opencv复腐蚀膨胀核移动计算详解

首先要记住他的规则,膨胀操作:

用一个结构元素扫描图像中的每一个像素,用结构元素中的每一个像素与其覆盖的像素做“与”操作,如果都为0,则该像素为0,否则为1。

接下来演示一下,这个是要被膨胀的图:

这个是我们的核:

接下来分别用我们核的中心点去覆盖第一张大图的每个点:具体移动如下

我设计好了两个表

下面一共25个点的移动:

第一行

此时只有绿色的是5个1,而红色并未重叠,所以坐标(1,1)的点是0

 此时将中心远点右移动一格,注意我们是按照绿色的中心点当主要动点的

依旧未出现任何重叠,(1,2)的点还是0

再次移动

 

 

 此时我们绿色的中心核把第一行遍历完了,没有与红色任何重叠,因此(1,3)(1,4)(1,5)的点全部得到0

接下来换行了,第二行

 还是未重叠,(2,1)这个点也是0

接着走

画红圈的地方发生重叠了!因此(2,2)这个点是1,切记绿色图周围的都是陪伴品,他只是为绿色中心的核服务的,即使是(3,2)点发生重合,但是我们要记在(2,2)的头上,你可以理解为(2,2)也就是绿色中心点是大哥,带了四个小弟,无论输赢,都是赢得大哥的面子。

接着下一个

 

 此时虽然是(3,3)发生了重叠,但是账是计算到(2,3)大哥头上,也就是说(2,3)点为1

接着下一个

 

 此时红绿并未重叠,因此(2,4)(2,5)值都是0

剩下的第三行第四行第五行都是一样的原理,最终我们就能把值为1的坐标点,就是膨胀后的图

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV是一个开源的计算机视觉库,提供了丰富的图像处理和计算机视觉算法。而Python是一种简单易学且功能强大的编程语言。通过结合OpenCV和Python,我们可以进行各种图像处理操作,包括腐蚀膨胀腐蚀膨胀是图像处理中常用的形态学操作,用于改变图像的形状和结构。腐蚀操作可以使图像中的边界变得更加清晰,而膨胀操作则可以使边界更加模糊。 在OpenCV中,可以使用函数`cv2.erode()`进行腐蚀操作,使用函数`cv2.dilate()`进行膨胀操作。这两个函数都需要传入待处理的图像和一个结构元素(kernel)作为参数。 下面是一个示例代码,展示了如何使用OpenCV和Python进行腐蚀膨胀操作: ```python import cv2 import numpy as np # 读取图像 image = cv2.imread('image.jpg', 0) # 定义结构元素 kernel = np.ones((5,5), np.uint8) # 腐蚀操作 eroded_image = cv2.erode(image, kernel, iterations=1) # 膨胀操作 dilated_image = cv2.dilate(image, kernel, iterations=1) # 显示结果 cv2.imshow('Original Image', image) cv2.imshow('Eroded Image', eroded_image) cv2.imshow('Dilated Image', dilated_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上述代码中,首先使用`cv2.imread()`函数读取了一张图像,然后定义了一个5x5的结构元素。接着使用`cv2.erode()`函数对图像进行腐蚀操作,并使用`cv2.dilate()`函数对图像进行膨胀操作。最后使用`cv2.imshow()`函数显示原始图像、腐蚀后的图像和膨胀后的图像。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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