عملیات مورفولوژیک سایش (Erosion) یکی از پایه ای ترین عملگرها در پردازش تصویر است. عملگر سایش، نواحی سفید رنگ تصویر باینری را تحلیل می‌دهد، و در واقع تصویر سفید را کوچک می‌کند و قسمت های اضافی را حذف می کند. این عملیات شبیه به انقباض نواحی سفید عمل می‌کند.
سایش (Erosion) یکی از دو عملگر پایه در زمینه مورفولوژی ریاضی است. عملگر دوم گسترش (Dilation) است که معمولاً برای تصاویر باینری اعمال می شود. اما نسخه هایی هم وجود دارد که روی تصاویر مقیاس خاکستری (Grayscale) کار می کنند. تأثیر اصلی این عملگر بر روی یک تصویر باینری، از بین بردن مرزهای منطقه‌ها (به طور معمول پیکسل های سفید) از پیکسل های پیش زمینه (رنگ سیاه) است. بنابراین نواحی پیکسل پیش زمینه (سفید رنگ) از لحاظ اندازه، کوچک می‌شوند و سوراخ های مشکی درون مناطق سفید، بزرگتر می‌شوند.
کرنل در عملیات مورفولوژیک سایش
اپراتور سایش دو نوع داده به عنوان ورودی می گیرد. اولی تصویری است که باید عملیات سایش روی آن انجام شود. مورد دوم مجموعه ای (معمولاً کوچک) از نقاط است که به عنوان یک عنصر ساختاری (Kernel) شناخته می شود. اثر دقیق سایش توسط عنصر ساختاری (Kernel) بر روی تصویر ورودی تعیین می‌شود.
برای اعمال سایش، ماتریس کرنل (Kernel) را در مختصات 0 و 0 عکس قرار می دهیم. کرنل یک ماتریس است که تعداد سطر و ستون آن فرد است. اگر مرکز کرنل روی یک نقطه سفید رنگ (نقطه هدف) قرار بگیرد، پیکسل های اطراف آن ناحیه مورد بررسی قرار می‌گیرد. اگر پیکسلی در همسایگی نقطه هدف وجود داشته باشد که رنگ آن مشکی باشد، نقطه‌ی هدف به رنگ مشکی در می‌آید. این عملیات روی تمام نقاط تصویر اعمال می‌شود. درنهایت نقاط سفید رنگی که در مرز قرار دارند، دچار سایش می‌شوند و به رنگ سیاه تبدیل می‌شوند.
به عنوان مثال برای یک عنصر ساختاری 3 × 3، اثر سایش به این گونه است که هر پیکسل پیش زمینه که کاملاً توسط پیکسل های سفید دیگر احاطه نشده باشد (با فرض اتصال 8 تایی) به رنگ سیاه تبدیل می‌شود. چنین پیکسل هایی باید در لبه های مناطق سفید قرار داشته باشند ، بنابراین نتیجه اصلی این است که مناطق پیش زمینه (مناطق سفید) کوچک می شوند و سوراخ های (نقاط مشکی) داخل یک منطقه سفید، رشد می کنند.
سایش نقطه‌ی مقابل گسترش است. سایش پیکسل‌های پیش زمینه ( مناطق سفید رنگ) معادل گسترش پیکسل های پس زمینه (مناطق مشکی) است به کمک عملیات سایش می توان نواحی متصل به هم را جدا کرد. از کاربردهای دیگر این عملگر، حذف اضافه های یک ناحیه است. این عملیات اندازه‌ی شیء را کوچکتر می‌کند.
خیلی خوب بود
خوشحالم که از آموزش راضی بودید
مطلب تون مختصر و مفید بود .
باتشکر
خوشحالم که از آموزش راضی بودید 🙂
خدا قوت..مختصر و مفید بود
خوشحالم که از آموزش راضی بودید و ممنونم که نظرتون رو به اشتراک گذاشتید
سلام دوست عزیز
بی نهایت سپاسگزارم. شما انسان بزرگواری هستید که برای آموزش چنین مفاهیم وقت می گذارید.
سلامت باشید دوست گرامی. ممنون از شما که مطلب رو مطالعه کردید و بازخورد دادید.