数字图像处理与深度学习技术应用 课件 第8章 图像形态学处理.pptx

第8章图像形态学处理

目录8.1概述8.2图像腐蚀8.2.1水平腐蚀8.2.2垂直腐蚀8.2.3全方向腐蚀8.3图像膨胀8.3.1水平膨胀8.3.2垂直膨胀8.3.3全方向膨胀8.4图像开运算与闭运算8.4.1图像开运算8.4.2图像闭运算8.5形态学梯度运算8.6黑帽与礼帽运算8.7图像细化

8.1概述

概述数学形态学以图像的形态特征为研究对象，描述图像的基本特征和基本结构，也就是描述图像中元素与元素、部分与部分间的关系。通常形态学图像处理表现为一种邻域运算形式，采用邻域结构元素的方法，在每个像素位置上邻域结构元素与二值图像对应的区域进行特定的逻辑运算，逻辑运算的结果为输出图像的相应像素。数学形态学基本运算有七种：腐蚀、膨胀、开运算、闭运算、击中、细化和粗化，它们是全部形态学的基础。

8.2图像腐蚀

理论基础腐蚀作用是消除物体边界点，是使边界向内部收缩的过程，可以把小于结构元素的物体去除。如两个物体间有细小的连通，通过腐蚀可将两个物体分开。腐蚀的数学表达式是：图8-1XB示意图

8.2.1水平腐蚀

理论基础水平腐蚀的原理同上面介绍的相同，只是使用的结构元素不同，水平腐蚀所用的结构元素[000]如图8-3所示：图8-3结构元素[000]示意图图8-3结构元素[000]示意图

函数说明（1）retval=cv2.getStructuringElement(shape,ksize,anchor=None)retval：返回构造的特定结构；shape：代表形状类型，其中类型有以下三种：??cv2.MORPH_RECT，矩形结构元素，所有元素值都是1；??cv2.MORPH_CROSS，十字形结构元素，对角线元素值都是1；??cv2.MORPH_ELLIPSE，椭圆形结构元素；ksize：代表形状元素的大小，写法为元组(width,height)；anchor：坐标(x,y)，元素内的锚定位置。默认值为(-1,-1)即结构化元素的中心。

函数说明（2）retval=cv2.erode(src,k[,anchor[,iterations[,boderType[,boderValue]]]])retval：表示返回的腐蚀处理结果；src：表示原始图像，即需要被腐蚀的图像；k：表示腐蚀操作时所要采取的结构类型；anchor：表示锚点的位置，默认为（-1,-1），表示在结构元素的中心；iterations：表示腐蚀擦操作的迭代次数；boderType：表示边界样式，一般默认使用BORDER_CONSTANT；boderValue：表示边界值，一般使用默认值。

效果展示

8.2.2垂直腐蚀

理论基础垂直腐蚀所用的结构元素为。图8-5结构元素示意图

效果展示

8.2.3全方向腐蚀

理论基础全方向腐蚀所用的结构元素如图8-7所示。图8-7全方向腐蚀结构元素示意图

效果展示

8.3图像膨胀

理论基础膨胀与腐蚀的作用正好相反，它是对二值化物体边界点进行扩充，如果两个物体之间的距离比较近，可能会把两个物体连通到一起，对填补空洞很有用。膨胀的数学表达式是：

理论基础

8.3.1水平膨胀

理论基础水平膨胀所用的结构元素如图8-11所示图8-