形态结合

2024-09-08

形态结合（通用7篇）

形态结合篇1

摘要：在服装市场竞争激烈的今天, 我们应借鉴国际成功典范, 以本土文化为基点, 用国际眼光看服装的未来。本论文在民族元素及当代经典服饰的基础上, 将刺绣这一中国传统元素与现代服装形态创意性结合, 将东方元素与西方浪漫主义思想相结合进行研究。讨论了中国传统服饰刺绣与现代服饰设计的关系;明确了传统服饰刺绣在现代服饰设计中的地位和作用, 刺绣在服装实用与装饰方面的广泛应用, 阐述了传统刺绣与现代服装形态相结合的创意性理念。

关键词：刺绣,现代设计,服装形态,传承发展

一、刺绣与服装设计

1. 服装设计的概念

服装设计是一门融入自然科学、心理学、美学和艺术为一体的综合性学科, 具有技术与艺术的双层属性。以服装材料为素材, 以服装为对象, 借助一定的审美法则, 运用恰当的设计语言, 对人体进行包裹和打扮, 完成整个着装状态的创造过程, 服装是人类息息相关的物品, 设计师是其产生过程的第一步。

2. 刺绣的概念与发展

它是用针和线把人的设计和制作添加在任何存在的织物上的一种艺术。刺绣是用针和线“作画”, 在织物上讲述故事。它的基本元素是针法。像画画一样, 刺绣反映人们的风俗、文化、心理等。刺绣是一种艺术形式, 同画家用画笔, 雕塑家用泥土, 雕刻家用金属, 木刻家用木头来表达他们对美的追求一样。现在中国苏绣工艺已达到很高的水平。绣品多次在国际国内获奖, 且绣品种类齐全

3. 刺绣在服装结构与装饰方面的广泛应用

长期以来, 人们一直习惯于服装造型的完整性和延续性。随着社会的发展, 人们的审美取向发生了巨大的变化, 造型的完整不再是服装好坏的评判标准。新结构主义重视结构的基本部件, 认为基本部件本身具有表现的特征, 完整性不在于作品本身好坏直接影响到服装的穿着效果。再完整的衣服如果穿起来显得不美观、合体, 造型结构不够时尚、不够现代, 人们也不会购买。在新的审美标准和意识下, 人们对刺绣服装的偏爱也由单纯的欣赏完美的刺绣工艺到刺绣与款式的完美结合。所以不仅要有完美的刺绣图案还要通过对服装结构的解构、面料的设计、图案的结构设计使服装满足当代人审美需要, 这也是服装造型设计思维新取向研究的重点。

二、现代服装上刺绣的应用与当今的社会观念和时尚趣味

1. 服装设计师应该如何运用刺绣

长期以来, 我们一直强调现代服装设计要与传统文化相“结合”。事实上, 继承传统文化所包括的范围很广, 除了形式与内涵, 同样包括传统文化中, 形式与内涵之间的转化机制, 这是一种对传统文化规律的把握, 只有掌握了规律, 明白了传统文化刺绣是通过怎样的组合、变化方式来传达寓意, 才能使传统文化刺绣在现代设计中出现合理而丰富的变化。再者, 一旦我们掌握了这些规律, 又能够很好的把握中国传统文化的精神内涵, 我们完全有理由抛开文化形式的束缚, 尽可以用现代设计语言去设计能够传递传统文化内蕴的符号, 到那时, 我们能够自豪的说, 我们继承和发扬的是中华民族传统文化的灵魂与精髓。

2. 外国设计师眼中和手中的刺绣

这两年, 古老的中国在世界上魅力尽显, 原来并不太引人注目的中国刺绣也成为时尚元素, 走入国际时装舞台, 在一些顶级大牌的时装中发热发亮。Dior的设计师约翰加里亚诺去年的一趟中国之旅, 让他对中国刺绣奉为瑰宝, 在推出的Dior新女装中, 大量使用中国刺绣为装饰元素。此外, 在Prada、D&G等著名的品牌中, 你都可以看到美丽的刺绣, 但是他们也都有一个共同的特点, 刺绣的面积在整个服装中逐渐减少, 甚至用来辅助服装结构和服装款式表现, 这也是今后刺绣在服装设计应用中的一个趋势。

三、刺绣在服装设计中运用趋势及其意义

我们在发扬自己国家的精粹的时候, 也要结合一些西方国家的先进的理论, 刺绣是服装设计中实用与装饰的尤物, 既古老又清新。刺绣自身的变化能够带给服装无穷无尽的变化。人们喜爱刺绣, 因为它很美, 因为它多变。当然, 服装是一个有机的整体, 在进行服装设计时使用刺绣一定要把握分寸, 注意整体的和谐。很多、很好的设计, 看似不经意的刺绣运用, 实际上却包含了设计师对造型、色彩、结构、材料等多方面的构想和推敲。透过服装上千姿百态的刺绣与服装形态的结合, 能够品位到当今时尚的气息, 领悟到社会文化的潮流。

参考文献

[1]邓跃青《现代服装设计》[M].山东:青岛出版社.

[2]朱凤编《中国刺绣技法研究》[M].上海:上海人民美术出版社出版.

[3]华梅《中国近现代服装史》[M].北京:中国纺织出版社.

形态结合篇2

一、微电影特征和创作形态

随着广播电视电影技术的发展和民用广电设备的普及,全民娱乐的氛围越来越深厚,民众参与视频创作的热情也越来越高。如今,网络用户群体壮大,网络文化的各种形式不断涌现,特别是微博、微信等一系统微文化的出现,冠有“微”字的内容产品成为网络时代的代名词。微电影的出现,受到了传媒、商界和电影爱好者等群体的关注,众多知名企业更是将微电影纳入到了整体的广告营销战略之中,积极筹措、制作和传播微电影。作为新媒体时代的传播现象,微电影有其自身的传播特点,逐渐进入并成为新型的主流文化形式。

(一)微电影具有时代特征

21世纪以来,广播电视、网络视频技术日新月异,在电影制作时间、投入资金、人力资源乃至出品机制和流通渠道仍吁求较高的当下,微电影的影像生产与传播将开启一个崭新的时代。新媒体时代,受众的接受度已经提升,对文化产品特别是视频类作品的要求越来越高,原本被动的接受者,转而成为主动的创作成员,原本想象于脑海中对视频作品的幻念,如今运用微电影就能够成为现实。“微电影”的产生和发展,成为媒体传播开创“自媒体”时代的又一次进步,从微博到微信,再到微电影,自媒体传播越来越向专业化和科技化发展,从“人人看电影”到“人人做电影”的转换,是科技和人文共同进步的结果,具有强烈的时代化特征。此外,微电影生产成本越来越低,作品创作者的积极性被充分调动,影视机构、企业和广告商开始关注这种新颖的电影形态。由于微电影广告回馈效果明显,广告商、网络传媒、娱乐明星、大众群体等多向度主体纷纷介入,推动了微电影传播的迅速蔓延。

(二)微电影具有广告特征

微电影是一种介于传统电影、电视剧和广告的艺术形式,成为最具发展前景的广告形式。电影与广告的结合是电影发展的一种趋势,其形成与发展与时代背景紧密结合,虽然早期出现的微电影偏重于文艺创作和故事片,但随之而来的微电影发展趋向于植入广告。近年来,微电影在生产形态、种类特征、消费样貌等方面越来越具有广告特征,加之互联网传播的特性,由此改变着电影制作生产及消费的格局,使得微电影成为网络广告中最具代表性的广告形式。由于网络播出平台不受时长限制,与电视广告相比,微电影广告更容易将广告进行叙事化处理,加入更多的故事性和趣味性。软广告植入与硬广告投放相比,更容易被观众所接受,而且微电影广告网络播出成本极低,更易于传播。经过短暂几年的发展,微电影广告已经形成独特的产业链,微电影广告成为一些广告企业的核心业务。微电影广告比赛也越来越多,原创性的纯文化微电影与商业微电影广告相辅相成,有时也出现融合得复杂的表现形式,受到了企业和网络播出平台的认可,微电影广告朝着更专业、更稳固的道路发展。

(三)微电影具有网络特征

微电影不仅是传统短片广告与现代数字信息技术的融合,更是互联网发展的结果。网络越来越普遍,互联网与电信网开始融合,使用PC和智能终端的网民越来越多,微电影在网络群体中迅速传播也证明了其网络特征。网络平台的方便快捷以及网民基数大,观影人数没有局限性,从而实现了广告效应的大大提升,借助于网络宣传和口碑传播,微电影作品的吸引力增加。电影的情节化设计和戏剧性表现,满足了广大网民开放性猎奇心理,而且可以实现网络受众的热情参与。网络视频观看的充分自主化也带来了观众接受心理的无尽享受,微电影视频在播出时基本都是免费的,大众可以自主无限次随意地观看、模仿和评论,一方面避免了因付钱而未达成心理需求时的抱怨,另一方面又能以开放式的接受心理与微电影产生共鸣和互动。

二、微电影节目的电视渠道传播

电视属于传统媒体传播渠道,其权威性和可信任度是网络平台无法企及的,但传统的电视节目制作观念仍然不能适应网络时代的需要,通过网络传播的效应大大降低。近年来,电视与网络相结合的创新栏目,如河南电视台都市频道的名牌栏目《打鱼晒网》,拥有了大量的固定收视群体,而且传播渠道涵盖了客厅电视、网络直播、公交移动电视以及微信平台等覆盖模式。但相对于开放式的网络传播,其影响力和传播力还比较弱,节目还处于非原创性资源整合和二次加工阶段。用互联网思维办电视,是电视发展的生存之道。电视节目网络化传播已经是发展趋势,植根于网络传播的微电影节目应如何嫁接到电视渠道传播呢?

(一)微电影广告的电视专题

微电影最初只是初出茅庐的电影导演作品,用来表达个人艺术追求,与广告无交集,如贾樟柯的《在那里》、张元《无名》等,但这些电影很难得到投资方的认同,与市场化引导的方向不同。电影公益基金的发展在中国并不成熟,很多青年导演的艺术创造需要有投资方的赞助,国内大量的微电影实质是软广告。与国内微电影只能在网络上播放不同,美国不少电视频道和艺术院线会购买这类短片,如电视联播网有纪录片频道、短片频道等。随着中国广播电视播出网的发展,中国未来电视播出网也理应出现微电影专题的身影,而中国电视微电影的电视渠道,与广告结合是一条发展渠道,既能达到广告效应,也能丰富电视节目形式,将是其未来的发展趋势。

(二)微电影的节目征集平台

微电影爱好者对创作的冲动,就如同河道之于河水,如果能够得到有效的引导,电视渠道仍然能为微电影提供很好的渠道。如今,各种形式的微电影大赛开始崭露头角,有行业内评选行为,有娱乐的群体行为,也有大型企业的征集活动,这为电视机构提供了更为广阔的舞台。一来电视作为权威性的发布渠道,可以对微电影进行征集,提高品牌度和影响力;二来电视节目制作单位可以参与剧本创作、拍摄和后期制作。相对于单纯的播出渠道的优势来说,电视机构更大的优势在节目制作方面,专业的团队、专业的设备,一定能为投资方征集或创作出优秀的微电影作品。而传播渠道并非只局限于电视平台,在附于电视台LOGO的基础上,微电影内容可以得到开放性的二次传播,对电视机构来说,也能达到宣传效应。

(三)微电影的节目互动平台

由于微电影传播具有网络化特征,而传统电视传播的互动优势并不明显,在微电影电视节目传播过程中,就需要联合网络平台,如优酷、爱奇艺、PPS等,联合制作微电影和参与宣传微电影宣传活动,开辟专门的互动平台,接受观众的评论,甚至可以按照观众的评论导向进而制作微电影多种版本。在微电影节目的互动方面,电视渠道要依托网络平台进行,充分利用视频网站和微博、微信等互动途径,为广大微电影爱好者提供宽广的途径。

形态结合篇3

本文充分利用图像形态学处理方法的优势,对传统方法进行改进,提出一种将HSV彩色空间和图像形态学处理相结合的车牌定位方法。对获取的RGB彩色车牌图像,将其转换到HSV彩色空间,利用车牌固有的颜色信息对H,S,V各通道分别进行去噪和二值化处理,然后将3幅二值图像做“与”运算得到一幅能有效去除背景干扰的二值图像,再在此基础上进行适当的形态学操作,可检测到较少的车牌候选区域,最后仅利用车牌宽高比进行验证,即可实现车牌快速、准确的定位。

1 车牌定位流程

在基于数字图像处理的车牌识别系统中,车牌定位的目的是从拍摄的汽车图像中找到车牌所在的位置,从而可将车牌从定位区域中准确地分割出来,供后续的字符分割和字符识别步骤使用。

目前,我国汽车牌照按颜色大致可分为蓝底白字、黄底白字、黑底白字和白底黑字4类。其中车牌底色占整个车牌区域的大部分,所以车牌区域的颜色特征以底色为主。

为了充分利用车牌的颜色信息,本文采用基于HSV彩色空间和图像形态学处理相结合的方法来进行车牌定位。其定位流程图如图1所示。

对于输入的RGB彩色汽车图像,首先根据彩色空间的转换公式将其转换为HSV彩色图像,然后将HSV彩色图像的各通道分割开来,即分割为H,S,V三个单通道灰度图像。接着,分别对这3幅灰度图像进行单独处理,主要是去噪( 如中值滤波) 滤除噪声和利用车牌的颜色信息设定阈值进行二值化处理,然后将3个通道的二值化结果图像进行“与”操作,去除了大量的背景干扰,得到一幅更易于进行车牌区域检测的二值图像。在此基础上,利用图像形态学处理方法,如闭运算和开运算,就能快速定位到其中的矩形区域,作为车牌位置的候选区域,实现车牌的初步定位。最后,利用车牌的先验知识———车牌宽高比对候选矩形区域进行验证,能有效去除图中的伪车牌区域,实现车牌的精确定位,从而输出定位结果。

2 车牌定位的关键步骤

2. 1 颜色空间转化

RGB模型和HSV模型是图像处理中常用的彩色模型。RGB模型采用的是基色原理,利用颜色合成原理来表示特定的一种颜色,即由红( R) 、绿( G) 、蓝( B) 3种颜色合成表示。由于RGB的三基色受光照影响较大,当车牌图像的光照条件发生变化时,在RGB空间中利用车牌的颜色信息进行车牌的准确定位是有困难的。与之不同的是,HSV模型由H,S,V表示,其中H表示色调,S表示饱和度,V表示亮度。H和S包含了图像的彩色信息,V表示亮度信息,该模型更加符合人眼感受颜色的方式。根据车牌图像所具有的颜色特性,使用HSV颜色空间中的3个分量有助于准确定位车牌区域。因此,需要将拍摄到的RGB彩色汽车图像转化为HSV彩色图像。

设所有的颜色分量都已经归一化到范围[0,1]。在R,G,B这3个分量中,设定最大值为MAX,最小值为MIN[3]。给定一幅RGB彩色图像,色调分量H的计算公式为

饱和度分量S的计算公式为

亮度分量V的计算公式为

式中: H值的范围是[0,360°]; S值的范围是[0,1]; V值的范围是[0,1]。

车牌图像的颜色空间转化效果如图2所示。

( 编者按: 本文所有彩图见 http: / /blog. sina. com. cn/s/blog_707d52790102v1rc. html) 。

2. 2 二值化

为了利用图像形态学处理方法有效检测到车牌候选区域,需要将车牌图像二值化。本文采用的方法是对上述转化得到的HSV彩色图像的各通道( H,S,V) 灰度图像分别进行二值化处理后再做“与”运算,从而得到一幅去除了大部分背景干扰的二值图像。

对各通道灰度图像进行二值化处理的依据是车牌的颜色特性。经过大量的实验分析,相关研究学者已经总结一些规律,揭示了不同车牌H,S,V分量的取值范围[3]。例如,蓝底白字车牌的底色区域H,S,V这3个分量的取值范围分别为[190°,245°],[0.35,1]和[0. 3,1]而黄底白字车牌底色区域H,S,V分量的取值范围分别为[25°,55°],[0. 35,1]和[0. 3,1]。

针对不同的车牌,在HSV彩色空间中利用这些分量的取值范围对各通道的灰度图像进行二值化处理,再对3幅二值图像做“与”运算便可去除大部分背景干扰,将相应的车牌底色区域显现出来。

两种颜色空间下二值化结果的对比效果如图3所示。以蓝底白字车牌为例,图3a是在RGB空间下采用自适应阈值法得到的二值化结果,图3b是在HSV空间下采用本文方法得到的二值化结果。

可见,在RGB空间下进行二值化,其干扰较大,尤其是车灯和车标志的干扰最大,而在HSV空间下进行二值化能够较好地排除这些干扰。

2. 3 形态学处理

对于二值化后车牌图像,利用形态学处理方法能快速有效地检测到其中的连通区域,即车牌的候选区域。

形态学方法是数字图像处理和模式识别领域应用最为广泛的技术之一。在数学上通过一些数学运算,可以运用形态学的操作来描述一些区域的外形、骨架等,也可以进行预测和快速处理。形态学的基本运算包括腐蚀、膨胀、开运算和闭运算等。开运算和闭运算都是由腐蚀和膨胀复合而成,开运算是先腐蚀后膨胀,而闭运算是先膨胀后腐蚀。

腐蚀( Erosion) 运算可定义为

式中: A为输入图像; B为模板。AB表示B在平移过程中,所有可能填入A内部的B的原点。若将B看作结构元素,则AB表示将结构元素平移x,但仍包含在输入图像内的点,腐蚀能够收缩输入图像[4]。

膨胀( Dilation) 运算是腐蚀运算的对偶运算( 逆运算) ,可以通过对补集的腐蚀来定义

其中,AC表示A的补集,-B表示将B旋转180°。利用-B对AC进行腐蚀,腐蚀结果的补集就是利用B对A腐蚀的结果。膨胀是利用结构元素的补集对图像进行填充,因而它表示对图像外部做滤波处理。而腐蚀则表示对图像内部做滤波处理[5]。

从而开运算可定义为

闭运算可定义为

闭运算可以使轮廓变得光滑,它通常能够弥合狭窄的间断,填充小的孔洞。开运算可以使图像中的轮廓变得光滑,还能使狭窄的连接断开和消除细毛刺[5]。

为了检测到车牌候选区域,本文所采用的形态学处理方法是: 先通过闭运算来连接近邻目标,然后再采用开运算来消除细小的物体。

图4是对图3b进行形态学处理的结果,其中图4a是采用大小为20×6的结构元素做闭运算的结果,图4b是采用大小为5×20的结构元素做开运算的结果,其中的连通区域即为车牌的候选区域。

2. 4 宽高比验证

将形态学处理检测到的车牌候选区域显示到原图上,其边缘用黄色线条标出,如图5a所示。不难看出车牌候选区域有多个,其中非车牌区域可称之为“伪车牌区域”。为了剔除伪车牌区域,实现车牌的最终准确定位,可利用车牌的先验知识———宽高比对候选区域进行验证,符合验证要求的即为真实的车牌区域。

实际上,对于不同类型的车牌,其宽度和高度在我国交管部门是有规定的,从而可以利用宽高比值作为依据对图像形态学处理得到的候选车牌区域的宽高比进行验证,这样可以不受原始图像中车牌位置、大小( 拍摄远近) 的影响。

对于候选车牌区域,求其外接矩形,并计算宽高比r,设范围容许参数为α,若( 1 - α) R≤r≤( 1 + α) R,则认为该区域属于车牌区域,作为定位结果输出,否则属于伪车牌区域,予以剔除。

以蓝底白字的小型汽车为例,按交管部门规定,其车牌宽度为440 mm,高度为140 mm,宽高比为R = 3. 14。设定α =0. 1,对图5a中的候选区域进行验证,剔除伪车牌区域后,得到图5b中红色边线标定的区域,即为最终定位到的车牌区域。

3 方法实现及实验对比

在VS2010平台上利用Open CV库和C++ 语言编程实现了本文提出的车牌定位方法,并和RGB空间下直接进行形态学处理的定位算法做了对比。多组实验表明,本文提出的方法具有明显优势。

下面给出其中两组实验效果,如图6和图7所示。图6为RGB空间下车牌定位结果,图7为HSV空间下车牌定位结果。

图6a中黄线标出的区域为RGB空间中进行形态学处理后检测到的候选区域,可以看出候选区域较多,受背景干扰的影响较大; 图6b中红线标出的区域为采用宽高比验证后最终定位到的车牌区域,可以看出这两组图像的车牌定位失败。

图7a中黄线标出的区域为HSV空间中进行形态学处理后检测到的候选区域,可以看出候选区域较少,背景干扰的影响明显减小; 图7b中红线标出的区域为采用宽高比验证后最终定位到的车牌区域,可以看出这两组图像的车牌定位准确。

4 总结

形态结合篇4

关键词：数学形态学,加权平均,均值滤波,中值滤波,形态学滤波

0 引言

近年来, 字符识别技术已发展成为当今一个热门的主要研究领域, 在许多领域都需要对字符做识别操作, 例如:车牌字符识别[1]、手写体字符识别[2]、运动工件上的字符识别[3]等。字符图像往往会受到各种噪声的污染, 以及字符笔划断裂情况等, 这些都会严重影响字符识别的准确度。许多学者针对消噪提出了一些解决方案, 如:基于直方图特性的图像去噪方法[4], 基于数学形态学的图像去噪方法[5], 基于小波变换和中值滤波的图像去噪方法[6]等。该类方法为消除图像噪声, 以及桥接笔画断裂字符提出了一些效果好, 可行的算法。

1 理论基础

文中用到的理论知识主要包括数学形态学、图像的代数运算以及图像滤波处理技术。

1.1 数学形态学方法原理

数学形态学是建立在积分几何和随机集论等严格数学理论基础上的一门密切联系实际的学科。它用于图像处理的基本思想是利用一个称作结构元素的“探针”, 收集待处理图像的信息, 探针在图像中不断移动, 即可考察图像物体间的相互关系, 提取出有用的特征[7]。所有的形态学处理过程都是基于填充结构元素的概念。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, 利用结构元素集合对图像进行操作。

膨胀和腐蚀分别用数学符号“⊕”和“Θ”表示, 若A, B是Z中的集合, ∅为空集, 则A被结构元素B膨胀和腐蚀的定义[8]分别如式 (1) 和式 (2) 所示:

$\begin{array}{l} A \oplus B = {z | [(\hat{B})_{x} \cap A] \neq \emptyset} (1) \\ A Θ B = {x | (\hat{B})_{x} \subseteq A} (2) \end{array}$

1.2 图像的代数运算

代数运算是指对两幅输入图像进行点对点的加、减、乘和除计算而得到输出图像的运算。图像相加的一个重要应用是对同一场景的多幅图像加权求取平均值, 以达到消除加性随机噪声的目的。

$\begin{array}{l} f_{i} (x, y) = f (x, y) + n_{i} (x, y) \\ g (x, y) = \bar{f (x, y)} = \frac{1}{Ν} \sum_{i = 1}^{Ν} f_{i} (x, y) \\ E {g (x, y)} = 0, σ_{g (x, y)} = \frac{1}{Ν} σ_{n (x, y)}^{2} \end{array} (3)$

式中:f (x, y) 是静止图像;ni (x, y) 是加性随机噪声。式 (3) 表明对N幅图像平均可把噪声方差减少N倍, N越大, g (x, y) 就越接近于f (x, y) , 噪声的影响逐步减少。

1.3 滤波处理

滤波处理主要用于平滑图像、消除图像噪声的目的, 最常用的祛除噪声方法是用滤波器进行滤波处理。可以根据不同的需要构造不同的空域滤波器, 如均值滤波器、中值滤波器、维纳滤波器等。

1.3.1 中值滤波

中值滤波是基于排序的非线性平滑滤波器, 它既可消除噪声, 又能保护图象的细节[9]。中值滤波步骤为:

(1) 将模板在图像中漫游, 并将模板中心与图中某个像素位置重合;

(2) 读取模板下各对应像素的灰度值;

(3) 将这些灰度值从小到大排成一列;

(4) 找出这些值中排在中间的一个;

(5) 将这个中间值赋给对应模板中心位置的像素。

1.3.2 均值滤波

均值滤波是将一个像元及其邻域中所有像元的平均值赋给输出图像中相应的相元, 从而达到平滑的目的。

2 算法实现

本文采用加权平均、形态学腐蚀以及均值滤波相结合的方法实现了消噪, 并且有效地实现了比划断裂字符的桥接功能。同时将新算法的处理结果与过去常用的算法处理结果做了比较。

2.1 新算法设计并仿真实现

本文称这种算法为组合滤波桥接算法, 算法设计步骤:

(1) 对噪声图像如图1所示做加权平均操作, 得到加权平均图像, 如图2所示, 在本文中加权次数取为100即可;

(2) 选取一个结构元素对加权平均图像做膨胀操作, 获得膨胀图像如图3所示;

(3) 对膨胀图像做均值滤波得到组合滤波桥接图像, 如图4所示。

算法步骤说明, 在经过步骤 (1) 后, 由于加权平均消噪的原理可知, 通过试探选择合适的叠加次数, 仅完全消除了黑色背景上的盐噪声, 而白色字体上的椒噪声仍然存在, 并且从图中可以看到由于椒噪声的存在, 使得字符笔划不连通, 产生了间断。因此对加权平均图像做膨胀操作, 膨胀结构元素通过试探的方式选取, 本文经试探选取的结构元素SE=[0, 1, 0;1, 1, 1;0, 1, 0]。从图3可见, 通过膨胀操作后, 字符断裂的笔划被桥接上, 但是其边缘仍存在部分噪声。所以需进行第 (3) 步的操作。可以看到, 通过组合滤波桥接算法运算后, 噪声基本被消除, 笔划断裂的字符被桥接上。可见, 对图4进行字符识别, 可以大大提高其识别正确度, 并且不再需要考虑字符笔划断裂的情况, 因此用普通的字符识别算法就可得到很高的识别准确率。

2.2 组合滤波桥接算法与其他滤波桥接算法效果展示

为了能清晰地看出不同算法的滤波桥接效果, 图4～图6放大了“ea”字符串。图5是对受噪图像直接中值滤波, 再用结构元素SE桥接的效果图;图6是用常用的形态学滤波[9]消噪, 再用结构元素SE桥接的效果图。

由图4～图5可见, 组合滤波桥接算法不仅能消除图像噪声, 而且还能完全桥接笔划断裂字符, 这点是其他算法所不能及的。图1的缩放比例尺寸为:宽36%, 高36%;图2的缩放比例尺寸为:宽34%, 高35%;图3～图6的缩放比例尺寸为:宽35%, 高35%。

3 结语

由以上理论分析和仿真实验表明, 组合滤波桥接算法不仅能消除图像噪声, 而且还能完全桥接笔划断裂字符, 解决了识别笔划缺损字符的识别难点, 从而达到提高字符识别准确度的目的。

参考文献

[1]孙炎增, 张前进.车牌字符识别技术的研究与实现[J].微电子学与计算机, 2008, 25 (6) :101-104.

[2]孙光民, 张程, 王鹏.基于非线性PCA神经网络的手写体字符识别[J].北京工业大学学报, 2007, 33 (9) :915-919.

[3]孙护军.运动工件上字符识别系统研究[J].西安航空技术高等专科学校学报, 2008, 26 (1) :61-63.

[4]周奇, 张永光, 徐健健.基于直方图特性的图像去噪方法[J].电子测量技术, 2007, 30 (1) :40-42.

[5]向静波, 苏秀琴.基于数学形态学的金字塔图像去噪[J].光子学报, 2009, 38 (2) :458-460.

[6]李明喜, 吴鸿霞.基于小波变换和中值滤波的图像去噪方法研究[J].黄石理工学院学报, 2007, 23 (3) :16-19.

[7]马从兵.形态学滤波在压电陀螺信号处理中的应用[J].压电与声光, 2007, 29 (5) :527-529.

形态结合篇5

关键词：L系统,形态重构,B样条曲线,边缘检测,柑橘叶片

0 引言

植物叶片作为植物的重要组成部分,它是植物获取能源的主要器官之一,其所发挥的生理和生态功能与其外在形态密切相关,而快速、逼真地对植物叶片的外在形态进行重构,则能够促进虚拟植物的发展及应用[1]。

随着虚拟植物仿真研究的不断深入,植物叶片的仿真建模也逐渐得到研究者们的重视。Hammel等[2]利用枝干骨架对植物叶片进行了建模;Loch 等[3]利用激光传感器获得叶片表面的数据点并通过线形三角和CT 技术对叶片进行了精确建模。Oqielat等利用Loch方法获得大量三维数据并结合CT(Clough-Tocher)和RBF(Radial basis function)的方法获得了更加真实的叶片模型;但上述方法对设备的要求较高且需要大量的人工交互,从而使效率较低。Quan Long 等[4]利用多幅图像、结合二维图像和三维数据重建叶片模型;李云峰等[5]利用图像来重建虚拟植物器官和植物树冠,并对叶片进行了三角化剖分,但上述方法还缺乏对叶脉信息的考虑; Mundermann等[6]利用单幅叶片图像,通过提取叶片轮廓,然后计算叶片的骨架等步骤对植物叶片进行了建模;Adam采用L-system系统定义树叶模型,试图通过建立一个数学模型来模拟树叶的叶脉骨架结构,但并没有对叶片的表面细节和形变进行细致模拟。

为了快速、有效地的模拟植物叶片的形态结构特征,本文在深入研究图形图像学的基础上,以柑橘叶片为例,开展了基于图像与L系统相结合的植物叶片形态结构重构研究,快速、有效地描述了植物叶片的形态特征并进行了重构,降低了植物叶片模型构建的复杂度。其设计过程如图1所示。

1 图像采集与处理

1.1 原始图像采集

利用数码相机等图像采集设备,在光照条件较好的条件下,采集高清植物叶片图像,然后存入计算机中,存储格式一般为.jpeg。图2是从不同角度、正反面采集的柑橘叶片。

1.2 原始图像的处理及特征提取

柑橘叶片的形态重构,需在取得原始图像的基础上,对柑橘叶片的几何形态—叶片边缘、叶脉等主要特征进行提取。此部分主要使用边缘检测、Harris角点检测等图像处理技术,使提取柑橘叶片特征后的图像只有光滑的叶片骨架及叶边缘。

1.2.1 边缘检测

在图像处理中,常用的边缘检测方法有微分算子法、高斯—拉普拉斯算子法、坎尼算子法以及零交叉边缘检测法等。由于柑橘叶片的特殊性,本文采用微分算子法,通过实验,对微分算子法中不同的算子(Robert算子、Sobel算子、Prewitt算子和Kirsch算子)进行比对,比对结果如图3所示。其中,Robert算子检测得到的效果较好。

(a) Prewitt (b) Sobel (c) Robert (d) Kirsch

Roberts边缘检测算子[7]是采用对角线方向上相邻像素间差的近似检测方法,其具有定位精度较高,在垂直和水平方向效果较好的特点。由于柑橘叶片在生长过程中,受外界条件的影响,可能发生卷叶等现象,即本文采用Roberts边缘检测算子。

Roberts算子是根据任意一对互相垂直方向上的差分来计算其梯度。采用对角线方向相邻像素之差,则有

Δxf=f(i,j)-f(i+1,j+1) (1)

Δyf=f(i,j+1)-f(i+1,j) (2)

$R (i, j) = \sqrt{Δ_{x}^{2} f + Δ_{y}^{2} f} (3)$

对图像f(x,y)求Roberts梯度为

GRf(x,y)=max{f(x,y)-g(u,ν)} (4)

其中,(u,ν)为点f(x,y)的四邻域。或采用差分近似为

$\begin{array}{l} G_{R} f (x, y) = \max {[\sqrt{f (x, y)} - \sqrt{f (x + 1, y + 1)}]^{2} + \\ [\sqrt{f (x + 1, y)} - \sqrt{f (x, y + 1)}]^{2}} (5) \end{array}$

1.2.2 叶片特征点提取

在对植物叶片形态重构中,需提取叶片的特征点(叶脉与边缘、叶脉与叶脉的交点)。在图形图像中,Harris角点检测算法[8]具有计算简单、提取的角点特征均匀合理等优点。它首先提取图形边缘,然后在边缘的链上搜索曲率最大的或通过精确得到组成交(角)点的两条边缘直线,从而确定直线交点的方法。其表达式为

$Μ = G (\bar{s}) \otimes [\begin{matrix} g_{x}^{2} & g_{x} g_{y} \\ g_{x} g_{y} & g_{y}^{2} \end{matrix}] (6)$

其中,gx,gy分别表示x与y方向上的梯度, $G (\bar{s})$ 为高斯模板。Harris算法的角点响应函数为

R=det(M)-ktr(M)2 (7)

其中,det(M)为矩阵行列式,tr(M)为矩阵直迹;k为默认常数。在应用中,如果图像窗口中心点的R值大于给定的门限值,则认为这个点为角点。图4为利用Harris算法对图1提取特征点(交点)的结果。

2 柑橘叶片的形态重构方法设计

为了有效模拟柑橘叶片本身的结构特征及对其形态特征进行重构,有必要对植物的叶边缘和叶脉分别进行重构组合,以快速生成具有三维信息的植物叶片模型。

2.1 叶边缘重构

通过Harris角点检测算法提取叶片特征点,然后用B样条曲线连接取得的边缘特征点(交点),从而形成叶的边缘。图5为基于图4的特征点形成的边缘。

2.2 叶脉重构

叶脉作为叶片的骨架,保证植物叶片的稳定性,也是实现柑橘叶片形态特征重构的重要信息[1]。由图3可知,植物叶脉具有一定的层次性,根据叶脉的粗细、大小等指标,可以分为主脉、侧脉以及细脉,且侧脉与细脉都具有对生或互生的特征。根据这一特征,本文以柑橘叶片作为参照,应用L系统实现对叶脉的构造设计。由L系统定义可知,它是由迭代次数N、旋转角度δ、公理ω、产生式P等组成。即构造过程如下[9]:

迭代次数N: (S-2)/2;

旋转角度δ:180/N;

公理ω: [+L] V [-R];

产生式P:V->……; L->……; R->……。

其中,S表示为叶脉也叶边缘交点数,“+”与“-”表示不同的旋转方向,L表示主叶脉左侧脉的生长规则,R表示主叶脉右侧脉的生长规则,P表示主叶脉的生长规则。

3 实验结果及分析

本文以VC为平台、结合OpenGL技术,利用本文所提到的柑橘叶片形态特征重构进行了可视化建模以及渲染,有效地描述了植物叶片的相关特征,实现了柑橘叶片形态特征的重构[10]。图6为采用本文所述方法进行的柑橘叶片形态特征重构的结果,实验表明该方法能有效地提取植物叶片的形态特征并快速地进行形态的重构。

4 结论

随着数字农业和虚拟植物的快速发展,快速、逼真地对植物叶片进行模拟与仿真已成为虚拟植物形态结构研究的重点。但由于植物生长的复杂性以及叶片受各方面因素的影响,给植物叶片的仿真带来了较大的困难。为此,本文以柑橘叶片为例,提出了一种基于图像和L系统相结合的植物叶片形态特征重构方法。在叶片重构的过程中,引入了大量的图形图像学方法与数学思想,快速地实现了柑橘叶片模型的构建。通过实验表明,本方法的重构效果较好。另外,本文大量的融合了图形图像学技术,与传统的方法相比,具有操作简单、快速和实用等特点。

然而,由于植物叶片在生长过程中受温度、水分等影响可能使其形态发生改变。另外,叶片建模和渲染中没有考虑光照、阴影和透明效果以及叶脉的弯曲表度。所以,本文生成的图形跟原始图形有一定的差别,在今后的研究工作中,拟充分考虑各种因素的影响,快速地对植物叶片的各种形态进行模拟,为植物叶片动态生长模型及植物建模与可视化提供了基础。

参考文献

[1]杨亮,郭新宇.基于多幅图像的黄瓜叶片形态的三维重建[J].农业工程学报,2009,25(2):141-144.

[2]Hammel M S,Prusinkiewicz P,Wyvill B.Modelling com-pound leaves using implicit contours[C]//In:Kunii T L.Integrating computer graphics with computer vision,Tokyo:CGI Press,1992:119-212.

[3]Loch B.Surface fitting for the modeling of plant leaves[D].Brisbane:University of Queensland,2004.

[4]Quan L,Ping T,Gang Z,et al.Image-based plant model-ing[J].ACM Transactions on Graphics,2006,25(4):599-604.

[5]彭辉,刘善梅.分形理论在植物形态模拟中的应用[J].农机化研究,2010,32(6):190-193.

[6]Mundermann L,MacMurchy P,Pivovarov J,et al.Modelinglobed leaves[C]//In:The Proceedings of the ComputerGraphics International,Tokyo:CGI Press,2003:60-67.

[7]姚进.基于灰度形态学的图像边缘检测方法分析与研究[J].计算机应用与软件,2010(12):256-261.

[8]邱建国,张建国.基于Harris与Sift算法的图像匹配方法[J].测试技术学报,2009,23(3):271-275.

[9]敬松,方逵,陈演,等.基于二叉树结构的参数化L系统的计算模型研究[J].农业网络信息,2010(9):28-32.

形态结合篇6

2015年7月, 由中华吟诵学会主办的“第三届中华吟诵周”在北京首都师范大学召开, 来自日本广岛的吟诵专家表演了多首中国唐诗的日本吟诵。吟诵周的学术研讨会上, 金中以“日本吟诵的跨学科研究构想”为题做了发言, 指出我国学界的研究目前还基本限于对日本吟诵概况的描述, 尚未开展深入、细致的实证性研究, 有必要由音乐领域人士对日本吟诵进行记谱和分析, 与日本古典文学领域人士进行跨学科的合作研究。本文便是在这一思路之下, 尝试以合作方式对经典的日本吟诵做一考察, 以增强我国读者对其音乐形态的了解。

一、日本吟诵的整体特点

日本吟诵所涉及的作品包括日本的各类诗歌, 甚至连散文也可以吟诵。整体来看, 其中还是以所谓“汉诗”占主要部分。日语中的“汉诗”指的是中国古典式诗歌, 包括以唐诗为主的中国诗歌以及日本人模仿中国诗歌的作品。

日语和汉语相似, 也具有文言和白话之别。以纯汉字形式书写的汉诗在日本经过“训读”的方式被转化为直译的日语文言自由诗, 别具一种刚健爽朗的风格和高雅的格调。不过, 各句变得长短不一, 汉语中的押韵和平仄在日语中无法体现。①

据渡边岳吟介绍, 日本吟诵具有浓郁的日本音乐特色, 其旋律不算复杂, 多具有寂寥、悲哀的情感, 某种程度地反映了日本的民族性。日本吟诵的音程跨越两个八度, 主要分三部分:低音部 (6、7、1, 以斜向下方的三角型符号表示) 、中音部 (3、4, 以水平方向的三角型符号表示) 和高音部 (6、7、, 在吟诵谱中以斜向上方的三角型符号表示) 。其构成音多为“3、4、6、7、”, 这种音阶被称为“和式五音阶短旋律”, 为日本古曲中所常见。日本吟诵以回归主音“3”为基本原则:即每句的结束音为主音“3”, 在句中也会多次出现主音“3”, 以此给吟诵的旋律带来稳定感, 使听者的内心平静。一般来说, 日本吟诵的男声通常采用A调, 女声为D调。②

以上关于日本吟诵音乐的基本原则在实践中如何体现?笔者选择由“日本吟剑诗舞振兴会”于2003年发行的CD专辑《吟とこころ——笹川镇江吟咏集》进行考察, 这张专辑无论是制作者还是吟诵者都在日本吟诵界极具代表性。

“日本吟剑诗舞振兴会”以弘扬作为日本传统艺术的吟诵、剑舞、诗舞为宗旨, 由日本社会活动家笹川良一 (1899-1995) 集结日本各吟诵团体于1968年设立。该组织总部位于东京港区, 在各地均设有分支机构, 是日本当今吟诵界的国家级中心组织。

笹川镇江 (1923-2003) 是笹川良一之妻。据该专辑所附年谱介绍, 笹川镇江5岁开始学习琵琶, 11岁师从日本诗吟学院的木村岳风学习吟诵, 1964年创立了静凰流派吟诵, 1968年日本吟剑诗舞振兴会设立后历任其理事、常务理事、副会长, 自1995年起担任第二任会长。笹川镇江的吟诵可以说代表了日本当代吟诵的顶尖级水平。

该专辑共收录有包括4首中国诗在内的17首作品的吟诵。本文以其中的李白《春夜洛城闻笛》为对象进行具体考察。这首七言绝句的吟诵共3分15秒, 配有日本筝和尺八等伴奏。

二、笹川镇江《春夜洛城闻笛》日语吟诵的音乐形态

1.结构

首先, 有必要将该吟诵的整体结构与汉语进行对比。汉语吟诵多以二字为一单位, 七言诗句的吟诵结构为“二·二·三”。结尾三字根据文意又可分为“二·一”或“一·二”结构。因此, 一个七言诗句的吟诵基本由四部分组成, 本文姑且将各部分称为“节”。这一“节”的单位按照吟诵的结构而划分, 不同于音乐中具有固定拍数的“小节”概念。

《春夜洛城闻笛》的日语吟诵每句也可划分为四节, 与相应的汉语吟诵之结构对比如下:

春夜洛城闻笛にをく

谁家|玉笛|暗飞|声? がの|か|にを|ばす

散入|春风|满|洛城。じて|にって|に|つ

此夜|曲中|闻|折柳, の||を|く

何人|不起|故园|情。か|の|を|さざらん

日语的吟诵结构也基本上是二字一节, 只有一处例外:即第二句的“散入春风”四字在日语中“散”字单独构成一节, “春风入”三字构成一节。日语不像汉语那样一字一音一意, 一个汉字大多对应假名二音, 加上词尾所附的格助词或接续助词, 使得每节所包含的语音较汉语增多不少。这首诗四句中各节的语音数依次分别为:5|5|6|3, 4|8|5|2, 3|4|5|2, 5|4|3|6。前三句的第四节均为日语的动词终止形, 相对语音较少。

2.记谱

日本吟诵的音调主要由骨干音旋律和尾腔两部分构成, 基本上骨干音为诗作文字的实词部分, 尾腔是作为格助词或接续助词的虚词部分。骨干音的结尾音即尾腔的起始音, 日本吟诵的声情之美和韵味很大程度地体现在尾腔上。骨干音旋律的记谱相对容易, 而尾腔一般是通过颤音、滑音等进行上行或下行的变化, 有些音在微分音中游移, 音符不易一一捕捉。此外, 日本吟诵与中国吟诵同样不是按照固定的节拍来划定时值, 没有板眼的规律性。笔者在记谱时, 以该吟诵前奏音乐的节拍为参照, 经过反复听辨, 大致记录出旋律的相对节奏, 尽量捕捉记录下了尾腔中相对明显的乐音。

笔者试将《春夜洛城闻笛》的日语吟诵记录为如下乐谱, 按照吟诵结构将各句的节数标注在小括号内, 使用增时线表示尾腔大致的拍数, 将捕捉到的尾腔音符标记在中括号内。日语假名下方添加了其相应的罗马字书写, 以便中国读者大致了解其发音。

此外, 笔者分别测算了所有尾腔的物理时长, 四个诗句各尾腔时长的秒数依次分别为:3|6|7|5, 5|6|6|5, 4|5|7|6, 6|7|8|6。可见每句中最长的尾腔均位于第三节位置。

3.音高

这首吟诵的旋律中出现的基本音级共有五个:即“1、3、#4、5、7”。

其中, 骨干音以主音“3”开始的有四节, 以“3”结束的有三节, 尾腔结束在“3”上的有五节。出现“3”音的共十二节, 占全部十六节的75%。

骨干音以“7”开始的有五节, 以“7”结束的有六节, 尾腔结束在“7”上的有七节。出现“7”音的共十四节 (第一句第二节和第二、三、四句的第三节中, 起始音和结束音均为“7”) , 占全部节数的87.5%。“7”音在这首吟诵中出现得最为频繁, 凸显了日本民族音乐的风格。

骨干音以“#4”开始的有四节, 以“#4”结束的有五节, 尾腔结束在“#4”上的有二节。出现“#4”音的共十二节, 占全部节数的75%。

骨干音以“1”开始的有二节, 以“1”结束的有一节, 尾腔没有以“1”结束的。出现“1”音的共三节, 占全部节数的18.75%, 相对较少。

骨干音以“5”开始的有一节, 以“5”结束的有一节, 尾腔没有以“5”结束的。出现“5”音的共二节, 占全部节数的12.5%, 相对较少。

这一考察结果和前文提到的“3、4、6、7、”之“和式五音阶短旋律”有所不同。虽然同样没有出现“2”音, 但存在“5”音, 而“6”音却没有出现。总体来看, 其中以“3”“#4”“7”所占比重较高。前文提到, 日本吟诵以回归主音“3”为基本原则。而在这首吟诵中, 以“3”音结束的并没有“7”音多, 说明日本吟诵的基本原则在实践中可以有所突破。

这首吟诵中, 骨干音的最高音位于第三句第二节, 即整体的第十节, 在全部十六节中位于62.5%的位置, 接近“黄金分割”点, 听觉美与形式美产生内在的统一。

笹川镇江的吟诵采用的是E调, 略高于一般日本女声的D调。其吟诵铿锵有力与低回婉转配合得相得益彰。

按照前文提到的“低、中、高”音部的划分, 这首吟诵中低音部有八节, 中音部有六节, 高音部有两节。低音部占到总数的一半, 低音的铺垫凸显了高音的激昂。

4.尾腔音调的走向及音域

从这首吟诵中可以看出一个规律:即, 旋律走向基本是上行和下行交替进行。尾腔音调的走向共有以下四种形式:

1) 下行式 (第一句第一、二、四节, 第二句第二节, 第三句第一节, 第四句第四节, 共六节, 占全部十六节的37.5%) , 在吟诵中多使用符号表示。

2) 先上后下式 (第一句第三节, 第二句第三节, 第三句第二、三、四节, 第四句第三节, 共六节, 占总节数的37.5%) , 多使用符号表示。

3) 平拖式 (第二句第一、四节, 第四句第一节, 共三节, 占总节数的18.75%) , 多使用用符号表示。

4) 上行式 (第四句第二节, 占总节数的6.25%) , 多使用符号表示。

先上后下式的走向一般是用滑腔形式, 向上一个二度音一带而过, 立即转向下行, 也具有明显的下行音腔的特点。下行式与先上后下式共占到总节数的75%。音腔下行在感性听觉上往往具有悲凉孤寂之感。这也许就是这首吟诵具有浓郁的寂寥苍凉感的原因, 某种程度契合了《春夜洛城闻笛》的诗境。此外, 平拖式尾腔在骨干音的结束音上做颤音保持, 具有一种平稳感。唯一的一节上行式尾腔在众多下行音腔中作为反衬, 使音腔更为丰富。

当尾腔下行或先上后下时, 前面的骨干音一般都呈上行走向, 上行音程为小三度到小六度不等。当尾腔平拖时, 前面的骨干音可上行亦可下行。当尾腔上行时, 前面的骨干音则呈下行走向。

关于尾腔的音域, 我们以纯四度为分界线, 大于等于纯四度的音程相对较宽, 反之较窄。这首吟诵中的尾腔音域大于或等于纯四度的有十一节, 小于纯四度的有五节。尾腔中的大音程和小音程是相间分布的。连续两三个音域大的尾腔后面会接一个音域较小的尾腔。以此形成松弛有度、高低相应的效果。音域整体较为宽广, 使听者感受到高亢激昂的气氛。

三、结语

本文以笹川镇江的日语吟诵《春夜洛城闻笛》为对象做了记谱, 并考察了其音乐形态。该吟诵每句分四节, 每句中最长的尾腔均位于第三节位置。旋律中出现的基本音级为“1、3、#4、5、7”, 其中以“3”“#4”“7”所占比重较高。尾腔大多呈下行走向, 产生寂寥苍凉之感。其音域整体较为宽广, 具有高亢激昂的气氛。

关于日本吟诵的音乐问题, 例如不同吟诵流派之间的细微差别以及与中国吟诵的审美比较等, 在本文中尚未来得及展开, 有待今后做进一步论证。

注释

11详见金中《现代诗词评论》 (陕西师范大学出版总社, 2013年版) 第82页.

形态结合篇7

图像去噪是图像处理中的一个重要课题,在滤除噪声的同时尽可能地保护边缘。常用的图像去噪方法中有中值滤波法和加权平均法等。中值滤波简单方便,具有较好的滤除噪声效果,但去噪的同时也模糊了图像细节。加权平均利用图像相邻像素间的相关性,用给定像素的邻域加权平均值代替该像素的值,实现图像的去噪。但平滑作用越强,图像也越模糊。

小波变换具有低熵性、多分辨性、去相关性和选基灵活等特点,小波变换后,图像边缘处的系数幅值较大,而且在相邻尺度见具有较强的相关性,便于边缘特征的保护和提取[1]。

卷积形态变换是一种新的形态变换形式,具有线性卷积的结构和形态变换的性质[2]。这种新的形态变换以乘性结构元素为特征,它不同于具有加性结构元素的普通形态变换。本文对图像小波变换后的小波系数进行卷积形态处理,以去除具有较小支持域的噪声,保留具有连续支持域的边缘,将处理后的细节信息用于图像重构,得到去噪后的图像。

2 小波变换

小波变换[3]是一种信号的时频分析方法。它具有多分辨率分析的特点,而且在时域和频域都具有表征信号局部特征的能力。通过小波变换可以将图像分解成一系列具有不同空间分辨率、不同频率特性的子波带信号。

对于任一二维图像信号f(x,y)∈L2(R×R),在分辨率2-j下有:

上式表明,在2-j分辨率上将图像分解成Ajf、Dj1f、Dj2f和Dj3f四个子图,其中Ajf原图像在2-j分辨率上的近似(低频、用LL表示),Dj1f对应垂直方向的高频成分,即水平的边缘细节(用LH表示),Dj2f对应于水平方向的高频成分,即垂直的边缘信息(用HL表示),Dj3f对应于对角方向的高频成分(用HH表示)[4]。

图1示意了图像的一步小波分解过程,可以看到:二维图像的小波分解可以对图像依次按行、按列与一维的低通(H)和高通(G)滤波器作卷积来实现,在卷积之后进行相应的降落采样[4]。图2示意了小波分解图的一步重构过程,小波分解图像的重构是先对列或行升2采样(在相邻列或行间插入一零列或零行),然后再按行、按列与一维的低通或高通滤波器进行卷积。这样递推下便可重构原图像。

3 卷积形态学

数学形态学中最重要也是最基本的形态腐蚀与膨胀变换是所有形态变换的基础。在卷积积分中,将具有一定的基本结构模式和不同尺度的函数g替代傅里叶变换的卷积核e-jωt,积分运算替代为Minkowski和(差)运算,则可以获得具有卷积结构的非线性形态变换形式[2]。定义具有如下形式的卷积形态腐蚀和膨胀变换:

其中f∈Fun(Rd)表示一幅图像,g满足g>0,称其为形态卷积核,在通常的形态变换形中g也称为结构元素。若将模型空间取为二维空间,则式(1)和式(2)具有形式

在卷积形态腐蚀和膨胀变换定义的基础上,类似于通常的形态开变换和闭变换的形式,可以定义卷积形态开变换α和闭变换β:

4 系统原理图

结合上述相关理论,本文图像去噪的原理图如图3所示。

5 实验结果

用本文方法对叠有加性高斯白噪声(δ=0.05)的lena图像进行MATLAB仿真,大小均为512x512。实验中使用DB4小波进行小波处理,再对分出的高频系数运用卷积形态学处理。为了对比,采用了传统的中值滤波。图4给出了实验结果:

表1给出了去噪前后图像的信噪比的比较结果。

从实验结果中可以看出,本文方法无论从视觉效果上还是信噪比上都有更好的效益,而且在保持细节和平滑噪声上效果都比较好。

6 结束语

本文所提出的方法对图像进行小波分解后,对各高频子带进行卷积形态处理,再重构得到去噪后的图像。与传统的中值滤波想比较,此方法对噪声有明显的抑制作用,较好地保留了图像的边缘信息,去噪效果好。