形态学主要从图像内提取分量信息,该分量信息通常对于表达和描绘图像的形状具有重要意义,通常是图像理解时所使用的最本质的形状特征。
例如,在识别手写数字时,能够通过形态学运算得到其骨架信息,在具体识别时,仅针对其骨架进行运算即可。形态学处理在视觉检测、文字识别、医学图像处理、图像压缩编码等领域都有非常重要的应用。
形态学 *** 作主要包含:
腐蚀 *** 作和膨胀 *** 作是形态学运算的基础,将腐蚀和膨胀 *** 作进行结合,就可以实现开运算、闭运算、形态学梯度运算、顶帽运算、黑帽运算、击中击不中等不同形式的运算。
腐蚀是最基本的形态学 *** 作之一,它能够将图像的边界点消除,使图像沿着边界向内收缩,也可以将小于指定结构体元素的部分去除。
腐蚀用来“收缩”或者“细化”二值图像中的前景,借此实现去除噪声、元素分割等功能。例如,在图8-1中,左图是原始图像,右图是对其腐蚀的处理结果。
在腐蚀过程中,通常使用一个结构元来逐个像素地扫描要被腐蚀的图像,并根据结构元和被腐蚀图像的关系来确定腐蚀结果。
在OpenCV中,使用函数cv2.erode()实现腐蚀 *** 作,其语法格式为:
式中:
【例8.2】使用函数cv2.erode()完成图像腐蚀。
使用方法:
使用方法:
blur()函数定义:
borderTypes 取值范围:
使用方法:
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)