Image Processing5: Morphological Operation

1.กลาวนํา

สําหรับในบทนี้ จะไดแนะนําถึงเทคนิคการทํา Image processing ชนิด

Non-linearที่สําคัญในการประมวลผลโดยเฉพาะภาพ binary หรือ ภาพ
Gray-scale ที่มีลักษณะมีแนวโนมที่จะเปน binary โดยจะเนนเรื่อง รูปแบบ
(Form) และ โครงสราง (Structure) เพือการเปลี่ยนรูปรางของวัตถุในภาพ
เชน การลด Noise หรือ การลบ Hole ใน Foreground หรือ Background
เราเรียกเทิคนิคนี้วา Morphological Operation ซึ่งจะไดกลาวถึง
รายละเอียดในลําดับตอไป

2. Morphologic Operation

2.1 Morphologic Operation คือ เซตของการประมวลการผลทางภาพใน

เรื่องรูปทรง โดยการประยุกต Structure Element มา Operate กับ Input
image และ ไดผลลัพธหรือ Output image ที่มีขนาดเทากับ Input
Image

2.2 Structure Element คือ เมตริกที่ถูกนิยามใหเปนรูปรางและขนาดที่เปน

Neighborhood สําหรับการทํา Morphological Operation โดยในเมตริก
จะประกอบดวยคา Binary 2 คาคือ 0 และ 1 ซึ่งสามารถมีรูปรางตามที่เรา
กําหนด โดยที่ 1 จะกําหนดเปน Neighborhood (ดูรูปที่ 1)

รูปที่ 2 Structure Element ในลักษณะตางๆ

Background คือ Pixel ที่มีคาเปน 0 ใน Image (ดูรูปที่ 3)

53
Foreground คือ Pixelที่มีคาเปน 1 ใน Image (ดูรูปที่ 3)

รูปที่ 3 Foreground และ Background ใน Image

ความรูพื้นฐานในเชต

เนื่องจาก Morphological Operation ไดพัฒนาจากพื้นฐานของเซต ดังนั้น

จะไดขอแนะนําพื้นฐานของเซตที่สําคัญที่เกื่ยวของดังตอไปนี้

Complement คือ กลุมสมาชิกทีอยูนอกเซตใดๆ แตอยูใน Universe เมื่อ

กําหนด A เปนเซตใดๆ ดังนั้น Complement ของ A (ดูรูปที่ 4) สามารถ
อธิบายดวยสมการดังตอไปนี้

(1)

รูปที่ 4 Complement

Intersection (AND) คือ สมาชิกทีอยูซอนทับระหวางเซตใดๆ เมื่อกําหนด

A และ B เปนเซตใดๆ ดังนั้น Intersection ของ A และ B (ดูรูปที่ 5)
สามารถอธิบายดวยสมการดังตอไปนี้

54
 (2)

รูปที่ 5 Intersection

Union (OR) คือ สมาชิกทีอยูในเซตใดๆ เมื่อกําหนด A และ B เปนเซตใดๆ

ดังนั้น Union ของ A และ B (ดูรูปที่ 6) สามารถอธิบายดวยสมการ
ดังตอไปนี้

(3)

รูปที่ 6 Union

Translation คือ การเลื่อนของเซตตามระยะและทิศทางที่กําหนด เมื่อ

กําหนด A เปนเซตใดๆ และ Vector x คือ ระยะและทิศทางที่กําหนด ดังนั้น
Translation ของ A และ B (ดูรูปที่ 7) สามารถอธิบายดวยสมการ
ดังตอไปนี้

(4)

55
 รูปที่ 7 Translation

3. ชนิดของ Morphologic Operation

3.1 Basic Operation

ในกระบวนการ Morphological Operation ประกอบดวย Operation

พื้นฐานทีสาํ คัญ 2 ตัว คือ Erosion และ Dilation ดังรายละเอียดตอไปนี้

Erosion คือ เทคนิทที่ใชในการลบ (Remove) ติ่งหรือจะหอยของขอบ

(Spike of edges) ของ Region ซึ่งสามารถอธิบายดวยสมการดังตอไปนี้

(5)

รูปที่ 8 กระบวนการประมวลผลของ Erosion

56
เมื่อเราใช Structure Element (รูปที่ 9) มา Operate ดวยการทํา Erosion
กับ Original Image (รูปที่ 10) จะไดผลลัพธดังตอไปนี้

⎡1 1 1⎤
SE = ⎢⎢1 1 1⎥⎥
⎢⎣1 1 1⎥⎦

รูปที่ 9 Structure Element

รูปที่ 10 Original Image (ซาย) และ Eroded Image (ขวา)

Processing loops = 10

Dilation คือ เทคนิทที่ใชขยายขอบของ Foreground หรือ Background

ของ Image ตามที่กําหนด โดยทั่วไปมักใชในการเติมเต็มหลุม (Hole
Filling) ซึ่งสามารถอธิบายดวยสมการดังตอไปนี้

(6)

57
 รูปที่ 11 กระบวนการประมวลผลของ Dilation

เมื่อเราใช Structure Element (รูปที่ 12) มา Operate ดวยการทํา

Dilation กับ Original Image (รูปที่ 13) จะไดผลลัพธดังตอไปนี้

⎡1 1 1⎤
SE = ⎢⎢1 1 1⎥⎥
⎢⎣1 1 1⎥⎦

รูปที่ 12 Structure Element

รูปที่ 13 Original Image (ซาย) และ Dilated Image (ขวา)

58
 Processing loops = 10

ถาเรานําทั้งสองกระบวนทั้ง Dilation และ Erosion มา Operation ดวย

Opening คือ การทํา Erosion แลวตามดวย Dilation โดยทั่วไปเปนขั้น

เตรียมการในการ Skeleton หรือ การแยก Region ใหญใหเปน Region
ยอย ซึ่งสามารถอธิบายดวยสมการดังตอไปนี้

(7)

รูปที่ 14 กระบวนการประมวลผลของ Opening

เมื่อเราใช Structure Element (รูปที่ 15) มา Operate ดวยการทํา

Opening กับ Original Image (รูปที่ 16) จะไดผลลัพธดังตอไปนี้

1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1

รูปที่ 15 Structure Element = disk ที่มีขนาด Metric 10*10

รูปที่ 16 Original Image และ Opened Image

59
 Processing Loop = 1

Closing คือ คือ การทํา Dilation แลวตามดวย Erosion โดยทั่วไปใชเพื่อ

การตอสวนแคบๆของ Region ซึ่งสามารถอธิบายดวยสมการดังตอไปนี้

(8)

รูปที่ 17 กระบวนการประมวลผลของ Closing

เมื่อเราใช Structure Element (รูปที่ 18) มา Operate ดวยการทํา

Closing กับ Original Image (รูปที่ 19) จะไดผลลัพธดังตอไปนี้

1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1

รูปที่ 19 Structure Element = disk ที่มีขนาด Metric 10*10

รูปที่ 20 Original Image และ Closed Image

Processing Loop= 1

60
3.2 Morphological Transformation

การทํา Morphological Operation ในกลุมนี้ จะทําให Original Image มี

การเปลี่ยนรูปรางโดยสิ้นเชิง ในที่นี้จะขอแนะนํา Operator บางตัว
ดังตอไปนี้

Hit-and-Miss คือ การจับคูดวยเงื่อนไขที่กําหนดขึ้นเปนพิเศษ ซึ่งสามารถ

อธิบายดังสมการตอไปนี้

(9)

รูปที่ 21 กระบวนการประมวลผลของ Hit-and-Miss

Thinning คือ การทํา Hit-and-Miss Operation โดยใช Structure

Element ที่มีการหมุน 8 ทิศทาง ซึ่งสามารถอธิบายดวยสมการดังตอไปนี้

(10, 11)

รูปที่ 22 กระบวนการประมวลผลของ Thinning

เมื่อเราใช Structure Element (รูปที่ 23) มา Operate ดวยการทํา

Thinning
กับ Original Image (รูปที่ 24) จะไดผลลัพธดังตอไปนี้

61
 ⎡1 1 1⎤
SE = ⎢⎢1 1 1⎥⎥
⎢⎣1 1 1⎥⎦

รูปที่ 23 Structure Element

รูปที่ 24 Original Image และ Thin Image

Processing Loops = 10
Skeletonization คือ เทคนิคที่ใชหาโครงกระดูก (Skeleton) ของ Region
ซึ่งหลักการของการหา Skeleton จะใชกลุมของเสนที่ไดจากการทํา
Thinning โดยไมสูญเสียรูปรางที่สําคัญของ Region ไป ซึ่งสามารถอธิบาย
ดวยสมการดังตอไปนี้

(12)

รูปที่ 25 กระบวนการประมวลผลของ Skeleton

เมื่อเราใช Structure Element (รูปที่ 26) มา Operate ดวยการทํา

Skeleton กับ Original Image (รูปที่ 27) จะไดผลลัพธดังตอไปนี้

62
 ⎡1 1 1⎤
SE = ⎢⎢1 1 1⎥⎥
⎢⎣1 1 1⎥⎦

รูปที่ 26 Structure Element

รูปที่ 27 Original Image และ Skeleton Image

Processing Loop = อนันต

Thickening คือ การทําThinning ที่ Background ของ Region ซึ่ง

สามารถอธิบายดวยสมการดังตอไปนี้

(13)

รูปที่ 28 กระบวนการประมวลผลของ Thickening

เมื่อเราใช Structure Element (รูปที่ 29) มา Operate ดวยการทํา

Thickening กับ Original Image (รูปที่ 30) จะไดผลลัพธดังตอไปนี้

63
 ⎡1 1 1⎤
SE = ⎢⎢1 1 1⎥⎥
⎢⎣1 1 1⎥⎦

รูปที 29 Structure Element

รูปที่ 30 Original Image และ Thicken Image

Processing Loop = 10

4. สรุป

ในบทนี้ ไดนําเสนอเรี่องหลักการเบื้องตนของ Morphologic Operation

ซึ่งจะเปนพื้นฐานในการทํา Automatic Man-made Feature Extraction ที่
จะกลาวในบทสุดทายตอไป

อางอิง

Morphological Image Analysis

http://www.uoguelph.ca/~mwirth/cis6320/lec7_notes.pdf#search
='morphological%20operation%20guelph'

Set Theory
http://www.efunda.com/math/settheory/settheory.cfm

Morphological Operation, Help Manual of Matlab

Dmitrij Csetverikov, Basic Algorithms for Digital Image Analysis,

http://visual.ipan.sztaki.hu

64