精华内容
下载资源
问答
  • 图像处理中得形态学是指数学形态学。数学形态学(Mathematical morphology) 是一门建立在格论和拓扑学基础之上的图像分析学科,是数学形态学图像处理的基本理论。其基本的运算包括:腐蚀和膨胀、开运算和闭运算、...

    形态学通常表示生物学的一个分支,该分支主要研究动植物的形态和结构。图像处理中得形态学是指数学形态学。数学形态学(Mathematical morphology) 是一门建立在格论和拓扑学基础之上的图像分析学科,是数学形态学图像处理的基本理论。其基本的运算包括:腐蚀和膨胀、开运算和闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换等。

    形态学就是基于形状的一系列图像处理的操作。最基本的形态学有两种即膨胀(dilate)与腐蚀(erode)。膨胀与腐蚀可以实现很多功能,主要是以下几种:

    • 消除噪声;
    • 分割出独立的图像元素,连接相邻的元素;
    • 寻找图像中得明显的极大值区域或极小值区域;
    • 求图像的梯度。

    腐蚀和膨胀是对于白色部分(高亮部分),而不是黑色部分。膨胀会使高亮部分区域更大,而腐蚀会让高亮区域更小。膨胀是求局部最大值的操作,而腐蚀则是求局部最小值的操作。膨胀的数学表达式如下:

    669098a703cf257c2f96955c84de2cd4.png

    腐蚀的数学表达式如下:

    e280c2d7f8780da00a68cb2d4c4700e2.png

    在opencv中提供了膨胀和腐蚀的API,首先看一下函数原型:

    膨胀:

    void cv::dilate( InputArray src, OutputArray dst, InputArray kernel,
                              Point anchor = Point(-1,-1), int iterations = 1,
                              int borderType = BORDER_CONSTANT,
                              const Scalar& borderValue = morphologyDefaultBorderValue() );
    

    腐蚀:

    void cv::erode( InputArray src, OutputArray dst, InputArray kernel,
                             Point anchor = Point(-1,-1), int iterations = 1,
                             int borderType = BORDER_CONSTANT,
                             const Scalar& borderValue = morphologyDefaultBorderValue() );
    

    参数说明:

    src : 输入图像,图像深度为CV_8U,CV_16U,CV_16S,CV_32F或CV_64F其中之一

    dst : 输出的目标图像,和原图像有相同尺寸和大小

    kernel : 腐蚀或者膨胀的卷积核,当为NULL时,表示的使用锚点位于中心的3x3的卷积核

    anchor : 锚点位置,当为(-1,-1)时候,表示位于中心

    iteration:表示迭代的腐蚀或者膨胀的次数

    borderType :用于推断图像外部像素的某种边界模式

    borderValue:当边界为常数时的边界值

    膨胀与腐蚀往往会结合getStructuringElement函数一起使用,看一下getStructingElement函数,函数原型如下:

    cv::Mat getStructuringElement(int shape, cv::Size ksize, cv::Point anchor = Point(-1,-1))
    

    函数功能:返回一个指定大小和形状的结构元素,用于形态学操作。

    参数说明:

    shape: 结构元素的形状,有以下三种:

    MORPH_RECT : 矩形

    MORPH_CROSS : 交叉形状

    MORPH_ELLIPSE: 椭圆形

    ksize :结构元素的大小

    anchor : 指定锚点位置,当锚点为(-1,-1)表示锚点位于结构元素中心。

    下面看一下膨胀和腐蚀的代码示例:

    #include <iostream>
    #include <opencv2/opencv.hpp>
    cv::Mat srcImage;
    cv::Mat srcImage1;
    void OnErode(int pos,void *userdata)
    {
        cv::Mat dstImage;
        cv::Mat element = cv::getStructuringElement(pos,cv::Size(5,5),cv::Point(-1,-1));
        cv::erode(srcImage,dstImage,element);
        cv::imshow("erode",dstImage);
    }
    void onDilate(int pos,void *userdata)
    {
        cv::Mat dstImage;
        cv::Mat element = cv::getStructuringElement(pos,cv::Size(5,5),cv::Point(-1,-1));
        cv::dilate(srcImage,dstImage,element);
        cv::imshow("dilate",dstImage);
    }
    int main(int argc,char *argv[]) {
        srcImage = cv::imread(argv[1]);
        if (!srcImage.data)
        {
            std::cerr << "fail to load image" << std::endl;
            return -1;
        }
        srcImage1 = srcImage.clone();
        cv::namedWindow("dilate",cv::WINDOW_AUTOSIZE);
        cv::namedWindow("erode",cv::WINDOW_AUTOSIZE);
        cv::createTrackbar("Dilate","dilate",0,2,onDilate);
        cv::createTrackbar("Erode","erode",0,2,OnErode);
        cv::imshow("dilate",srcImage);
        cv::imshow("erode",srcImage1);
        cv::waitKey(0);
        cv::destroyAllWindows();
        return 0;
    }
    

    结果展示:

    a4a0e1f52c89c5ef997b1ebb62a5dda8.png

    c33ad3153fdbf85d97788fc0811257cd.png
    展开全文
  • 形态学滤波

    千次阅读 2019-11-14 20:38:20
    形态学指数学方面的形态学滤波,特别对图像的滤波处理。它的本质和其他滤波器一样,都能够对图像进行去噪、增强等作用。它包括的运算很多,最基本的两个形态学操作腐蚀和膨胀,其他的高级形态学操作都基于...

    什么是形态学?

    形态学指的是数学方面的形态学滤波,特别是对图像的滤波处理。它的本质和其他滤波器一样,都能够对图像进行去噪、增强等作用。它包括的运算很多,最基本的两个形态学操作是腐蚀和膨胀,其他的高级形态学操作都是基于这两个基本的形态学操作进行的,比如开运算、闭运算、形态学梯度、顶帽、黑帽等。

    主要作用?

    膨胀类似与 '领域扩张' ,将图像的高亮区域或白色部分进行扩张,其运行结果图比原图的高亮区域更大.

    腐蚀类似 '领域被蚕食' ,将图像中的高亮区域或白色部分进行缩减细化,其运行结果图比原图的高亮区域更小

    对二值化图,

       1、 消除噪声
       2、分割出独立的图像元素,在图像中连接相邻的元素
       3、寻找图像中的明显的极大值或极小值区域
       4、求出图像的梯度
     

    膨胀

    膨胀(dilate)就是求局部的最大值的操作。从数学的角度就是图像与核进行卷积
    核可以是任何形状核大小,它拥有一个单独定义出来的参考点,称为锚点,可以把核视为模板或者掩码
    数学公式

    腐蚀

    腐蚀就是求局部最小值的操作。
    数学公式:

    总结:对二值化图像:去掉像素用腐蚀,开运算;增加像素用膨胀,闭运算

              对灰度图像:灰度值降低,用腐蚀,开运算;灰度值增加用膨胀,闭运算

     

    展开全文
  • 形态学操作

    2021-04-05 20:24:14
    腐蚀是指最基本的形态学操作之一,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, ...

    形态学操作

    1.腐蚀
    腐蚀是指最基本的形态学操作之一,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,
    在这里插入图片描述

                                    图像A
    
    • 腐蚀在形态学操作家族里是膨胀操作的孪生姐妹。它提取的是内核覆盖下的相素最小值。
    • 进行腐蚀操作时,将内核 B 划过图像,将内核 B 覆盖区域的最小相素值提取,并代替锚点位置的相素。
    • 以与膨胀相同的图像作为样本,我们使用腐蚀操作。从下面的结果图我们看到亮区(背景)变细,而黑色区域(字母)则变大了。

    在这里插入图片描述
    下面是代码:
    在这里插入图片描述
    2.膨胀:
    膨胀操作是形态学中的一种基本操作,膨胀操作和腐蚀操作作业是相反的,膨胀操作能对图像的边界进行扩张。膨胀操作是将当前对象接触到的背景点合并到当前对象内,从而实现图像的边界点向外扩张。
    同腐蚀过程一样,在膨胀过程中,也是使用一个结构元来逐个像素地扫描要被膨胀地图像,并根据结构元和待膨胀图像的关系来确定膨胀结果。

    • 此操作将图像 A 与任意形状的内核 (B),通常为正方形或圆形,进行卷积。
    • 内核 B 有一个可定义的 锚点, 通常定义为内核中心点。
    • 进行膨胀操作时,将内核 B 划过图像,将内核 B 覆盖区域的最大相素值提取,并代替锚点位置的相素。显然,这一最大化操作将会导致图像中的亮区开始”扩展” (因此有了术语膨胀 dilation )。对上图采用膨胀操作我们得到:

    在这里插入图片描述

    背景(白色)膨胀,而黑色字母缩小了。

    下面是膨胀的代码:
    在这里插入图片描述
    谢谢观看!如有错误请和我说!

    展开全文
  • 而我们图像处理中的形态学,往往数学形态学。下面一起来了解数学形态学的概念。 数学形态学(Mathematical morphology)一门建立在格论和拓扑学基础之上的图像分析学科,数学形态学图像处理的基本理论。其基本...

    形态学(morphology)一词通常表示生物学的一个分支,该分支主要研究动植物的形态和结构。而我们图像处理中的形态学,往往指的是数学形态学。下面一起来了解数学形态学的概念。

    数学形态学(Mathematical morphology)是一门建立在格论和拓扑学基础之上的图像分析学科,是数学形态学图像处理的基本理论。其基本的运算包括:二值腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等。

    简单来讲,形态学操作就是基于形状的一系列图像处理操作。OpenCV为进行图像的形态学变换提供了快捷、方便的函数。最基本的形态学操作有两种,分别是:膨胀(dilate)与腐蚀(erode)。

    膨胀与腐蚀能实现多种多样的功能,主要如下。

    • 消除噪声;
    • 分割(isolate)出独立的图像元素,在图像中连接(join)相邻的元素;
    • 寻找图像中的明显的极大值区域或极小值区域;
    • 求出图像的梯度。

    在进行腐蚀和膨胀的讲解之前,首先提醒大家注意,腐蚀和膨胀是对白色部分(高亮部分)而言的,不是黑色部分。膨胀是图像中的高亮部分进行膨胀,类似于“领域扩张”,效果图拥有比原图更大的高亮区域:腐蚀是原图中的高亮部分被腐蚀,类似于“领域被蚕食”,效果图拥有比原图更小的高亮区域。

    一、膨胀

    膨胀(dilate)就是求局部最大值的操作。从数学角度来说,膨胀或者腐蚀操作就是将图像(或图像的一部分区域,称之为A)与核(称之为B)进行卷积。

    核可以是任何形状和大小,它拥有一个单独定义出来的参考点,我们称其为锚点(anchorpoint),多数情况下,核是一个小的,中间带有参考点和实心正方形或者圆盘。其实,可以把核视为模板或者掩码。

    而膨胀就是求局部最大值的操作。核B与图形卷积,即计算核B覆盖的区域的像素点的最大值,并把这个最大值赋值给参考点指定的像素。这样就会使图像中的高亮区域逐渐增长,如图所示。这就是膨胀操作的初衷。
    在这里插入图片描述
    膨胀的数学表达式如下。
    在这里插入图片描述

    1.1 dilate函数

    dilate函数使用像素邻域内的局部极大运算符来膨胀一张图片,从src输入,由dst输出。支持就地(in-place)操作。

    函数原型如下。

    C++: void dilate(
    nputArray src,
    OutputArray dst,
    InputArray kernel,
    Point anchor=Point (-1,-1),
    int iterations=1,
    int borderType=BORDER_CONSTANT,
    const Scalar& bordervalue=morpholoqyDefaultBorderValue ();
    

    参数详解如下

    • 第一个参数, InputArray类型的src,输入图像,即源图像,填Mat类的对象即可。图像通道的数量可以是任意的,但图像深度应为CV_8U,CV_16U,CV_16S, CV_32F或CV_64F其中之一。
    • 第二个参数, OutputArray类型的dst,即目标图像,需要和源图片有一样的尺寸和类型。
    • 第三个参数, InputArray类型的kernel,膨胀操作的核。当为NULL时,表示的是使用参考点位于中心3x3的核。
    • 第四个参数, Point类型的anchor,锚的位置,其有默认值(-1,-1),表示锚位于中心。
    • 第五个参数, int类型的iterations,迭代使用erode)函数的次数,默认值为1
    • 第六个参数, int类型的borderType,用于推断图像外部像素的某种边界模式。注意它有默认值BORDER DEFAULT.
    • 第七个参数, const Scalar&类型的borderValue,当边界为常数时的边界值,有默认值morphologyDefaultBorderValue),一般不用去管它。需要用到它时,可以看官方文档中的createMorphologyFilter()函数,以得到更详细的解释。使用erode函数,

    我们一般使用函数getStructuringElement配合第三个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素(内核矩阵)。其中,getStructuringElement函数的第一个参数表示内核的形状,有如下三种形状可以选择

    • 矩形:MORPH RECT
    • 交叉形: MORPHCROSS;
    • 圆形:MORPH ELLIPSE.

    而getStructuringElement函数的第二和第三个参数分别是内核的尺寸以及锚点的位置。

    一般在调用erode以及dilate函数之前,先定义一个Mat类型的变量来获得getStructuringElement函数的返回值。对于锚点的位置,有默认值Point(-1,-1),表示锚点位于中心。此外,需要注意,十字形的element形状唯一依赖于锚点的位置,而在其他情况下,锚点只是影响了形态学运算结果的偏移。
    getStructuringElement函数相关的调用示例代码如下。

    int g-nstructElementSize = 3; //结构元素(内核矩阵)的尺寸
    //获取自定义核
    Mat element = getstructuringElement (MORPH RECT,Size (2*g nstructElementSize+1, 2*q nstructElementSize+1), Point ( q nstructElementSize, g nstructElementSize ));
    

    调用之后,我们可以在接下来调用erode或dilate函数时,在第三个参数填保存了getStructuringElement返回值的Mat类型变量。对应于上面的示例,就是element变量。

    一般只需要填前面的三个参数,后面的四个参数都有默认值,而且往往会结合getStructuringElement一起使用。

    1.2 示例

    int main()
    {
    
    	//载入原图  
    	Mat image = imread("F:\\CV\\LearnCV\\files\\maliao.jpg");
    
    	//创建窗口  
    	namedWindow("【原图】膨胀操作");
    	namedWindow("【效果图】膨胀操作");
    
    	//显示原图
    	imshow("【原图】膨胀操作", image);
    
    	//进行膨胀操作 
    	Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
    	Mat out;
    	dilate(image, out, element);
    
    	//显示效果图 
    	imshow("【效果图】膨胀操作", out);
    
    	waitKey(0);
    
    	return 0;
    }
    int main01() //morphologyEx方法
    {
    	//载入原始图   
    	Mat image = imread("F:\\CV\\LearnCV\\files\\maliao.jpg"); 
    	//创建窗口   
    	namedWindow("【原始图】膨胀");  
    	namedWindow("【效果图】膨胀");  
    	//显示原始图  
    	imshow("【原始图】膨胀", image);  
    	//定义核
    	Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));  
    	//进行形态学操作
    	morphologyEx(image, image, MORPH_DILATE, element);
    	//显示效果图  
    	imshow("【效果图】膨胀", image);  
    
    	waitKey(0);  
    
    	return 0;  
    }
    

    在这里插入图片描述

    二、腐蚀

    膨胀和腐蚀(erode)是相反的一对操作,所以腐蚀就是求局部最小值的操作。

    我们一般都会把腐蚀和膨胀进行对比理解和学习。下文就可以看到,两者的函数原型也是基本一样的。腐蚀操作示例如图所示。
    在这里插入图片描述
    腐蚀的数学表达式如下。
    在这里插入图片描述

    2.1 示例

    erode函数使用像素邻域内的局部极小运算符来腐蚀一张图片,从src输入,由dst输出。支持就地(in-place)操作。
    看一下函数原型,如下。

    C++: void erode(
    InputArray src,
    OutputArray dst,
    InputArray kernel,
    Point anchor-Point (-1,-1), 
    int iterations-1,
    int borderType=BORDER_CONSTANT,
    const Scalar& borderValue=morphologyDefaultBorderValue ());
    

    参数详解如下。

    • 第一个参数, InputArray类型的src,输入图像,即源图像,填Mat类的对象即可。图像通道的数量可以是任意的,但图像深度应为CV_8U.CV_16U.CV_16S. CV_32F或CV_64F其中之一。
    • 第二个参数, OutputArray类型的dst,即目标图像,需要和源图片有一样的尺寸和类型。
    • 第三个参数, InputArray类型的kernel,腐蚀操作的内核。为NULL时,表示的是使用参考点位于中心3x3的核。一般使用函数getStructuringElement配合这个参数的使用。getStructuringElement函数会返回指定形状和尺寸的结构元素(内核矩阵,具体看上文中dilate函数的第三个参数讲解部分。
    • 第四个参数, Point类型的anchor,锚的位置。其有默认值(-1,-1),表示锚立于单位(element)的中心,一般不用管它。
    • 第五个参数, int类型的iterations,迭代使用erode)函数的次数,默认值为1。
    • 第六个参数, int类型的borderType,用于推断图像外部像素的某种边界模。注意它默认值BORDER_DEFAULT
    • 第七个参数, const Scalar&类型的borderValue,当边界为常数时的边界值,有默认值morphologyDefaultBorder Value(),一般不用去管它。需要用到它时,可以看官方文档中的createMorphologyFilter()函数以得到更详细的解释。

    同样的,使用erode函数,一般只需要填前面的三个参数,后面的四个参数都有默认值。而且往往结合getStructuringElement一起使用。

    2.2 示例

    int main()
    {
    	//载入原图  
    	Mat srcImage = imread("F:\\CV\\LearnCV\\files\\maliao.jpg");
    	//显示原图
    	imshow("【原图】腐蚀操作", srcImage);
    	//进行腐蚀操作 
    	Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
    	Mat dstImage;
    	erode(srcImage, dstImage, element);
    	//显示效果图 
    	imshow("【效果图】腐蚀操作", dstImage);
    	waitKey(0);
    
    	return 0;
    }
    
    int main01() //morphologyEx方法
    {
    	//载入原始图   
    	Mat image = imread("F:\\CV\\LearnCV\\files\\maliao.jpg");  
    	//创建窗口   
    	namedWindow("【原始图】腐蚀");  
    	namedWindow("【效果图】腐蚀");  
    	//显示原始图  
    	imshow("【原始图】腐蚀", image);  
    	//定义核
    	Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));  
    	//进行形态学操作
    	morphologyEx(image, image, MORPH_ERODE, element);
    	//显示效果图  
    	imshow("【效果图】腐蚀", image);  
    
    	waitKey(0);  
    
    	return 0;  
    }
    

    在这里插入图片描述

    morphologyEx函数

    上边,我们重点了解了腐蚀和膨胀这两种最基本的形态学操作,而运用这两个基本操作,可以实现更高级的形态学变换。

    所以,本节的主角是OpenCV中的morphologyEx函数,它利用基本的膨胀和腐蚀技术,来执行更加高级的形态学变换,如开闭运算、形态学梯度、“顶帽”、“黑帽”等。

    首先,我们需要知道,形态学的高级形态,往往都是建立在腐蚀和膨胀这两个基本操作之上的。而关于腐蚀和膨胀,概念和细节以及相关代码请参考上一小节。对膨胀和腐蚀心中有数了,接下来的高级形态学操作,应该就不难理解。

    本节的主角是OpenCV中的morphologyEx函数,它利用基本的膨胀和腐蚀技术,来执行更加高级的形态学变换,如开闭运算、形态学梯度、“顶帽”、“黑帽”等。

     void morphologyEx( InputArray src, OutputArray dst,
                       int op, InputArray kernel,
                       Point anchor = Point(-1,-1), int iterations = 1,
                       int borderType = BORDER_CONSTANT,
                       const Scalar& borderValue = morphologyDefaultBorderValue() );
    

    其中第三个参数op可选择:
    在这里插入图片描述

    三、开运算

    开运算(Opening Operation),其实就是先腐蚀后膨胀的过程。

    开运算可以用来消除小物体,在纤细点处分离物体,并且在平滑较大物体的边界的同时不明显改变其面积。

    int main()
    {
    	//载入原始图   
    	Mat image = imread("F:\\CV\\LearnCV\\files\\maliao.jpg");
    	//创建窗口   
    	namedWindow("【原始图】开运算");
    	namedWindow("【效果图】开运算");
    	//显示原始图  
    	imshow("【原始图】开运算", image);
    	//定义核
    	Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
    	//进行形态学操作
    	morphologyEx(image, image, MORPH_OPEN, element);
    	//显示效果图  
    	imshow("【效果图】开运算", image);
    
    	waitKey(0);
    
    	return 0;
    }
    

    在这里插入图片描述

    四、闭运算

    先膨胀后腐蚀的过程称为闭运算(Closing Operation);

    闭运算能够排除小型黑洞(黑色区域)。效果图如图

    
    int main()
    {
    	//载入原始图   
    	Mat image = imread("F:\\CV\\LearnCV\\files\\maliao.jpg");
    	//创建窗口   
    	namedWindow("【原始图】闭运算");
    	namedWindow("【效果图】闭运算");
    	//显示原始图  
    	imshow("【原始图】闭运算", image);
    	//定义核
    	Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
    	//进行形态学操作
    	morphologyEx(image, image, MORPH_CLOSE, element);
    	//显示效果图  
    	imshow("【效果图】闭运算", image);
    
    	waitKey(0);
    
    	return 0;
    }
    

    在这里插入图片描述

    五、形态学梯度

    形态学梯度(Morphological Gradient)是膨胀图与腐蚀图之差;

    对二值图像进行这一操作可以将团块(blob)的边缘突出出来。我们可以用形态学梯度来保留物体的边缘轮廓,如图

    int main()
    {
    	//载入原始图   
    	Mat image = imread("F:\\CV\\LearnCV\\files\\maliao.jpg");
    	//创建窗口   
    	namedWindow("【原始图】形态学梯度");
    	namedWindow("【效果图】形态学梯度");
    	//显示原始图  
    	imshow("【原始图】形态学梯度", image);
    	//定义核
    	Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
    	//进行形态学操作
    	morphologyEx(image, image, MORPH_GRADIENT, element);
    	//显示效果图  
    	imshow("【效果图】形态学梯度", image);
    
    	waitKey(0);
    
    	return 0;
    }
    

    在这里插入图片描述

    六、顶帽

    顶帽运算(Top Hat)又常常被译为”礼帽“运算,是原图像与上文刚刚介绍的“开运算”的结果图之差。

    因为开运算带来的结果是放大了裂缝或者局部低亮度的区域。因此,从原图.中减去开运算后的图,得到的效果图突出了比原图轮廓周围的区域更明亮的区域,且这一操作与选择的核的大小相关。

    顶帽运算往往用来分离比邻近点亮一些的斑块。在一幅图像具有大幅的背景,而微小物品比较有规律的情况下,可以使用顶帽运算进行背景提取。

    int main()
    {
    	//载入原始图   
    	Mat image = imread("F:\\CV\\LearnCV\\files\\maliao.jpg");
    	//创建窗口   
    	namedWindow("【原始图】顶帽运算");
    	namedWindow("【效果图】顶帽运算");
    	//显示原始图  
    	imshow("【原始图】顶帽运算", image);
    	//定义核
    	Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
    	//进行形态学操作
    	morphologyEx(image, image, MORPH_TOPHAT, element);
    	//显示效果图  
    	imshow("【效果图】顶帽运算", image);
    
    	waitKey(0);
    
    	return 0;
    }
    

    在这里插入图片描述

    七、黑帽

    黑帽(Black Hat)运算是闭运算的结果图与原图像之差。

    黑帽运算后的效果图突出了比原图轮廓周围的区域更暗的区域,且这一操作和选择的核的大小相关。

    所以,黑帽运算用来分离比邻近点暗一些的斑块,效果图有着非常完美的轮廓。

    int main()
    {
    	//载入原始图   
    	Mat image = imread("F:\\CV\\LearnCV\\files\\maliao.jpg");
    	//创建窗口   
    	namedWindow("【原始图】黑帽运算");
    	namedWindow("【效果图】黑帽运算");
    	//显示原始图  
    	imshow("【原始图】黑帽运算", image);
    	//定义核
    	Mat element = getStructuringElement(MORPH_RECT, Size(15, 15));
    	//进行形态学操作
    	morphologyEx(image, image, MORPH_BLACKHAT, element);
    	//显示效果图  
    	imshow("【效果图】黑帽运算", image);
    
    	waitKey(0);
    
    	return 0;
    }
    

    在这里插入图片描述

    展开全文
  • 图像形态学

    千次阅读 2013-07-01 10:03:55
     数学形态学是基于集合论的非线性理论,是图像处理领域的一种新理论和新方法。数字图像处理中的形态学处理是指将数字形态学作为工具从图像中提取对于表达和描绘区域形状有用处的图像分量,比如边界、骨架以及凸壳,...
  • OpenCV形态学操作

    千次阅读 2016-03-29 08:48:35
    OpenCV形态学操作 分类: OpenCV2010-07-30 10:23 4548人阅读 评论(4) 收藏 举报 dst图像处理算法null网格...数字图像处理中的形态学处理是指将数字形态学作为工具从图像中提取对于表达和描绘区域形状有用处的
  • opencv形态学处理

    2013-11-26 21:51:32
    数字图像处理中的形态学处理是指将数字形态学作为工具从图像中提取对于表达和描绘区域形状有用处的图像分量,比如边界、骨架以及凸壳,还包括用于预处理或后处理的形态学过滤、细化和修剪等。图像形态学处理中我们感...
  • 形态学图像处理

    千次阅读 2017-07-27 20:52:45
    形态学图像处理是指从图像中提取一些“内涵”,也就是一些想得到的属性。形态学处理的数学工具是集合论,在冈萨雷斯的书中研究对象以后两种一种是二值图像,一种是灰度图像。  在在二值图像中中主要有膨胀和腐蚀两...
  • 而我们图像处理中的形态学,往往数学形态学。 数学形态学(Mathematical morphology)一门建立在格论和拓扑学基础之上的图像分 析学科,数学形态学图像处理的基本理论。其基本的运算包括:二值腐蚀和...
  • 形态学图像处理.ppt

    2011-07-23 14:15:20
    形态学一般生物学中研究动物和植物结构的一个分支 数学形态学(Mathematical morphology)用其表示以形态为基础对图像进行分析的数学工具 其基本思想:用具有一定形态的结构元素去度量和提取图像中的对应...
  • 形态学:对象计数

    千次阅读 2015-08-05 12:10:26
    形态学:对象计数 形态学的定义: 形态学又称为数学形态学,是以形态结构元素为基础对图像进行分析的数学工具。数学形态学的应用可以简化图像数据,...所谓的二值图像是指图像的每个像素只取两个值(一般是0和1)
  • 形态学一般是指生物学中研究动物和植物结构的一个分支。形态学因子/要素指不包括单位的数或者是特性。 近年来,有人用数学形态学为工具进行图像分析。它的基本思想是用一定形态的结构元素去量度和提取图像中 的特定...
  • 定义:在我们图像处理中的形态学,往往的时数学形态学——一门建立在格论和拓扑学基础上的图像分析学科。 形态学基本操作:膨胀、腐蚀 膨胀 dilate 介绍:膨胀就是求局部最大值的操作。从数学角度讲,膨胀...
  • OpenCV3.0形态学

    2017-01-03 21:07:13
    OpenCV3.0形态学基本的形态学变化包括膨胀(dilation)和腐蚀(erosion)。膨胀与腐蚀能实现多种多样的功能,主要有: 去除噪声 分割出图像当中的独立元素,在图像中连接相邻的元素 寻找图像中明显的极大值区域和极...
  • 高级形态学处理

    2019-09-25 13:24:12
    形态学处理,除了最基本的膨胀、腐蚀、开/闭运算、黑/白帽处理外,还有一些更高级的运用,如凸包,连通区域标记,删除小块区域等。 一 凸包 凸包是指一个凸多边形,这个凸多边形将图片中所有的白色像素点都包含...
  • 基于OpenCV的图像形态学处理

    千次阅读 2018-11-21 12:17:50
    而我们图像处理中的形态学,往指是数学形态学。 最基本的形态学操作有两种:膨胀和腐蚀 膨胀:(dilate)就是求局部最大值的操作。从数学角度来说,膨胀或者腐蚀操作就是讲图像(或图像的一部分区域,称之为A)与核...
  • 图像处理中的形态学往往数学形态学。 2、数学形态学 建立在格论和拓扑学基础之上的图像分析学科,数字形态学图像图像处理的基本理论。 其基本的运算包括二值化腐蚀和膨胀、二值开闭运算、骨架抽取、极限...
  • 12-形态学操作

    2020-02-11 17:44:40
    OpenCV的形态学操作,多数基于膨胀(dilate)与腐蚀(erode)形成的; 1、开操作-open; 2、闭操作-close; 3、形态学梯度- Morphological Gradient; 4、顶帽-top hat; 5、黑帽-black hat; 开操作(open) 1、开...
  • 一、形态学概述  形态学(morphology)一词通常表示生物学的一个分支,该分支主要研究动植物的形态和结构,而图像处理中的形态学主要是指数学...(简单理解:形态学是基于形状的一系列图像处理操作)  基本运算...
  • 图像细化的基本原理⑴ 图像形态学处理的概念数字图像处理中的形态学处理是指将数字形态学作为工具从图像中提取对于表达和描绘区域形状有用处的图像分量,比如边界、骨架以及凸壳,还包括用于预处理或后处理的形态学...
  •  数学形态学是一门建立在格论和拓扑学基础之上的图像分析学科,是数学形态学图像处理的基本理论。其基本运算包括:二值腐蚀和膨胀,二值开闭运算,骨架抽取,极限腐蚀,击中击不中变换,形态学梯度,top-hat变换,...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 434
精华内容 173
热门标签
关键字:

形态学是指