标签：until 方法 lock 元素 图片 size 删除 tps rod
1、二值图像边界提取、轮廓提取
如果一个点的8邻域都是1，则可以认为这个点是内部的点而不是边界上的点，可以删除这类点，剩下的就是边界上的点。根据腐蚀的特性，使用3*3的结构元素对图像进行腐蚀，可以得到内部的点，那么再用原图减去腐蚀图，就得到了图像的边界。
imgPath = ‘E:\opencv_pic\src_pic\pic1.bmp‘; img = imread(imgPath); img=rgb2gray(img); img = 255-img; se = strel(‘square‘, 5); img2 = imerode(img, se); subplot(1,3,1),imshow(255-img),title(‘原始图像‘); subplot(1,3,2),imshow(255-img2),title(‘腐蚀图像‘); subplot(1,3,3),imshow(255-(img-img2)),title(‘边界点‘);
2、形态学方法图像区域填充
区域填充可以认为是边界提取的反过程，已知边界情况下得到边界包含的区域。
已知某一图形，具有8连通边界，其内部有空白区域，那么怎么填充内部？
在图像内部确认一点，然后以此点为基准，循环膨胀，只要控制住膨胀后的图没有超过边界即可。
初始化：B0=种子点
循环膨胀： Do： Bi+1 = (Bi ⊕ S) ∩ Ac； Until Bi+1 = Bi 。
使用S对图像B0进行膨胀，如果膨胀后的图超过了边界，则与图像A的补集Ac 做与运算，把膨胀后的图限制在图像A内部。随着B的膨胀，B的区域不断的增长，但是每次增长后的图像都被限制在图像A的内部，所以最终必定填充满图像A，此时停止生长。
a）原始图像
b）读取图像A以及补集Ac
imgPath = ‘E:\opencv_pic\src_pic\pic1-1.bmp‘; img1 = imread(imgPath); % 前景图 img0 = 255-img1; % 取反景图 subplot(1,2,1),imshow(img1),title(‘原始图像‘); subplot(1,2,2),imshow(img0),title(‘补集图像‘);
c）图像膨胀
figure; [m,n]= size(img0); B0 = zeros(m,n); B0(50, 150) = 1; se = [0 1 0;1 1 1;0 1 0]; B1=imdilate(B0, se) & img1; B2=imdilate(B1, se) & img1; subplot(1,3,1),imshow(B0),title(‘结构元素se‘); subplot(1,3,2),imshow(B1),title(‘腐蚀B1‘); subplot(1,3,3),imshow(B2),title(‘腐蚀B2‘);
放大后观察，B0是单个像素点，B1是3*3十字元素，B2是5*5十字元素。
d）循环膨胀、填充区域增长
figure; while 1 imshow(B2); if B1 == B2 break; else B1 = B2; B2=imdilate(B1,se) & img1; end end
图像增长过程如下图。
填充过程如下图，先从B0开始膨胀，循环膨胀图像不断生长，当图像超出边界后与背景图像（补集）相交限制图像的边界。直到图像无法再生长，图像完成内部区域填充。
3、参考文献
1、《数字图像处理与机器视觉》，张铮、徐超、任淑霞、韩海玲编著
尊重原创技术文章，转载请注明。
标签：until 方法 lock 元素 图片 size 删除 tps rod
原文地址：https://www.cnblogs.com/pingwen/p/12245857.html
