1 形态学基本操做
1.1 膨胀
膨胀:就是求局部最大值的操做。web
按数学方面来讲,膨胀或者腐蚀操做就是将图像(或图像的一部分区域,咱们称之为A)与核(咱们称之为B)进行卷积。svg
核能够是任何的形状和大小,它拥有一个单独定义出来的参考点,咱们称其为锚点(anchorpoint)。多数状况下,核是一个小的中间带有参考点和实心正方形或者圆盘,其实,咱们能够把核视为模板或者掩码。spa
膨胀是求局部最大值的操做:核B与图形卷积,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。这样就会使图像中的高亮区域逐渐增加。以下图所示,这就是膨胀操做的初衷。
.net
膨胀的数学表达式:
3d
膨胀效果:
xml
1.2 腐蚀
腐蚀:就是求局部最小值的操做。
腐蚀的数学表达式:
照片腐蚀效果图:
blog
1.3 优势
膨胀与腐蚀能实现多种多样的功能,主要以下:教程
- 消除噪声
- 分割(isolate)出独立的图像元素,在图像中链接(join)相邻的元素。
- 寻找图像中的明显的极大值区域或极小值区域
- 求出图像的梯度
2 形态学组合操做
2.1 开运算(Opening Operation)
开运算(Opening Operation),其实就是先腐蚀后膨胀的过程。其数学表达式以下:
图片
dist=open(src,element)=dilate(erode(src,element))
开运算能够用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。效果图是这样的:
ip
2.2 形态学闭运算
先膨胀后腐蚀的过程称为闭运算(Closing Operation),其数学表达式以下:
dist=close(src,element)=erode(dilate(src,element))
做用:闭运算可以排除小型黑洞(黑色区域)
2.3 形态学梯度
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)
做用:
对二值图像进行这一操做,能够将团块的边缘突出出来,咱们能够用形态梯度来保留物体的边缘轮廓
2.4 顶帽(top Hat)
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)
由于开运算带来的结果是放大了裂痕或者局部低亮度的区域。所以,从原图中减去开运算后的图,获得的效果图突出了比原图轮廓周围的区域更明亮的区域,且这一操做与选择的核的大小有关。
2.5 黑帽(Black Hat)
黑帽就是闭运算与原图之差,数学表达式:
dist=blackhat(src,element)=close(src,element)−src
黑帽运算后的效果图突出了比原图轮廓周围的区域更暗的区域,且这一操做与核的大小有关。
黑帽运算用来分离比临近点暗一点的斑块,效果图有着很是完美的轮廓
参考
[1]【OpenCV入门教程之十一】 形态学图像处理(二):开运算、闭运算、形态学梯度、顶帽、黑帽合辑