机器视觉应用技术实验教程形态学转换.pdf

实验6形态学转换

一、实验目的

1.掌握OpenCV下图像腐蚀、膨胀、开运算、闭运算等形态学转换方法。

2.掌握AiCam框架的部署和使用。

二、实验环境

硬件环境：PC机Pentium处理器双核2GHz以上，内存4GB以上

操作系统：Windows764位及以上操作系统

开发软件：MobaXterm

实验器材：人工智能边缘应用平台

实验配件：无

三、实验内容

1.算法原理

1.1基本描述

数学形态学（也称图像代数），在图像处理中用来表示以形态为基础对图像进行分析的数学工具。

形态学转换一般有四种：腐蚀、膨胀、开运算、闭运算。

1.2专业术语

腐蚀：

腐蚀是一种消除边界点，使边界向内部收缩的过程。腐蚀就是把目标区域范围“变小”，可以用来消

除小且无意义的物体。腐蚀算法的过程示例：用3x3的结构元素，扫描图像的每一个像素，用结构元素

与其覆盖的二值图像做“与”操作，如果都为1，结果图像的该像素为1，否则为0。

膨胀：

膨胀和腐蚀是一对相反的操作，是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张

的过程。膨胀会使目标区域范围“变大”，将于目标区域接触的背景点合并到该目标物中，使目标边界向

外部扩张，作用就是可以用来填补目标区域中某些空洞以及消除包含在目标区域中的小颗粒噪声。

闭运算：

先膨胀后腐蚀的过程称为闭运算，用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并

不明显改变其面积。

开运算：

先腐蚀后膨胀的过程称为开运算，用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的

同时并不明显改变其面积

1.3常用方法

腐蚀：

OpenCV下，我们通过erode函数对图片进行腐蚀。

#dst表示处理的结果，

#src表示原图像，

#kernel表示卷积核，

#iterations表示迭代次数

cv2.erode(src,kernel,iternations)

膨胀：

OpenCV下，我们通过dilate方法去对图像进行膨胀。

#src表示原图像，

#kernel表示卷积核，

#iterations表示迭代次数

cv2.dilate(src,kernel,iternations)

开运算

OpenCV下，我们通过morphologyEx方法去对图像进行开运算。

#src表示原图像，

#kernel表示卷积核，

#cv2.MOPRH_OPEN,

#iterations表示迭代次数

cv2.morphologyEx(src,cv2.MOPRH_OPEN,kernel,iterations)

闭运算：

OpenCV下，我们通过morphologyEx方法去对图像进行开运算。

#src表示原图像，

#kernel表示卷积核，

#cv2.MOPRH_CLOSE

#iterations表示迭代次数

cv2.morphologyEx(src,cv2.MOPRH_CLOSE,kernel,iterations)

2.功能设计

2.1功能描述

AiCam人工智能轻量化应用框架是一款面向于人工智能边缘应用的开发框架，采用统一模型调用、

统一硬件接口、统一算法封装和统一应用模板的设计模式，实现了嵌入式边缘计算环境下进行快速的应

用开发和项目实施。

AiCam为模型算法的调用提供RESTful调用接口，实时返回分析的视频结果和数据，同时通过物

联网云平台的应用接口，实现与硬件的连接和互动，最终形成各色智联网产业应用。

AiCam框架如下图所示：

返回base64编码的图片和结果数据

Flask服务

http://gwip:4001/stream/algorithm_name?camera_id=0

边缘推理