二值图像的腐蚀和膨胀 .

最新推荐文章于 2024-11-01 13:39:49 发布
最新推荐文章于 2024-11-01 13:39:49 发布
阅读量534 收藏
点赞数
文章标签： 人工智能

  二值图像的腐蚀和膨胀图像数字处理中应用相当广泛，代码处理也很简单，只不过一些资料在介绍腐蚀和膨胀原理时，用一些形态学、集合上的概念和术语，搞得也有些”高深莫测“了。

    从图像处理角度看，二值图像的腐蚀和膨胀就是将一个小型二值图（结构元素，一般为3*3大小）在一个大的二值图上逐点移动并进行比较，根据比较的结果作出相应处理而已。以二值图的骨架为黑色点为例：

    作图像腐蚀处理时，如果结构元素中的所有黑色点与它对应的大图像素点完全相同，该点为黑色，否则为白色。

    作图像膨胀处理时，如果结构元素中只要有一个及以上黑色点与它对应的大图像素点相同，该点为黑色，否则为白色。也就是说，如果结构元素中的所有黑色点与它对应的大图像素点没有一个相同，该点为白色，否则为黑色。结构元素中的所有黑色点与它对应的大图像素点没有一个相同，说明大图的这些像素点都是白色的，假如二值图的骨架为白色点，这个对黑色骨架二值图的膨胀处理恰好是对白色骨架二值图的腐蚀处理。同理，对黑色骨架二值图的腐蚀处理也就是对白色骨架的膨胀处理。

    根据这个道理，我们完全可以把对黑色骨架和白色骨架分别所作的腐蚀和膨胀处理代码统一起来，使得原来所需要的四段处理代码变成二段甚至一段处理代码。

    下面是一个对32位像素格式二值图像数据的腐蚀和膨胀处理的全部代码：

view plain copy to clipboard print ?
  1. //---------------------------------------------------------------------------   
  2.   
  3. // 定义ARGB像素结构   
  4. typedef union  
  5. {  
  6.     ARGB Color;  
  7.     struct  
  8.     {  
  9.         BYTE Blue;  
  10.         BYTE Green;  
  11.         BYTE Red;  
  12.         BYTE Alpha;  
  13.     };  
  14. }ARGBQuad, *PARGBQuad;  
  15. //---------------------------------------------------------------------------   
  16.   
  17. // 获取二值图像data的字节图数据map，骨架像素是否为黑色   
  18. VOID GetDataMap(CONST BitmapData *data, BitmapData *map, BOOL blackPixel)  
  19. {  
  20.     // 字节图边缘扩展1字节，便于处理data的边缘像素   
  21.     map->Width = data->Width + 2;  
  22.     map->Height = data->Height + 2;  
  23.     map->Stride = map->Width;  
  24.     map->Scan0 = (void*)new char[map->Stride * map->Height + 1];// +1防最末字节越界   
  25.     BYTE *ps = (BYTE*)data->Scan0;  
  26.     BYTE *pd0 = (BYTE*)map->Scan0;  
  27.     BYTE *pd = pd0 + map->Stride;  
  28.     BYTE *pt = pd;  
  29.     INT srcOffset = data->Stride - data->Width * sizeof(ARGBQuad);  
  30.     UINT x, y;  
  31.   
  32.     // 如果骨架像素为黑色，获取异或字节图   
  33.     if (blackPixel)  
  34.     {  
  35.         for (y = 0; y < data->Height; y ++, ps += srcOffset)  
  36.         {  
  37.             *pd ++ = *ps ^ 255;  
  38.             for (x = 0; x < data->Width; x ++, ps += sizeof(ARGBQuad))  
  39.                 *pd ++ = *ps ^ 255;  
  40.             *pd ++ = *(ps - sizeof(ARGBQuad)) ^ 255;  
  41.         }  
  42.   
  43.     }  
  44.     // 否则，获取正常字节图   
  45.     else  
  46.     {  
  47.         for (y = 0; y < data->Height; y ++, *pd ++ = *(ps - sizeof(ARGBQuad)), ps += srcOffset)  
  48.         {  
  49.             for (x = 0, *pd ++ = *ps; x < data->Width; x ++, *pd ++ = *ps, ps += sizeof(ARGBQuad));  
  50.         }  
  51.     }  
  52.     ps = pd - map->Stride;  
  53.     for (x = 0; x < map->Width; x ++, *pd0 ++ = *pt ++, *pd ++ = *ps ++);  
  54. }  
  55. //---------------------------------------------------------------------------   
  56.   
  57. // 按结构元素模板templet制作字节掩码数组masks   
  58. // templet低3字节的低3位对应结构元素，如下面的结构元素：   
  59. //   水平     垂直     十字     方形     其它   
  60. //   ○ ○ ○    ○ ● ○    ○ ● ○    ● ● ●    ○ ● ○   
  61. //   ● ● ●    ○ ● ○    ● ● ●    ● ● ●    ● ● ●   
  62. //   ○ ○ ○    ○ ● ○    ○ ● ○    ● ● ●    ○ ● ●   
  63. // 用templet分别表示为：0x000700, 0x020202, 0x020702, 0x070707, 0x020703   
  64. VOID GetTempletMasks(DWORD templet, DWORD masks[])  
  65. {  
  66.     for (INT i = 2; i >= 0; i --, templet >>= 8)  
  67.     {  
  68.         masks[i] = 0;  
  69.         for (UINT j = 4; j; j >>= 1)  
  70.         {  
  71.             masks[i] <<= 8;  
  72.             if (templet & j) masks[i] |= 1;  
  73.         }  
  74.     }  
  75. }  
  76. //---------------------------------------------------------------------------   
  77.   
  78. VOID Erosion_Dilation(BitmapData *data, DWORD templet, BOOL blackPixel)  
  79. {  
  80.     BitmapData map;  
  81.     GetDataMap(data, &map, blackPixel);  
  82.   
  83.     PARGBQuad pd = (PARGBQuad)data->Scan0;  
  84.     BYTE *ps = (BYTE*)map.Scan0 + map.Stride;  
  85.     INT width = (INT)data->Width;  
  86.     INT height = (INT)data->Height;  
  87.     INT dstOffset = data->Stride - width * sizeof(ARGBQuad);  
  88.     INT value = blackPixel? 0 : 255;  
  89.     INT x, y;  
  90.   
  91.     if (templet == 0x0700)  // 水平结构元素单独处理，可提高处理速度   
  92.     {  
  93.         for (y = 0; y < height; y ++, (BYTE*)pd += dstOffset, ps += 2)  
  94.         {  
  95.             for (x = 0; x < width; x ++, pd ++, ps ++)  
  96.             {  
  97.                 if (*(DWORD*)ps & 0x010101)  
  98.                     pd->Blue = pd->Green = pd->Red = value;  
  99.             }  
  100.         }  
  101.     }  
  102.     else  
  103.     {  
  104.         DWORD masks[3];  
  105.         GetTempletMasks(templet, masks);  
  106.   
  107.         for (y = 0; y < height; y ++, (BYTE*)pd += dstOffset, ps += 2)  
  108.         {  
  109.             for (x = 0; x < width; x ++, pd ++, ps ++)  
  110.             {  
  111.                 if (*(DWORD*)(ps - map.Stride) & masks[0] ||  
  112.                     *(DWORD*)ps & masks[1] ||  
  113.                     *(DWORD*)(ps + map.Stride) & masks[2])  
  114.                     pd->Blue = pd->Green = pd->Red = value;  
  115.             }  
  116.         }  
  117.     }  
  118.   
  119.     delete map.Scan0;  
  120. }  
  121. //---------------------------------------------------------------------------   
  122.   
  123. // 二值图膨胀。参数：二值图数据，结构元素模板，是否黑色像素骨架   
  124. FORCEINLINE  
  125. VOID Dilation(BitmapData *data, DWORD templet, BOOL blackPixel = TRUE)  
  126. {  
  127.     Erosion_Dilation(data, templet, blackPixel);  
  128. }  
  129. //---------------------------------------------------------------------------   
  130.   
  131. // 二值图腐蚀。参数：二值图数据，结构元素模板，是否黑色像素骨架   
  132. FORCEINLINE  
  133. VOID Erosion(BitmapData *data, DWORD templet, BOOL blackPixel = TRUE)  
  134. {  
  135.     Erosion_Dilation(data, templet, !blackPixel);  
  136. }  
  137. //---------------------------------------------------------------------------  

//--------------------------------------------------------------------------- // 定义ARGB像素结构 typedef union { ARGB Color; struct { BYTE Blue; BYTE Green; BYTE Red; BYTE Alpha; }; }ARGBQuad, *PARGBQuad; //--------------------------------------------------------------------------- // 获取二值图像data的字节图数据map，骨架像素是否为黑色 VOID GetDataMap(CONST BitmapData *data, BitmapData *map, BOOL blackPixel) { // 字节图边缘扩展1字节，便于处理data的边缘像素 map->Width = data->Width + 2; map->Height = data->Height + 2; map->Stride = map->Width; map->Scan0 = (void*)new char[map->Stride * map->Height + 1];// +1防最末字节越界 BYTE *ps = (BYTE*)data->Scan0; BYTE *pd0 = (BYTE*)map->Scan0; BYTE *pd = pd0 + map->Stride; BYTE *pt = pd; INT srcOffset = data->Stride - data->Width * sizeof(ARGBQuad); UINT x, y; // 如果骨架像素为黑色，获取异或字节图 if (blackPixel) { for (y = 0; y < data->Height; y ++, ps += srcOffset) { *pd ++ = *ps ^ 255; for (x = 0; x < data->Width; x ++, ps += sizeof(ARGBQuad)) *pd ++ = *ps ^ 255; *pd ++ = *(ps - sizeof(ARGBQuad)) ^ 255; } } // 否则，获取正常字节图 else { for (y = 0; y < data->Height; y ++, *pd ++ = *(ps - sizeof(ARGBQuad)), ps += srcOffset) { for (x = 0, *pd ++ = *ps; x < data->Width; x ++, *pd ++ = *ps, ps += sizeof(ARGBQuad)); } } ps = pd - map->Stride; for (x = 0; x < map->Width; x ++, *pd0 ++ = *pt ++, *pd ++ = *ps ++); } //--------------------------------------------------------------------------- // 按结构元素模板templet制作字节掩码数组masks // templet低3字节的低3位对应结构元素，如下面的结构元素： // 水平 垂直 十字 方形 其它 // ○ ○ ○ ○ ● ○ ○ ● ○ ● ● ● ○ ● ○ // ● ● ● ○ ● ○ ● ● ● ● ● ● ● ● ● // ○ ○ ○ ○ ● ○ ○ ● ○ ● ● ● ○ ● ● // 用templet分别表示为：0x000700, 0x020202, 0x020702, 0x070707, 0x020703 VOID GetTempletMasks(DWORD templet, DWORD masks[]) { for (INT i = 2; i >= 0; i --, templet >>= 8) { masks[i] = 0; for (UINT j = 4; j; j >>= 1) { masks[i] <<= 8; if (templet & j) masks[i] |= 1; } } } //--------------------------------------------------------------------------- VOID Erosion_Dilation(BitmapData *data, DWORD templet, BOOL blackPixel) { BitmapData map; GetDataMap(data, &map, blackPixel); PARGBQuad pd = (PARGBQuad)data->Scan0; BYTE *ps = (BYTE*)map.Scan0 + map.Stride; INT width = (INT)data->Width; INT height = (INT)data->Height; INT dstOffset = data->Stride - width * sizeof(ARGBQuad); INT value = blackPixel? 0 : 255; INT x, y; if (templet == 0x0700) // 水平结构元素单独处理，可提高处理速度 { for (y = 0; y < height; y ++, (BYTE*)pd += dstOffset, ps += 2) { for (x = 0; x < width; x ++, pd ++, ps ++) { if (*(DWORD*)ps & 0x010101) pd->Blue = pd->Green = pd->Red = value; } } } else { DWORD masks[3]; GetTempletMasks(templet, masks); for (y = 0; y < height; y ++, (BYTE*)pd += dstOffset, ps += 2) { for (x = 0; x < width; x ++, pd ++, ps ++) { if (*(DWORD*)(ps - map.Stride) & masks[0] || *(DWORD*)ps & masks[1] || *(DWORD*)(ps + map.Stride) & masks[2]) pd->Blue = pd->Green = pd->Red = value; } } } delete map.Scan0; } //--------------------------------------------------------------------------- // 二值图膨胀。参数：二值图数据，结构元素模板，是否黑色像素骨架 FORCEINLINE VOID Dilation(BitmapData *data, DWORD templet, BOOL blackPixel = TRUE) { Erosion_Dilation(data, templet, blackPixel); } //--------------------------------------------------------------------------- // 二值图腐蚀。参数：二值图数据，结构元素模板，是否黑色像素骨架 FORCEINLINE VOID Erosion(BitmapData *data, DWORD templet, BOOL blackPixel = TRUE) { Erosion_Dilation(data, templet, !blackPixel); } //---------------------------------------------------------------------------

    本文的二值图像的腐蚀和膨胀处理代码有以下特点：

    1、可使用任意的3*3结构元素进行处理。

    2、可对黑色或者白色骨架二值图进行处理。

    3、在复制字节图时对边界像素作了扩展，以便对二值图的边界处理。

    4、没有采用结构元素逐点比较的作法，而是使用结构元素掩码，每次对三个像素进行逻辑运算，特别是对水平结构元素的单独处理，大大提高了处理效率。

    5、上面的代码虽然针对的是32位像素格式的二值图，但稍作修改即可适应24位或者8位像素格式二值图像数据。其实，对于32位像素格式的二值图，改用下面的处理代码可提高图像处理速度（因其使用位运算一次性对像素的R、G、B分量进行了赋值）：

view plain copy to clipboard print ?
  1. //---------------------------------------------------------------------------   
  2.   
  3. VOID _Dilation(BitmapData *data, BitmapData *map, DWORD templet)  
  4. {  
  5.     PARGBQuad pd = (PARGBQuad)data->Scan0;  
  6.     BYTE *ps = (BYTE*)map->Scan0 + map->Stride;  
  7.     INT width = (INT)data->Width;  
  8.     INT height = (INT)data->Height;  
  9.     INT dstOffset = data->Stride - width * sizeof(ARGBQuad);  
  10.     INT x, y;  
  11.   
  12.     if (templet == 0x0700)  // 水平结构元素单独处理，可提高处理速度   
  13.     {  
  14.         for (y = 0; y < height; y ++, (BYTE*)pd += dstOffset, ps += 2)  
  15.         {  
  16.             for (x = 0; x < width; x ++, pd ++, ps ++)  
  17.                 if (*(DWORD*)ps & 0x010101)  
  18.                     pd->Color &= 0xff000000;  
  19.         }  
  20.     }  
  21.     else  
  22.     {  
  23.         DWORD masks[3];  
  24.         GetTempletMasks(templet, masks);  
  25.   
  26.         for (y = 0; y < height; y ++, (BYTE*)pd += dstOffset, ps += 2)  
  27.         {  
  28.             for (x = 0; x < width; x ++, pd ++, ps ++)  
  29.                 if (*(DWORD*)(ps - map->Stride) & masks[0] ||  
  30.                     *(DWORD*)ps & masks[1] ||  
  31.                     *(DWORD*)(ps + map->Stride) & masks[2])  
  32.                     pd->Color &= 0xff000000;  
  33.         }  
  34.     }  
  35. }  
  36. //---------------------------------------------------------------------------   
  37.   
  38. VOID _Erosion(BitmapData *data, BitmapData *map, DWORD templet)  
  39. {  
  40.     PARGBQuad pd = (PARGBQuad)data->Scan0;  
  41.     BYTE *ps = (BYTE*)map->Scan0 + map->Stride;  
  42.     INT width = (INT)data->Width;  
  43.     INT height = (INT)data->Height;  
  44.     INT dstOffset = data->Stride - width * sizeof(ARGBQuad);  
  45.     INT x, y;  
  46.   
  47.     if (templet == 0x0700)  // 水平结构元素单独处理，可提高处理速度   
  48.     {  
  49.         for (y = 0; y < height; y ++, (BYTE*)pd += dstOffset, ps += 2)  
  50.         {  
  51.             for (x = 0; x < width; x ++, pd ++, ps ++)  
  52.                 if (*(DWORD*)ps & 0x010101)  
  53.                     pd->Color |= 0x00ffffff;  
  54.         }  
  55.     }  
  56.     else  
  57.     {  
  58.         DWORD masks[3];  
  59.         GetTempletMasks(templet, masks);  
  60.   
  61.         for (y = 0; y < height; y ++, (BYTE*)pd += dstOffset, ps += 2)  
  62.         {  
  63.             for (x = 0; x < width; x ++, pd ++, ps ++)  
  64.                 if (*(DWORD*)(ps - map->Stride) & masks[0] ||  
  65.                     *(DWORD*)ps & masks[1] ||  
  66.                     *(DWORD*)(ps + map->Stride) & masks[2])  
  67.                     pd->Color |= 0x00ffffff;  
  68.         }  
  69.     }  
  70. }  
  71. //---------------------------------------------------------------------------   
  72.   
  73. // 二值图膨胀。参数：二值图数据，结构元素模板，是否黑色像素骨架   
  74. VOID Dilation(BitmapData *data, DWORD templet, BOOL blackPixel = TRUE)  
  75. {  
  76.     BitmapData map;  
  77.     GetDataMap(data, &map, blackPixel);  
  78.     if (blackPixel)  
  79.         _Dilation(data, &map, templet);  
  80.     else  
  81.         _Erosion(data, &map, templet);  
  82.     delete map.Scan0;  
  83. }  
  84. //---------------------------------------------------------------------------   
  85.   
  86. // 二值图腐蚀。参数：二值图数据，结构元素模板，是否黑色像素骨架   
  87. VOID Erosion(BitmapData *data, DWORD templet, BOOL blackPixel = TRUE)  
  88. {  
  89.     Dilation(data, templet, !blackPixel);  
  90. }  
  91. //---------------------------------------------------------------------------  

//--------------------------------------------------------------------------- VOID _Dilation(BitmapData *data, BitmapData *map, DWORD templet) { PARGBQuad pd = (PARGBQuad)data->Scan0; BYTE *ps = (BYTE*)map->Scan0 + map->Stride; INT width = (INT)data->Width; INT height = (INT)data->Height; INT dstOffset = data->Stride - width * sizeof(ARGBQuad); INT x, y; if (templet == 0x0700) // 水平结构元素单独处理，可提高处理速度 { for (y = 0; y < height; y ++, (BYTE*)pd += dstOffset, ps += 2) { for (x = 0; x < width; x ++, pd ++, ps ++) if (*(DWORD*)ps & 0x010101) pd->Color &= 0xff000000; } } else { DWORD masks[3]; GetTempletMasks(templet, masks); for (y = 0; y < height; y ++, (BYTE*)pd += dstOffset, ps += 2) { for (x = 0; x < width; x ++, pd ++, ps ++) if (*(DWORD*)(ps - map->Stride) & masks[0] || *(DWORD*)ps & masks[1] || *(DWORD*)(ps + map->Stride) & masks[2]) pd->Color &= 0xff000000; } } } //--------------------------------------------------------------------------- VOID _Erosion(BitmapData *data, BitmapData *map, DWORD templet) { PARGBQuad pd = (PARGBQuad)data->Scan0; BYTE *ps = (BYTE*)map->Scan0 + map->Stride; INT width = (INT)data->Width; INT height = (INT)data->Height; INT dstOffset = data->Stride - width * sizeof(ARGBQuad); INT x, y; if (templet == 0x0700) // 水平结构元素单独处理，可提高处理速度 { for (y = 0; y < height; y ++, (BYTE*)pd += dstOffset, ps += 2) { for (x = 0; x < width; x ++, pd ++, ps ++) if (*(DWORD*)ps & 0x010101) pd->Color |= 0x00ffffff; } } else { DWORD masks[3]; GetTempletMasks(templet, masks); for (y = 0; y < height; y ++, (BYTE*)pd += dstOffset, ps += 2) { for (x = 0; x < width; x ++, pd ++, ps ++) if (*(DWORD*)(ps - map->Stride) & masks[0] || *(DWORD*)ps & masks[1] || *(DWORD*)(ps + map->Stride) & masks[2]) pd->Color |= 0x00ffffff; } } } //--------------------------------------------------------------------------- // 二值图膨胀。参数：二值图数据，结构元素模板，是否黑色像素骨架 VOID Dilation(BitmapData *data, DWORD templet, BOOL blackPixel = TRUE) { BitmapData map; GetDataMap(data, &map, blackPixel); if (blackPixel) _Dilation(data, &map, templet); else _Erosion(data, &map, templet); delete map.Scan0; } //--------------------------------------------------------------------------- // 二值图腐蚀。参数：二值图数据，结构元素模板，是否黑色像素骨架 VOID Erosion(BitmapData *data, DWORD templet, BOOL blackPixel = TRUE) { Dilation(data, templet, !blackPixel); } //---------------------------------------------------------------------------

    下面是使用BCB2007和GDI+位图对黑色骨架二值图进行的开运算处理，也可看作是对白色骨架二值图的闭运算处理（先腐蚀后膨胀为开运算；先膨胀后腐蚀为闭运算）：

view plain copy to clipboard print ?
  1. //---------------------------------------------------------------------------   
  2.   
  3. // 图像数据data灰度同时二值化，threshold阀值   
  4. VOID GrayAnd2Values(BitmapData *data, BYTE threshold)  
  5. {  
  6.     PARGBQuad p = (PARGBQuad)data->Scan0;  
  7.     INT offset = data->Stride - data->Width * sizeof(ARGBQuad);  
  8.   
  9.     for (UINT y = 0; y < data->Height; y ++, (BYTE*)p += offset)  
  10.     {  
  11.         for (UINT x = 0; x < data->Width; x ++, p ++)  
  12.         {  
  13.             if (((p->Blue * 29 + p->Green * 150 + p->Red * 77 + 128) >> 8) < threshold)  
  14.                 p->Color &= 0xff000000;  
  15.             else  
  16.                 p->Color |= 0x00ffffff;  
  17.   
  18.         }  
  19.     }  
  20. }  
  21. //---------------------------------------------------------------------------   
  22.   
  23. // 锁定GDI+位位图扫描线到data   
  24. FORCEINLINE  
  25. VOID LockBitmap(Gdiplus::Bitmap *bmp, BitmapData *data)  
  26. {  
  27.     Gdiplus::Rect r(0, 0, bmp->GetWidth(), bmp->GetHeight());  
  28.     bmp->LockBits(&r, ImageLockModeRead | ImageLockModeWrite,  
  29.         PixelFormat32bppARGB, data);  
  30. }  
  31. //---------------------------------------------------------------------------   
  32.   
  33. // GDI+位图扫描线解锁   
  34. FORCEINLINE  
  35. VOID UnlockBitmap(Gdiplus::Bitmap *bmp, BitmapData *data)  
  36. {  
  37.     bmp->UnlockBits(data);  
  38. }  
  39. //---------------------------------------------------------------------------   
  40.   
  41. void __fastcall TForm1::Button1Click(TObject *Sender)  
  42. {  
  43.     Gdiplus::Bitmap *bmp =  new Gdiplus::Bitmap(L"d:\\source1.jpg");  
  44.     Gdiplus::Graphics *g = new Gdiplus::Graphics(Canvas->Handle);  
  45.     g->DrawImage(bmp, 0, 0);  
  46.     BitmapData data;  
  47.     LockBitmap(bmp, &data);  
  48.   
  49.     GrayAnd2Values(&data, 128);  
  50.     Erosion(&data, 0x020702);  
  51.     Dilation(&data, 0x020702);  
  52.   
  53.     UnlockBitmap(bmp, &data);  
  54.     g->DrawImage(bmp, data.Width, 0);  
  55.     delete g;  
  56.     delete bmp;  
  57. }  
  58. //---------------------------------------------------------------------------  

//--------------------------------------------------------------------------- // 图像数据data灰度同时二值化，threshold阀值 VOID GrayAnd2Values(BitmapData *data, BYTE threshold) { PARGBQuad p = (PARGBQuad)data->Scan0; INT offset = data->Stride - data->Width * sizeof(ARGBQuad); for (UINT y = 0; y < data->Height; y ++, (BYTE*)p += offset) { for (UINT x = 0; x < data->Width; x ++, p ++) { if (((p->Blue * 29 + p->Green * 150 + p->Red * 77 + 128) >> 8) < threshold) p->Color &= 0xff000000; else p->Color |= 0x00ffffff; } } } //--------------------------------------------------------------------------- // 锁定GDI+位位图扫描线到data FORCEINLINE VOID LockBitmap(Gdiplus::Bitmap *bmp, BitmapData *data) { Gdiplus::Rect r(0, 0, bmp->GetWidth(), bmp->GetHeight()); bmp->LockBits(&r, ImageLockModeRead | ImageLockModeWrite, PixelFormat32bppARGB, data); } //--------------------------------------------------------------------------- // GDI+位图扫描线解锁 FORCEINLINE VOID UnlockBitmap(Gdiplus::Bitmap *bmp, BitmapData *data) { bmp->UnlockBits(data); } //--------------------------------------------------------------------------- void __fastcall TForm1::Button1Click(TObject *Sender) { Gdiplus::Bitmap *bmp = new Gdiplus::Bitmap(L"d:\\source1.jpg"); Gdiplus::Graphics *g = new Gdiplus::Graphics(Canvas->Handle); g->DrawImage(bmp, 0, 0); BitmapData data; LockBitmap(bmp, &data); GrayAnd2Values(&data, 128); Erosion(&data, 0x020702); Dilation(&data, 0x020702); UnlockBitmap(bmp, &data); g->DrawImage(bmp, data.Width, 0); delete g; delete bmp; } //---------------------------------------------------------------------------

    下面是使用本文代码所作的各种处理效果图，结构元素为“十”字形：

    左上原图，右上二值图，左中腐蚀图，右中膨胀图，左下开运算图，右下闭运算图。这是对黑色骨架二值图而言，如果是白色骨架二值图，中间和下边的左右处理效果就是相反的了。

iteye_17312
关注
python图像二值化 腐蚀 膨胀_【数字图像处理】二值化图像腐蚀运算与膨胀运算...
weixin_42640271的博客
01-29 1885
形态学基本概念基本思想：用一定形态的结构元素去度量和提取图像中的对应形状，达到分析知识的目的。可用于图像处理的各个方面，包括图像分割、边界检测、特征提取。结构元素：形态学变换中的基本元素，使为了探测图像的某种结构信息而设计的特定形状和尺寸的图像，称为收集图像结构信息的探针。结构元素有多种类型：如圆形、方形、线型等，可携带知识(形态、大小、灰度和色度信息)来探测、研究图像的结构特点。形态学运算包括：...
二值化图像的腐蚀与膨胀
05-02
for(i=1;i<yu-1;i++)//腐蚀 { for (int j=1;j<wu-1;j++) { int flag = 1; { flag=0; } if(flag==0) { data[i][j] = 255; } else { data[i][j] = 0; } } }
二值图像的腐蚀和膨胀
weixin_30914981的博客
12-10 883
二值图像的腐蚀和膨胀图像数字处理中应用相当广泛，代码处理也很简单，只不过一些资料在介绍腐蚀和膨胀原理时，用一些形态学、集合上的概念和术语，搞得也有些”高深莫测“了。 从图像处理角度看，二值图像的腐蚀和膨胀就是将一个小型二值图（结构元素，一般为3*3大小）在一个大的二值图上逐点移动并进行比较，根据比较的结果作出相应处理而已。以二值图的骨架为黑色点为例： 作图...
图像处理6：二值图像的腐蚀和膨胀
weixin_39504171的博客
07-04 2854
图像处理6：二值图像的腐蚀和膨胀 (1)二值图像的腐蚀操作： ①在原图中找出第一个和结构元素完全匹配的部分; ②拿着结构元素往上面找到的位置上对应,这时得到结构元素中的原点,在图像中记录下来; ③重复上述操作,直至原图中所有能和结构元素完全匹配的情况用完; ④这时得到的输出图像便是结构元素对原图像进行腐蚀的结果。 ...
二值图像腐蚀与膨胀操作样例
热门推荐
Zetaa的博客
06-26 6万+
目录 操作方法简要说明 腐蚀操作 结构元素原点在结构元素内部 原点在结构元素外部 二值图像的膨胀操作 点在结构元素内部 原点在结构元素外部
图像腐蚀和膨胀_图像膨胀和腐蚀_
10-03
综上所述，图像腐蚀和膨胀是图像处理中的重要工具，它们在各种应用场景中都有其独特的价值。了解并熟练掌握这两种操作，将有助于提升图像处理和分析的能力。通过实际操作和调整参数，可以更好地适应不同的图像处理...
morphological.zip_Morphological_dilate_图像膨胀_形态学图像二值化_腐蚀膨胀
07-15
本文将深入探讨“morphological.zip”压缩包中的“Morphological_dilate_图像膨胀_形态学图像二值化_腐蚀膨胀”相关知识点，并结合提供的MATLAB代码进行详细解析。 一、形态学图像膨胀 图像膨胀是形态学操作的一种...
08.图像腐蚀与图像膨胀.pdf
03-31
通过上述介绍，我们可以了解到图像腐蚀和图像膨胀在图像处理中的重要作用。它们不仅可以帮助我们去除噪声、细化或扩大图像中的物体边界，还可以用于更复杂的图像分析任务，如轮廓检测、形态分析等。在实际应用中，...
基于MATLAB的图像腐蚀膨胀MATLAB.7z
08-09
在MATLAB中，可以使用imerode和imdilate函数来实现图像的腐蚀和膨胀操作。 腐蚀操作可以通过以下代码实现： img = imread('image.png'); % 读取图像 se = strel('disk', 5); % 创建一个结构元素，这里使用一个半径...
二值图像的腐蚀与膨胀|推荐代码
03-31
二值图像的腐蚀与膨胀这个是在VBgood找到的源码,传到空间做个备份,
能对二值图像进行腐蚀、膨胀、开闭运算的MatLab程序（C++实现）
06-24
MatLab程序。 C++实现。 实现对二值图像进行腐蚀、膨胀、开/闭运算。 腐蚀分水平、垂直、全方位。 膨胀分水平、垂直、全方位。 能保存处理后的图，以及将处理后的图与原图进行对比。
《图像处理、分析与机器视觉 第四版》形态学 二值膨胀和腐蚀——学习笔记
超级大洋葱的博客
06-12 2000
文章目录二值膨胀和腐蚀膨胀腐蚀击中击不中变换开运算和闭运算 二值膨胀和腐蚀 黑白点的集合构成了二值图像。假定只考虑黑色像素，其余部分认为是背景。基本的形态学变换是膨胀和腐蚀，由这两个变换可以衍生出更多的形态学运算，如开运算、闭运算和形状分解，等等。 膨胀 形态学变换 膨胀 采用向量加法对两个几何进行合并。膨胀 A+B 是所有向量加之和的集合。 在这个例子中， 膨胀是一种各向同性的（isotropic） 扩张（在所有方向七的行为相同 ）。 这种操作有时还被称为 填充（fill） 或 生长（grow） 。
形态学处理--腐蚀膨胀及开闭运算(二值图像)
qq_38230634的博客
10-30 3433
1、腐蚀膨胀
【OpenCV】图像二值化处理 腐蚀膨胀 边缘检测 轮廓识别
m0_56051805的博客
07-29 5070
【OpenCV】图像二值化处理 腐蚀膨胀 边缘检测 轮廓识别
[图像形态学操作]——腐蚀和膨胀、开闭运算、黑帽礼帽
weixin_42067873的博客
07-07 2051
形态学转换是基于图像形状的一些简单操作，它通常在二进制图像上执行。腐蚀和膨胀是两个基本的形态学运算符。然后它的变体形式如：开运算、闭运算、礼帽黑帽等。 一、连通性 在图像学当中，图像的最小单位是像素，每个像素周围有8个邻接像素，常见的邻接关系有3种：4领接、D邻接和8邻接 连通性是描述区域和边界的重要概念，两个像素连通的两个必要条件是： 1、两个像素的位置是否相邻 2、两个像素的灰度值是否满足特定的相似性准则（或者是否相等） 根据连通性的定义，有4连通、8连通和m连通三种 1..
二值膨胀与腐蚀
LYduring的博客
03-13 1774
二值膨胀二值膨胀，即将二值图像中约为1个像素的小区域设置为一个给定的模式，向对象添加像素，使对象变得更大。膨胀算子的一种可能实现：把结构元素考虑为一个模板，让其在图像上移动。当结构元素的原点和图像中的一个黑色元素对齐的时候，图像中所有与结构元素中黑色像对应的像素都被标记起来，都改为黑色。当整个图像都被结构元素扫描一遍之后，膨胀计算就结束了。膨胀运算通常都不是原地完成的，而是利用第三幅全白图像，膨胀...
UOS AI 1.6 版本升级，如何实现精准搜索，效率翻倍？
最新发布
vickynesss的博客
11-01 387
通过直接接入互联网的实时数据流，搜索结果变得多样化，不仅限于文字总结，还包括思维导图、事件与人物的综合概述，以及图片、视频、音频等多种形式，显著提高了回答的准确性和全面性。全局搜索全新搭载端侧大模型：支持离线自然语言搜索，无论身在何处，即使没有网络，只需通过快捷键“Shift+space(空格键）”唤醒全局搜索，都能轻松找到所需文件。：对于日常积累的海量截图，只需借助全局搜索功能，简要描述图片内的文字信息，便能迅速锁定并检索到所需图片。：重要信息直接添加到知识库，方便日后查阅，让全局搜索成为你的第二大脑。
Matlab实战：二值图像腐蚀、膨胀与开运算实例分析
在《数字图像处理》课程的实验报告中，着重探讨了二值图像处理技术，特别是针对腐蚀、膨胀和开运算的案例分析。以下是详细的讲解： 1. 腐蚀运算： - 实验使用了` Electronic.jpg` 图像，通过`strel('disk', radius...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值