网上汇总的图像的形态学的操作处理
在学习的过程中越发的发现一些基本的操作的重要性
汇总了一下现在网上的对于图像的形态学操作
- 膨胀
- 腐蚀
- 开
- 闭
- 形态学梯度
- 顶帽
- 黑帽
膨胀
直观理解:通过与卷积核进行卷积操作将图像膨胀一圈。
学术理解:
膨胀就是求局部最大值的操作。核B与图像卷积,即计算核B覆盖的区域的像素点的最大值,并把这个最大值赋值给参考点指定的像素。这样就会使图像中高亮区域逐渐增长。
腐蚀
直观理解:通过与卷积核进行卷积操作将图像腐蚀一圈。
学术理解:
腐蚀就是求局部最小值的操作。核B与图像卷积,即计算核B覆盖的区域的像素点的最小值,并把这个最小值赋值给参考点指定的像素。这样就会使图像中高亮区域逐渐减少。
开
直观理解:
- 消除小物体,在纤细处分离物体,
- 在平滑较大物体的边界的同时不明显改变其面积。
学术理解:
开运算其实就是先腐蚀再膨胀,数学表达式:
dist = open(src,element) = dilate(erode(src,element))
闭
直观理解:
- 闭运算能够排除小型黑洞(黑色区域)。
学术理解:
闭运算其实就是先膨胀再腐蚀,数学表达式:
dist = close(src,element) = erode(dilate(src,element))
形态学梯度
直观理解:
- 可以将二值图像的团块的边缘突出
- 保留物体的边缘轮廓
学术理解:
形态学梯度就是膨胀图与腐蚀图之差,数学表达式:
dist = morph-grad(src,element) = dilate(src,element) - erode(src,element)
顶帽
直观理解:
- 分离比邻近点亮一些的斑块,在一幅图像具有大幅的背景,而微小物品比较有规律的情况下,可以使用顶帽运算进行背景提取。
学术理解:
顶帽就是原图与开运算图之差,数学表达式:
dist = tophat(src,element) = src - open(src,element)
黑帽
直观理解:
- 黑帽运算用来分离比临近点暗一点的斑块,效果图有着非常完美的轮廓
学术理解:
黑帽就是原图与闭运算图之差,数学表达式:
dist = blackhat(src,element) = close(src,element) - src
http://blog.csdn.net/yangleo1987/article/details/53168423>改写的博客原文