Este documento presenta una sesión sobre operaciones morfológicas en imágenes en escala de grises en MATLAB. Explica conceptos como dilatación y erosión, y cómo implementar funciones para dilatar y erosionar imágenes de escala de grises en MATLAB. También cubre aplicaciones de operaciones morfológicas como pre-procesamiento de imágenes y extracción de características.

1. Procesamiento de Imágenes
y Visión Artificial
(WEE2)
Sesión: 6
MSc. Ing. José C. Benítez P.
Operaciones morfológicas I

2. Logros de aprendizaje
1. Implementar una función con la dilatación de una
imagen de escala de grises en matlab.
2. Operar la dilatación de imágenes de escala de grises
con funciones de matlab.
3. Implementar una función con la erosión de una imagen
de escala de grises en matlab.
4. Operar la erosión de imágenes de escala de grises con
funciones de matlab.
2

3. 3
Contenido
Dilatación y erosión de imágenes en escala
de grises:
• Introducción.
• Dilatación de imágenes escala de grises.
• Erosión de imágenes escala de grises.

4. Introducción
Esquema general del análisis de imágenes

5. Introducción
Morfología:
• Estudio de la forma y la estructura.
Morfología matemática:
• Es una técnica de procesado no lineal de la imagen,
interesada en la geometría de los objetos
• Análisis morfológico: Permite extraer componentes de la
imagen que son útiles en la representación y descripción de
la forma de las regiones: Fronteras, Esqueletos, etc.
• Permite obtener características relevantes de los objetos en
la imagen: Forma, Tamaño, etc.
• Procesado morfológico: Permite transformar la forma o la
estructura de los objetos en una imagen

6. Introducción
Tipos:
• Morfología binaria (es la más frecuente).
• Morfología de niveles de gris.
• Morfología de imágenes poli cromáticas.
Usos:
• Post-procesado: Por ejemplo, tras un proceso de
segmentación
• Pre-procesado: Por ejemplo, previo a un sistema de
reconocimiento.
Aplicaciones:
• Análisis de imágenes médicas, teledetección, visión
artificial, ...

7. Introducción
• La segmentación no suelen dar un resultado exacto de la
delimitación de los objetos o regiones de interés: Aparecen
píxeles mal clasificados, bordes imprecisos de los objetos o
regiones que están solapadas. Por tanto, antes de extraer más
características de medio nivel se requiere de una etapa de
pre-procesamiento. En esta fase se suele emplear el
tratamiento morfológico.
• Es una técnica de procesamiento no lineal de la señal,
caracterizada en realzar la geometría y forma de los objetos.
• Su fundamento matemático se basa en la teoría de conjuntos.
• Aunque en un principio se aplicará sobre las imágenes
binarias, luego se extenderá a las imágenes grayscale. Esto
permitirá vislumbrar que el procesamiento morfológico
también se puede utilizar como técnica de PDS.

8. Introducción
• Concluyendo, estas nuevas herramientas se pueden
emplear tanto en el procesado, como en las etapas de
segmentación – post procesado o en fases de mayor
nivel de información visual.
• Actualmente se puede encontrar aplicaciones en la
restauración de imágenes, en la detección de bordes, en
el análisis de texturas, en el aumento del contraste y
hasta en la compresión de imágenes.

9. Introducción
• La morfología matemática se basa en operaciones de teoría
de conjuntos. En el caso de imágenes binarias, los conjuntos
tratados son subconjuntos de Z2 y en el de las imágenes en
escala de grises, se trata de conjuntos de puntos con
coordenadas en Z3.
• Las operaciones morfológicas simplifican imágenes y
conservan las principales características de forma de los
objetos.
• Un sistema de operadores de este tipo y su composición,
permite que las formas subyacentes sean identificadas y
reconstruidas de forma óptima a partir de sus formas
distorsionadas y ruidosas.

10. Introducción a las OM
• La morfología matemática se puede usar, entre otros,
con los siguientes objetivos:
Pre-procesamiento de imágenes (supresión de
ruidos, simplificación de formas).
Destacar la estructura de los objetos (extraer el
esqueleto, detección de objetos, envolvente
convexa, ampliación, reducción,...)
Descripción de objetos (área, perímetro,...)

11. Introducción a las OM
1. Imágenes binarias
Operaciones morfológicas:
Dilatación, erosión, Transformada Hit-or-Miss, apertura
y clausura.
Aplicaciones:
Extracción de fronteras y componentes conexas,
rellenado de regiones, adelgazamiento y engrosamiento,
esqueleto y poda.
2. Imágenes en escala de grises
Operaciones morfológicas: dilatación, erosión, apertura,
cierre.
Aplicaciones:
Gradiente morfológico, transformada Top-Hat, texturas y
granulometrías.

12. Elementos del procesado morfológico
Los fundamentos del análisis y procesado morfológico
se basan en el álgebra de conjuntos y en la topología.
Tres elementos:
a. Conjuntos (Imágenes)
b.Operadores Morfológicos (dilatación, erosión,
apertura/cierre)
c. Elementos Estructurantes (EE)

13. Operaciones básicas sobre conjuntos

14. Operaciones básicas sobre conjuntos

15. Operaciones lógicas

16. Operaciones lógicas

17. Dilatación de imágenes escala de grises

18. Dilatación de imágenes escala de grises

19. Dilatación de imágenes escala de grises

20. Dilatación de imágenes escala de grises

21. Dilatación de imágenes escala de grises

22. Dilatación de imágenes escala de grises

23. Erosión de imágenes escala de grises

24. Erosión de imágenes escala de grises

25. Erosión de imágenes escala de grises

26. 26
Preguntas
Al término de la experiencia de aprendizaje el alumno debe ser
capaz de responder las siguientes preguntas:
1. Conceptos de operaciones morfológicas.
2. Clasificación de los OM.
3. Hacer un listado de cinco aplicaciones de las operaciones
morfológicas.
4. La dilatación de grises.
5. La erosión de grises.
6. Hacer un listado de cinco aplicaciones de la operación
morfológica dilatación de grises.
7. Hacer un listado de cinco aplicaciones de la operación
morfológica erosión de grises.

27. 27
Sesión 6. Operaciones morfológicas I
Procesamiento de Imágenes
y Visión Artificial
Blog del curso:
http://utppdiyva.blogspot.com