科学技術と共に歩む

1.　序論
1.1　多次元信号
1.2　線形性
1.3　移動不変性
1.4　信号のサンプリング
1.5　集合論の基礎
2.　ミンコフスキー和とミンコフスキー差
2.1　集合と要素
2.2　ミンコフスキー和とミンコフスキー差
2.3　ミンコフスキー和と差の双対性
2.4　ミンコフスキー和と差の性質
2.5　分配則における注意
2.6　dilationとerosion
3.　openingとclosing
3.1　openingとclosingの定義
3.2　openingとclosingの直感的理解
3.3　openingとclosingの双対性
3.4　openingとclosingの意味
3.5　openingとclosingの性質
4.　濃淡画像への拡張
4.1　陰影
4.2　ミンコフスキー和とミンコフスキー差
4.3　dilationとerosion
4.4　dilationとerosionの性質
4.5　ミンコフスキー和と差に関する諸性質
4.6　関数のopeningとclosing
4.7　openingとclosingの意味
4.8　openingとclosingの諸性質
5.　M-フィルタ
5.1　代表的なモルフォロジー演算
5.2　具体的な計算方法
5.3　フィルタの相互関係
5.4　スケール
5.5　エッジ検出フィルタ
5.6　トップハット変換
5.7　パルス性雑音のフィルタリング
5.8　順序統計フィルタとの関係
6.　スケルトン
6.1　スケルトン
6.2　スケルトンの定義
6.3　離散空間におけるスケルトン
6.4　スケルトンからの画像再生
6.5　スケルトンの高速算法
6.6　画像再生の高速算法
6.7　原画像の部分的復元
6.8　最小スケルトン
6.9　濃淡図形のスケルトン
7.　パターンスペクトル
7.1　パターンスペクトル
7.2　形状情報とパターンスペクトル
7.3　濃淡図形への拡張
7.4　離散空間でのパターンスペクトル
7.5　エントロピーと粗さ尺度
8.　モルフォロジーの応用
8.1　平滑化
8.2　孤立性陰影抽出フィルタ
8.3　形状認識への応用
8.4　スケルトンと微分
8.5　形状分割への応用
8.6　クラスタリングへの応用
付録
引用・参考文献
索引