人脸检测---------膨胀与腐蚀（21）

最新推荐文章于 2022-05-11 10:06:50 发布

原创最新推荐文章于 2022-05-11 10:06:50 发布 · 464 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#数字图像处理

基于opencv+python的人脸识别专栏收录该内容

22 篇文章

订阅专栏

本文介绍图像处理中的形态学操作——膨胀与腐蚀的基本概念及其应用。膨胀通过最大值滤波增加对象大小并平滑边缘；腐蚀则利用最小值滤波来增加对象间的距离并减少像素点。

图像形态学：

是图像处理学科·的一个单独分支学科
灰度与而至图像处理中的重要手段
是有数学的集合论等理论发展起来的

膨胀（Dilate）

最大值滤波：用一个kernel遍历整个图像，用遍历过的区域中像素点的最大值代替中心点的像素值。
作用：对象大小增加了一个n*n的像素；平滑对象边缘；减少或填充对象之间的距离

腐蚀（Erode）

-最小值滤波：用一个kernel遍历整个图像，用遍历过的区域中国像素点的最小值代替中心像素点的值。

作用：增加对象之间的距离；减少填充对象的像素点；

相关API

def erode_demo(image):
    print(image.shape);
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY);
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU);
    cv.imshow("binary", binary);
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3));
    dst = cv.erode(gray, kernel);#cv.dilate(gray, kernel)即为膨胀图像
    cv.imshow("ercode", dst);