OpenCV之角点检测和边缘检测的方法总结

 

 一. 膨胀和腐蚀的粗略理解

     因为膨胀和腐蚀都属于形态学滤波范畴，所以必须先有一个结构体元素。结构体元素就是滤波器矩阵，其有多种类型，包括x形、矩形、十字交叉形、菱形等。其中cv2有默认getStructingElement()方法获取矩形和十字交叉形的结构体元素，当然也可以通过numpy库中的numpy.array()自定义，下面通过一个代码例子列举：

  A.  cv2内部方法默认分别获取 矩形滤波器，十字交叉形滤波器： 

    其中第一个参数是类型，第二个参数是内核大小ksize，即滤波器大小,最好为奇数（3，5，7）

   kernel_rect=cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))，

   kernel_cross=cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))

 B. numpy.array()自定义

   #x形滤波器结构体元素

   kernel_x=np.array([[1,0,0,0,1],[0,1,0,1,0],[0,0,1,0,0],[0,1,0,1,0],[1,0,0,0,1]],dtype=np.uint8)

  #菱形滤波器结构体元素

 kernel_diamond = np.array([[0,0,1,0,0],[0,1,1,1,0],[1,1,1,1,1],[0,1,1,1,0],[0,0,1,0,0]],dtype=np.uint8)

  在获取完结构体元素后，就进行膨胀或者腐蚀操作，所谓膨胀就是把上面获得的结构体元素与原图像的灰度图逐个遍历，获取该区域内的最大值。所以膨胀过后的效果图是，原本图中的亮的区域更多，暗的区域变少，有利于背景的提取。如果连续多次膨胀，最终会得到原图大小的全为255像素的全白图片。而腐蚀就是膨胀的非操作，获取的是区域内的最小值，原本图中的暗的区域更多，亮的区域变少，有利于前景的提取。如果连续多次膨胀，最终会得到原图大小的全为0像素的黑色图片，下面利用一张二值图来演示一下:

原图:

​

 膨胀后：