1.腐蚀操作 import cv2 #opencv读取的格式是BGR import numpy as np import matplotlib.pyplot as plt#Matplotlib是RGB img = cv2.imread('dige.png') cv2.imshow('img', im ...
分类：
其他好文 时间：
2020-11-20 12:19:31
阅读次数：
23
python+opencv图像形态学处理 本篇博客主要是关于形态学中的腐蚀、膨胀、开运算、闭运算、礼帽和黑帽的函数用法。 内容会比较，为方便查阅。代码的解释会写在代码中。 用于测试的图像原图： 一、腐蚀 关于腐蚀就是将图像的边界腐蚀掉，或者说使得图像整体上看起来变瘦了。它的操作原理就是卷积核沿着图像 ...
分类：
编程语言 时间：
2020-03-13 13:27:00
阅读次数：
155
腐蚀操作 import cv2 as cv import numpy as np img = cv.imread('dige.png') kernel = np.ones((5, 5), np.uint8) erosion = cv.erode(img, kernel, iterations = 1 ...
分类：
其他好文 时间：
2020-02-24 23:51:18
阅读次数：
110
图像的腐蚀与膨胀
一、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过滤、细化和修剪等。图像形态学处理中我们感兴趣的主要是二值图像。
⑵ 二值图像的逻辑运算
逻辑运算尽管本质上很简单，但对于实现以形态学为基础...
分类：
其他好文 时间：
2016-07-19 11:12:14
阅读次数：
392
随笔分类 - 图像处理/图像增强等
图像增强； 图像复原； 图像重建； 图像分割； 图像特效； 图像匹配； 图像形态学处理； 图像几何处理； 图像正交变换； 人工智能； 跟踪；
图像处理之增强---图像模糊检测
摘要: 这种检测可以做宽动态的检测，也可应用稳像算法我们实现了拉普拉斯方差算法，该算法提供给我们一个浮点数来代表具体图像的“模糊度”。该算法快速，简单且易于使用—...
分类：
Web程序 时间：
2016-04-29 17:53:09
阅读次数：
565
随笔分类 - 图像处理/图像增强等
图像增强； 图像复原； 图像重建； 图像分割； 图像特效； 图像匹配； 图像形态学处理； 图像几何处理； 图像正交变换； 人工智能； 跟踪；
图像处理之增强---图像模糊检测
摘要: 这种检测可以做宽动态的检测，也可应用稳像算法我们实现了拉普拉斯方差算法，该算法提供给我们一个浮点数来代表具体图像的“模糊度”。该算法快速，简单且易于使用—...
分类：
Web程序 时间：
2016-04-26 20:02:05
阅读次数：
514
学习DIP第13天
开篇废话
其实说实话，所谓开操作和闭操作就是把腐蚀和膨胀结合起来，先腐蚀后膨胀就是开，膨胀后腐蚀就是关，至于为什么是开为什么是关，我一开始也记不住，记得老师好像也没告诉我为啥叫开，为啥叫关，不过在下面的介绍中，会给出叫开和关的原因。
数学原理
额，公式还没准备好。。。
性质
开操作，一般会平滑物体轮廓，断开较窄的狭颈（细长的白色线条），并消除...
分类：
其他好文 时间：
2014-12-26 16:50:04
阅读次数：
316
学习DIP第12天
开篇废话
今天来介绍形态学中最基础也是最重要的两个操作，腐蚀和膨胀，腐蚀和膨胀基本上是所有形态学操作的基础，除此之外还有补集（即二值图全部取反的操作，0变1，1变0），和反射（将所有坐标去反）。
之前使用过腐蚀和膨胀，仅仅是去噪，那时候连结构元（SE）的概念都没有，其实所有形态学操作，核心都是结构元（包括其形状和中心位置，中心位置可以不在结构元区域中），他...
分类：
其他好文 时间：
2014-12-25 20:32:00
阅读次数：
282
学习DIP第11天
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：二值腐蚀和膨胀 (形态学)、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。
由于二值图像...
分类：
其他好文 时间：
2014-12-24 18:09:46
阅读次数：
165
学习DIP第9天
二值图像
二值图像(Binary Image)，按名字来理解只有两个值，0和1，0代表黑，1代表白，或者说0表示背景，而1表示前景。其保存也相对简单，每个像素只需要1Bit就可以完整存储信息。如果把每个像素看成随机变量，一共有N个像素，那么二值图有2的N次方种变化，而8位灰度图有255的N次方种变化，8为三通道RGB图像有255*255*255的N次方种变化。也就是说...
分类：
其他好文 时间：
2014-12-24 16:23:18
阅读次数：
545
