形态学处理 OpenCV图像处理实战课件.pptxVIP

第七章形态学处理

第七章形态学处理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。形态学变换主要包括腐蚀、膨胀和高级形态操作形态学：主要用于二值图像的形状操作

第七章形态学处理形态学操作内核形态操作会使用一个内核（也称结构元）遍历图像，根据内核和图像的位置关系决定内核中心对应的图像像素点的输出结果。内核可以是自定义的矩阵（NumPy数组），也可以是cv2.getStructuringElement()函数返回的矩阵。cv2.getStructuringElement()函数的基本格式如下：参数说明如下：shape为内核的形状，可使用的常量包括cv2.MORPH_RECT（矩形）、cv2.MORPH_CROSS（十字形）和cv2.MORPH_ELLIPSE（椭圆形）。ksize为内核的大小。

第七章形态学处理形态学操作内核

第七章形态学处理形态学操作内核使用Numpy数组定义内核

第七章形态学处理7.1腐蚀腐蚀操作遍历图像时，会根据内核和图像的位置决定内核中心对应的图像像素点的输出结果在图4-37所示的示意图中，0表示背景，1表示前景，灰色方块表示大小为3×3的矩形内核。且内核为当内核部分或全部处于前景之外时，内核中心对应单元格的值设置为0，如图4-37（a）所示。只有在内核完全处于前景内部时，内核中心对应单元格的值才设置为1，如图4-37（b）所示通过腐蚀操作，图像的边界被侵蚀，白色区域缩小，腐蚀结果如图4-37（c）所示。

第七章形态学处理7.1腐蚀OpenCV的cv2.erode()函数用于实现腐蚀操作语法格式：dst=cv2.erode(src,kernel[,anchor[,iterations[,borderType[,borderValue]]]])参数说明：dst：腐蚀后的结果图像。src：原图像。kernel：内核。anchor：锚点，默认值为(-1,-1)，表示锚点为内核中心。

第七章形态学处理7.1腐蚀OpenCV的cv2.erode()函数用于实现腐蚀操作语法格式：dst=cv2.erode(src,kernel[,anchor[,iterations[,borderType[,borderValue]]]])参数说明：iterations：腐蚀操作的迭代次数borderType为边界类型，默认为BORDER_CONSTANTborderValue为边界值，一般由OpenCV自动确定

第七章形态学处理7.1腐蚀应用案例1：对某个矩阵实用不同的内核进行腐蚀操作矩阵：内核：结果：内核：结果：

第七章形态学处理7.1腐蚀应用案例1：对某个矩阵实用不同的内核进行腐蚀操作

第七章形态学处理7.1腐蚀应用案例2：对字母图像进行腐蚀操作

第七章形态学处理7.1腐蚀应用案例2-1：增大内核进行腐蚀操作可以看出随着内核增大，图像前景白色部分更细了

第七章形态学处理7.1腐蚀应用案例2-2：变换内核进行腐蚀操作椭圆十字不同的内核（结构元素）对于腐蚀处理结果有很大的影响，应根据实际情况选择适合的核及其大小

第七章形态学处理7.1腐蚀应用案例2-2：进行多次腐蚀操作设置参数iteration=2，表示进行两次腐蚀操作原图一次