崔屹:图象处理与分析—数学形态学方法及应用

关于数学形态学的一个课件，并附有一个腐蚀和膨胀示例程序，以及一个粗化和细化的示例程序

基因数学形态学的边缘检测数学形态学

自己看书写的数学形态学灰度腐蚀算法，C码。通过MATLAB仿真，和标准算法效果相同

本文综述了基于数学形态学的图像边缘检测方法的研究进展。从基本理论到应用实践，对各种算法的原理和特点进行了探讨。重点介绍了灰度膨胀、腐蚀、边缘检测算子、区域生长等方法，并对它们的实现进行了详细阐述。最后

该文提出了一种基于数学形态学理论的方法,用于分割细胞图像。首先利用灰度形态学中的重构运算对输入图像进行滤波来削弱或去除噪声的影响,然后取其形态学梯度并结合Top-Hat和Bottom-Hat两个变换来

以往采用多方向滤波、中值滤波、F.Safa滤波对混合图像进行滤波处理,存在效果差的问题,为了改善混合图像质量,提出了基于数学形态学的均值滤波方法。根据混合图像结构元素选取流程,分析不同混合图像结构元素

针对图像的边缘检测问题，提出了一种基于顺序形态变换和局部熵相结合的边缘检测方法。该检测方法构造了基于百分位顺序形态变换的边缘检测算子，根据不同结构元素的尺度大小与结构元素的类型，选择不同的形态变换的百

印刷显微网点图像的分割是实现印刷质量在线监测的基础。在对图像进行灰度化、图像增强、二值化处理的基础上，采用数学形态学对其进行的图像分割

当进行形态学图像处理时，我们可以在GUI环境下实现该方法，并通过摄像机标定来消除图像的畸变和矫正。然而，实际工作环境中存在各种因素影响摄像机成像效果，如光线、灰尘和噪点等。为了滤除这些干扰因素，我们需

在阅读文献中,偶然发现使用使用形态学方法也可以检测直线,故做实验并记录。 使用该方法,需要定义一个长度为L的结构元素element,其大小应足够大以保留图像中的字符笔划,然而又恰好能检测出图像中最短的