原理 数学形态学图像处理的基本思想是利用一个称作结构元素的“探针”收集图像的信息。当探针在图像中不断移动时，便可考察图像各个部分间的相互关系，从而了解图像各个部分的结构特征。作为探针的结构元素，可直接携带知识（形态、大小、以及灰度和色度信息）来探测所研究图像的结构特点。 二值形态学中的运算对象是集合，通常给出一个图像集合和一个结构元素集合，利用结构元素对图像进行操作。其基本运算有四种：腐蚀、膨胀、开运算和闭运算。基于这些基本运算和组合来进行图像形状和结构的分析及处理。 如果 A是图像集合，B是结构元素（ B本身也是一个图像集合），形态学运算将使用B 对A进行操作。结构元素往往比图像小得多。基本运算将遵循这个原则。 ●膨胀和腐蚀 膨胀是在二值图像中“加长”或“变粗”的操作。这种特殊的方式和变粗的程度由一个称为结构元素的集合控制。 腐蚀“收缩”或“细化”二值图像中的对象。像在膨胀中一样，收缩的方式和程度由一个结构元素控制。 ●开运算和闭运算 在图像处理的实际应用中，更多地以各种组合的形式来使用膨胀和腐蚀，它们可以级连结合使用。膨胀后再腐蚀，或者腐蚀后再膨胀，通常不能恢复成原来图像（目标），而是产生一种新的形态变换，这就是开运算和闭运算。 当处理二值图像时，采用上述的形态学变换组合，主要应用于提取某一区域的边界线、图像边缘轮廓、物体骨架特征和目标识别等众多的实际应用。 更多内容青参考教材p402有关内容。 三、实验内容 1、二值图像的形态学变换 需要编写的二值图像形态学变换函数： function newbuf=BwFilter(oldbuf,select) 该函数调用MATLAB关于膨胀、腐蚀和图像筛选算法的相关函数，对二值图像进 行相应的处理，最后结果存放在newbuf数组中。 用于二值图像形态学变换的MATLAB函数有： Strel 构造结构元素函数 Imdilate 膨胀函数 Imerode 腐蚀函数 Imcrop 裁剪函数 Imopen 开运算函数 用help查看相关函数的使用方法，编程实现BwFilter()函数的功能。结构元素也 基于数学形态学的图像分割方法研究 专业：电子信息科学与技术 班级：2005级1班 姓名：杨晓琦 引言 3 1 图像分割基本理论7 1.1 图像分割的概念7 1.2 传统的图像分割方法9 1.3 特殊理论工具的图像分割方法 12 1.4 图像分割的评价 13 2 数学形态学基本理论16 2.1 形态学的概念 16 2.2 结构元素的选取 16 2.3 二值形态学理论 18 2.4 灰值形态学理论 20 2.5 形态学重建 21 2.6 形态学边缘检测 22 3 Matlab在图像分割处理中的应用 24 3.1 Matlab简介.24 3.2 Matlab在图像处理方面的应用.24 3.3 基于Matlab的图像分割.26 4 车牌图像分割的相关理论研究28 4.1 车牌定位算法简介 28 4.2 车牌的字符图像分割 37 5 基于数学形态学车牌图像分割42 5.1 形态学车牌定位 42 5.2 形态学字符图像分割 53 5.3 本章小结 61 结论62 致谢63 参考文献64附录1 源程序清单 68 本文运用形态学方法对车牌定位算法和车牌字符分割算法进行了系统的研究。这两种算法的研究为车牌识别做了先期准备，是智能交通中非常重要的组成部分。在车牌定位算法部分，提出了一种基于二值面积形态学的车牌定位算法。首先将车牌的灰度图像二值化，然后逐步缩小车牌候选区的面积，计算车牌图像中连通区域的面积，并根据车牌图像的实际情况确定面积阈值，并用形态学的方法对车牌图像进行处理运算，以实现车牌的精确定位。仿真实验结果表明此算法定位精度高，而且能适应复杂天气环境，能达到满意的定位效果。在字符分割算法部分，对投影分割算法进行了改进，将其与数学形态学分割算法进行了结合。首先将车牌图像二值化，然后用数学形态学分割方法结合水平与垂直投影分割方法，确定车牌字符宽和高并校正车牌实际位置，通过两次投影，校正车牌角度，去除车牌边框，确定车牌上下边界及中心点，最后分割提取车牌字符。实验结果表明该算法能有效的保持车牌字符边缘，获得较好的分割效果。 关键词： 图像分割；数学形态学；车牌定位；字符分割； Matlab 1、数学归纳法的理论基础 数学归纳法，人类天才的思维、巧妙的方法、精致的工具，解决无限的问题。它体现的是利用有限解决无限问题的思想，这一思想凝结了数学家们无限的想象力和创造力，这无疑形成了数学证明中一道绚丽多彩的风景线。它的巧妙让人回味无穷，这一思想的发现为后来数学的发展开辟了道路，如用有限维空间代替无限维空间（多项式逼近连续函数）用有限过程代替无限过程（积分和无穷级数用有限项和答题，导数用差分代替）。 1.1数学归纳法的发展历史 自古以来，人们就会想到问题的推广，由特殊到一般、由有限到无限，可人类对无限的把握不顺利。在对无穷思考的过程中，古希腊出现了许多悖论，如芝诺悖论，在数列中为了确保结论的正确，则必须考虑无限。还有生活中一些现象，如烽火的传递，鞭炮的燃放等，触动了人类的思想。 安提丰用圆周内接正多边形无穷地逼近圆的方法解决化圆为方；刘徽、祖冲之用圆内接正多边形去无穷地逼迫圆，无穷的问题层出不穷，后来古希腊欧几里得对命题“素数的个数是无穷的”的证明，通过了有限去实现无限，体现了数学归纳法递推思想。但要形成数学归纳法中明确的递推，清晰的步骤确是一件不容易的事，作为自觉运用进行数学证明却是近代的事。 伊本海塞姆（10世纪末）、凯拉吉（11世纪上叶）、伊本穆思依姆（12世纪末）、伊本班纳（13世纪末）等都使用了归纳推理，这表明数学归纳法使用较普遍，尤其是凯拉吉利用数学归纳法证明 22 333 (1)124n n n +++??????+= 这是数学家对数学归纳法的最早证明。 接着,法国数学家莱维.本.热尔松(13世纪末)用"逐步的无限递进"，即归纳推理证明有关整数命题和排列组合命题。他比伊斯兰数学家更清楚地体现数学归纳法证明的基础，递进归纳两个步骤。 到16世纪中叶，意大利数学家毛罗利科对与全体和全体自然数有关的命题的证明作了深入的考察在1575年，毛罗利科证明了 21n n a a n ++= 其中1231,2k a k =+++?????? =?????? 他利用了逐步推理铸就了“递归推理”的思路，成为了较早找到数学归纳中“递 归推理”的数学家，为无限的把握提供了思维。 17世纪法国数学家帕斯卡为数学归纳法的发明作了巨大贡献，他首先明确而清晰地阐述数学归纳法的运用程序，并完整地使用数学归纳法，证明了他所发 数学归纳法的应用 姓名 甘国优 指导教师 赵慧炜 中文摘要：数学归纳法是数学中一种非常普遍的证题的方法，其应用极为广泛．本次主要简述了数学归纳法的简略步骤：观察（探索）﹑归纳﹑猜想﹑证明于一体的数学思想，体现出数学归纳法的证题思路．并归纳总结了数学归纳法解决代数恒等式﹑几何等方面的一些简单应用问题的方法，对应用中常见的误区加以剖析，以及介绍一些证题方法技巧，有助于提高对数学归纳法的应用能力． 关键词：数学归纳法；步骤;证明方法． Abstract: Mathematical induction is a common evidence method in mathematics, it is have very broad application. In this paper, author research into the step of the Mathematical induction , it includes summariz ，evidence and guess embody the idea of the evidence of mathematical induction. Also at here ,we summariz the method of the mathematical induction application in solve algebra identities , geometric ,order and portfolio ,and so on .also analyze the common errors on application and into duct skill of the proof ,proof of skills introduced. It is help to increased the level of the Mathematical induction’s application ． Key words ：Mathematical induction; Steps ; Proof. 引言 演绎和归纳是人在思维过程中两个完全相反的过程.同时又是数学思维中两种基本的方法.数学归纳法是一种重要的数学证明方法，他有着其他方法所不能代替的作用，也是证明与自然数有关的数学命题的一种完全归纳法.我们在学习运用数学归纳法应具备两个条件：①当1n =时，这个命题为正确的（奠基），②当n k =时，这个命题也为正确的．推出当+1n k =时，这个命题也为正确的（递推）．通过“递推”链接，实现从特殊到一般的转化，抽象的进行数学归纳.首先 文献综述 课题：基于数学形态学的图像边缘检测方法研究 边缘检测是图像分割的核心容，而图像分割是由图像处理到图像分析的关键步骤，在图像工程中占据重要的位置，对图象的特征测量有重要的影响。图像分割及基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式，使得更高层的图像分析和理解成为可能。从而边缘检测在图像工程中占有重要的地位和作用。因此对边缘检测的研究一直是图像技术研究中热点，人们对其的关注和研究也是日益深入。 首先，边缘在边界检测、图像分割、模式识别、机器视觉等中有很重要的作用。边缘是边界检测的重要基础，也是外形检测的基础。同时，边缘也广泛存在于物体与背景之间、物体与物体之间,基元与基元之间，是图像分割所依赖的重要特征。其次，边缘检测对于物体的识别也是很重要的。第一，人眼通过追踪未知物体的轮廓而扫视一个未知的物体。第二，如果我们能成功地得到图像的边缘，那么图像分析就会大大简化，图像识别就会容易得多。第三，很多图像并没有具体的物体，对这些图像的理解取决于它们的纹理性质，而提取这些纹理性质与边缘检测有极其密切的关系。 理想的边缘检测是能够正确解决边缘的有无、真假、和定向定位。长期以来，人们一直关心这一问题的研究，除了常用的局 部算子及以后在此基础上发展起来的种种改进方法外，又提出了许多新的技术，其中，比较经典的边缘检测算子有 Roberts cross算子、Sobel算子、Laplacian算子、Canny算子等，近年来又有学者提出了广义模糊算子，形态学边缘算子等。这些边缘检测的方法各有其特点，但同时也都存在着各自的局限性和不足之处。 本次研究正是在已有的算法基础上初步进行改进特别是形 态学边缘算子，以期找到一个更加简单而又实用的算子，相信能对图像处理中的边缘检测方法研究以及应用有一定的参考价值。 一、课题背景和研究意义： 伴随着计算机技术的高速发展，数字图像处理成为了一门新兴学科，并且在生活中的各个领域得以广泛应用。图像边缘检测技术则是数字图像处理和计算机视觉等领域最重要的技术之一。在实际图像处理中，图像边缘作为图像的一种基本特征，经常被用到较高层次的图像处理中去。边缘检测技术是图像测量、图像分割、图像压缩以及模式识别等图像处理技术的基础，是数字图像处理重要的研究课题之一。 边缘检测是图像理解、分析和识别领域中的一个基础又重要的课题, 边缘是图像中重要的特征之一，是计算机视觉、模式识别等研究领域的重要基础。图像的大部分主要信息都存在于图像的边缘中，主要表现为图像局部特征的不连续性，是图像中灰度变化比较强烈的地方，也即通常所说的信号发生奇异变化的地 数学归纳法在离散数学中的应用 在由一系列有限的特殊事例得出一般性结论的推理方法称为归纳法。而 数学归纳法则是用于证明与自然数n 有关的结论的归纳法：如果我们能够证明当n=1时结论是成立的，而且我们能用相同的方法由n=1命题成立证得n=2命题也成立；由n=2命题成立证得n=3成立；由n=3命题成立证得n=4成立…而且这个过程显然可以无穷进行下去。则我们就断言对于所有自然数n 命题都是成立的。数学归纳法的一般形式为，关键是归纳： 初始步）：先证n ＝1时，结论成立； 归纳步)：再证若假设对自然数n ＝k 结论成立（或者对所有小于等于n 的 自然数k 结论都成立），则对下一个自然数n ＝k+1结论也成立； 结论）： 根据初始步和归纳步的证明得出结论对所有自然数都成立。 当结论与多个自然数有关时这样一类题目的时候，要注意的一点就是对所要进行归纳的自然数的选择。 例1、对群数学归纳法及其应用举例1
实验六数学形态学及其应用
基于数学形态学的边缘检测算法研究及应用
高中数学《数学归纳法及其应用举例》教学设计附反思
实验五、数学形态学
基于数学形态学的图像分割方法研究
浅谈数学归纳法在高考中的应用
数学归纳法的应用
基于数学形态学的图像边缘检测方法研究文献综述
数学归纳法在离散数学中的应用