二值化,膨胀腐蚀等基本操作手写实现

形态学操作原理与工业实战:从腐蚀膨胀到AOI检测 形态学操作是图像处理中基于集合论的几何变换技术,核心通过结构元素对二值图像执行腐蚀、膨胀、开闭运算等物理式形态修正。其原理不依赖像素灰度或梯度,而是依据目标区域的空间连通性与形状结构,具备强可解释性与参数可控性。该技术在工业视觉中价值突出——能稳定修复断裂边缘、清除椒盐噪声、提取精确轮廓,且计算轻量、实时性高,广泛应用于OCR字符修复、PCB焊点检测、医疗影像分割及自动驾驶车道线补全等场景。本文聚焦OpenCV实现,深入解析结构元素选型、核尺寸设计、边界处理及灰度图适配等关键实践要点。 阅读详情
二值化处理(Thresholds):
  • 通过阈值(threshold)将灰度图像二值化。代码中设计了一个灵活的二值化函数 thresholds,可根据输入的阈值和标志位(flag)动态调整输出。通过遍历图像像素,将灰度值高于或低于阈值的像素分别映射为两种二值结果。
void thresholds(unsigned char img_gray[][Width], unsigned char img_bin[][Width], unsigned int height, unsigned int width, unsigned char threshold, char flag)
{
	unsigned char temp = 255 * (1 - flag);

	for (unsigned int i = 0; i < height; i++)
	{
		for (unsigned int j = 0; j < width; j++)
		{
			img_bin[i][j] = img_gray[i][j] >= (threshold-flag) ? temp : (255-temp);
		}
	}
}

熵基二值化是一种自适应阈值选择的方法,常用于图像处理领域,尤其是在处理复杂背景和光照不均匀的图像时。与传统的固定阈值二值化方法不同,熵基二值化通过计算图像信息量(熵)来确定最优的阈值,以便更准确地分割图像中的目标与背景。

计算图像的灰度直方图:首先,计算图像中各个灰度级别的频率分布,得到图像的灰度直方图。对于每个像素值 xxx,其频率为 p(x)p(x)p(x),表示该灰度值在图像中出现的概率。

计算每个阈值下的前景和背景熵:

  • 对于每个可能的阈值 TTT,将图像分为前景(灰度值大于或等于阈值)和背景(灰度值小于阈值)两部分。
  • 计算前景和背景的熵。

选择最大熵阈值:选择一个使得前景和背景的联合熵(即两者熵之和)最大的阈值。这样选择的阈值能使得图像在分割后保持较高的信息量。

#include <opencv2/opencv.hpp>
#include <iostream>
#include <vector>
#include <cmath>

using namespace cv;
using namespace std;

double calculate_entropy(const vector<int>& hist, int start, int end, int total_pixels) {
    double entropy = 0;
    for (int i = start; i < end; i++) {
        double p = (double) hist[i] / total_pixels;
        if (p > 0) {
            entropy -= p * log2(p);
        }
    }
    return entropy;
}

int entropy_based_thresholding(const Mat& img) {
    // 计算图像的灰度直方图
    vector<int> hist(256, 0);
    int total_pixels = img.rows * img.cols;

    for (int i = 0; i < img.rows; i++) {
        for (int j = 0; j < img.cols; j++) {
            hist[img.at<uchar>(i, j)]++;
        }
    }

    // 计算每个可能阈值下的熵
    double max_entropy = -1;
    int optimal_threshold = 0;
    for (int T = 0; T < 256; T++) {
        // 前景和背景熵
        double entropy_bg = calculate_entropy(hist, 0, T, total_pixels);
        double entropy_fg = calculate_entropy(hist, T, 256, total_pixels);

        // 联合熵
        double entropy_total = (double)(T) / total_pixels * entropy_bg + 
                               (double)(256 - T) / total_pixels * entropy_fg;

        if (entropy_total > max_entropy) {
            max_entropy = entropy_total;
            optimal_threshold = T;
        }
    }

    return optimal_threshold;
}

int main() {
    // 读取图像
    Mat img = imread("your_image_path.jpg", IMREAD_GRAYSCALE);
    if (img.empty()) {
        cout << "Could not read the image!" << endl;
        return -1;
    }

    // 使用熵基二值化选择阈值
    int threshold = entropy_based_thresholding(img);
    cout << "Optimal Threshold: " << threshold << endl;

    // 二值化图像
    Mat binarized_img;
    threshold(img, binarized_img, threshold, 255, THRESH_BINARY);

    // 显示结果
    imshow("Binarized Image", binarized_img);
    waitKey(0);
    return 0;
}

平均灰度值计算(Average):
  • 计算图像整体亮度的核心指标。average 函数通过求和所有像素的灰度值并取平均,返回图像的平均灰度值,作为图像分析的重要特征之一。
//输入灰度图像,计算返回图像的平均灰度值。
unsigned char average(unsigned char img_gray[][Width], unsigned int height, unsigned int width)
{
	unsigned long total = 0;
	for (unsigned int i = 0; i < height; i++)
	{
		for (unsigned int j = 0; j < width; j++)
		{
			total += img_gray[i][j];
		}
	}
	unsigned char threshold = (unsigned char)(total / (height * width));
	return threshold;
}

图像膨胀操作(Dilation):
  • 利用最大值滤波实现膨胀操作。代码中通过遍历每个像素的邻域,获取其最大灰度值,并更新到目标图像中。这种形态学处理方式常用于增强图像中的明亮区域。

代码片段解析:

    Mat dilated_my;
    dilated_my.create(img.rows, img.cols, CV_8UC1);
    for (int i = 0; i < img.rows; ++i)
    {
        for (int j = 0; j < img.cols; ++j)
        {   
            uchar maxV = 0;
        
            //遍历周围最大像素值
            for (int yi = i-1; yi <= i+1; yi++)
            {
                for (int xi = j-1; xi <= j+1; xi++)
                {                   
                    if (xi<0||xi>= img.cols|| yi<0 || yi >= img.rows)
                    {
                        continue;
                    }                   
                    //minV = (std::min<uchar>)(minV, img.at<uchar>(yi, xi));
                    maxV = (std::max<uchar>)(maxV, img.at<uchar>(yi, xi));          
                }
            }
            dilated_my.at<uchar>(i, j) = maxV;
        }
    }   

手写体汉字识别(分割+卷积识别)[2021课设论文] 1选题背景 随着时代的不断进步和技术的发展,网络社交媒体的兴起也带来了图像数据的“爆炸性”增长。作为人们日常交流的主要方式之一,图像因其内容丰富,直观等优点而被广泛用作交流的载体。基于卷积神经网络的图像识别是图像识别领域中重要应用,通过使用图像进行特征值提取,识别和卷积等一系列算法运算来识别和分析不同的图像。人工智能的飞速发展使得机器学习在其研究领域中越来越重要。使用算法学习每条数据并预测结果。这已成为打开人工智能之门的重要钥匙。在机器视觉中,图像识别是基础,但是如何将图像中的低级信息与高级图像语义相关联成 阅读详情

相关推荐

手写图片的自动识别

pytesseract是基于Python的OCR工具, 底层使用的是Google的Tesseract-OCR引擎,支持识别图片中的文字,支持jpeg, png, gif, bmp, tiff等图片格式。recognition,光学字符识别)是一种将图像中的手写字或者印刷文本转换为机器编码文本的技术。通过数字方式存储文本数据更容易保存和编辑,可以存储大量数据,比如1G的硬盘可以存储数百万本书。OCR技术可以将图片,纸质文档中的文本转换为数字形式的文本。图像预处理文本定位字符分割。

m0_55854679的博客 3323

python图像二值化 腐蚀 膨胀_Python+OpenCV图像处理之腐蚀与膨胀

形态学操作其实就是改变物体的形状,一般作用于二值化图,来连接相邻的元素或分离成独立的元素。腐蚀的原理是在原图的小区域内取局部最小值。因为是二值化图,只有0和255,所以小区域内有一个是0该像素点就为0膨胀的原理是在原图的小区域内取局部最大值腐蚀与膨胀的python实现importcv2"""腐蚀算法:变瘦用kernel,扫描图像的每一个像素;用kernel与其覆盖的二值图像做 “与” 操作;如果都...

weixin_34910865的博客 1264

OpenCV形态学操作实战:腐蚀技术从原理到应用全解析

本文深入解析OpenCV形态学操作中的腐蚀技术,从基本原理到实际应用全面覆盖。通过`cv2.erode()`函数实现图像瘦身效果,详细讲解kernel选择、参数调优及性能优化技巧,并结合工业检测、古籍修复等实战案例展示腐蚀技术的多样化应用场景。

weixin_29062613的博客 398

python图像二值化 腐蚀 膨胀_20 行 Python 代码教你给证件照换底色

1.图片来源该图片来源于百度图片,如果侵权,请联系我删除!图片仅用于知识交流。本文只是为了告诉大家:python其实有很多黑科技(牛逼的库),我们既可以用python处理工作中的一些事儿,同时我们也可以利用python做一些有趣的事儿。 2.读取图片并显示imread():读取图片;imshow():展示图片;waitkey():设置窗口等待,如果不设置,窗口会一闪而过;importcv2i...

weixin_32121569的博客 449

Python实现图像二值化处理的方法有很多,但其中最为基础的操作就是腐蚀和膨胀。腐蚀和膨胀的作用是对二值图像进行一系列的形态学变化,以消除噪点、填补空洞、分离物...

Python实现图像二值化处理的方法有很多,但其中最为基础的操作就是腐蚀和膨胀。腐蚀和膨胀的作用是对二值图像进行一系列的形态学变化,以消除噪点、填补空洞、分离物体等目的。在本文中,我们将详细介绍Python中如何使用OpenCV库实现二值图像的腐蚀和膨胀操作。不仅如此,还将为您展示如何利用开运算和闭运算来进一步优化图像处理效果。

. 843

从零构建AI Agent集群:Docker Compose与Nginx部署实战

在AI应用开发领域,微服务架构和容器化部署已成为提升开发效率和系统可维护性的关键技术。Docker Compose作为容器编排工具,能够将多个独立服务(如Node.js、Python应用)及其依赖(数据库、缓存)封装在隔离环境中,并通过统一配置文件定义服务间的网络与依赖关系,实现一键启停。Nginx作为反向代理,则提供了统一的网络入口、请求路由和负载均衡能力,是构建高可用Web应用的基石。这种组合技术方案的价值在于,它能将复杂的AI系统(如工作流引擎、对话Agent、技能库)的部署运维复杂度大幅降低,使得开

weixin_27028523的博客 639

膨胀腐蚀-利用直线模板和圆模板及python-opencv代码实现

也是这几天做项目才理解到,原来膨胀腐蚀还可以利用线条模板和圆的模板去做,之前都是使用矩形模板去做的。 需要处理的图片如下: import cv2 import numpy as np """直线膨胀腐蚀""" img = cv2.imread("pic.png", 0) # cv2.imshow("img", img) t, thresholdImg = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU) # cv2.im.

HarryXu的博客 2898

深入NAND Flash信号与接口:结合ONFI 5.0协议,聊聊DBI、ODT和差分信号到底在解决什么实际问题

本文深入探讨了NAND Flash信号与接口设计,结合ONFI 5.0协议,详细解析了DBI、ODT和差分信号等技术如何解决高速数据传输中的信号完整性问题。通过实际案例和数据,展示了这些技术在降低功耗、减少噪声和提升抗干扰能力方面的显著效果,为存储工程师提供了宝贵的实践参考。

weixin_33736649的博客 344

手写签名转化成可以插入word的图片matlab实现

有时候会遇到word上要插入签名的情况(如毕业设计等),利用画图软件不是很方便,想到了通过图像处理的方法将手写的签名转化成可以插入word文档的小图片,本文通过matlab实现了手写签名(真)到白底黑色手写字图片的转化。

DXY_aqz的博客 657

别再花钱买商业软件了!这4款免费DIC工具,从散斑生成到应变分析全搞定

本文介绍了4款免费开源的DIC(数字图像相关技术)工具,涵盖从散斑生成到应变分析的全流程,帮助用户零成本构建专业级DIC工作流。这些工具在精度、算法透明度和生态整合方面具有优势,适用于材料力学和实验力学研究,可替代昂贵的商业软件。

weixin_42525369的博客 172

DeepSeek-OCR 本地部署使用教程(附完整环境配置与推理示例)

DeepSeek-OCR是由DeepSeek AI推出的开源OCR模型,支持高精度文档识别与结构化输出(如Markdown转换)。本文提供了详细的本地部署指南,包括系统要求(推荐Linux+A100 GPU)、环境配置(Python 3.12.9+PyTorch 2.6.0+CUDA 11.8)、模型下载及两种推理方式:高性能的vLLM(适合批量处理)和灵活的Transformers(适合调试)。支持多种分辨率模式和提示词模板,适用于合同识别、PDF转换等场景。常见问题包括显存优化和性能调优建议。

qq_58607032的博客 6725

C++实现图片腐蚀(附带源码)

C++实现图片腐蚀(附带源码)

欢迎来到我的博客!这里是一个专注于计算机技术的分享平台,涵盖编程开发、算法研究、系统架构、软件工程等多个领域。无论你是初学者还是资深开发者,都能在这里找到有价值的内容。 1632

TSP、MTSP问题遗传算法详细解读及python实现

写在前面 遗传算法是一种求解NPC问题的启发式算法,属于仿生进化算法族的一员。仿生进化算法是受生物行为启发而发明的智能优化算法,往往是人们发现某种生物的个体虽然行为较为简单,但生物集群通过某种原理却能表现出智能行为。于是不同的人研究不同的生物行为原理,受到启发而发明出新的仿生进化算法。比如免疫优化算法,蚁群算法,模拟退火算法等,这些算法以后也会简单介绍。 本文的主题是遗传算法,该算法也是受到生物行为启发。物竞天择,适者生存,优胜劣汰,是该优化算法的核心思想。笔者在业务中需要用到遗传算法求解TSP问题,但是网

weixin_47675950的博客 9306

手写汉字分割1

在对中文手写汉字分割中常用的一种方法为投影法,即先对图像进行预处理,之后再将图像进行二值化,最后对图像的横向像素以及纵向像素加和之后对手写汉字进行分割。 还有一种方法为连通域法,即认为像素点相连通的为同一个汉字。在此方法中对图像的处理较多,需要进行腐蚀膨胀,将粘连在一起的字体分割开来。 从上到下,从左到右,一次为1-6,1、2对图像进行滤波处理,3对图像进行膨胀,4、5对图像进行不同程度的...

qq_40414818的博客 2880

高分三号SAR影像超精细条带数据预处理实战:从原始数据到地理编码的完整操作指南

本文提供了高分三号SAR影像超精细条带数据预处理的完整实战指南。详细介绍了从原始数据导入、多视处理、滤波去噪、DEM准备到地理编码与辐射定标的完整流程,帮助用户利用SARscape软件将原始SAR数据转化为可用于分析的地理编码产品。

tree8的博客 579

cadence CIS 库建立--建立自己维护的CIS数据库

遇到一个问题,在使用cadecnce的时候,就是没有自己的本地/分享的数据库。 在画原理图或者PCB的时候,如果能搭建一个自己的数据库,在局域网或者本地 就好了。出于这样的想法,做了一些探索,找到了一种可能的答案。 由于数据库编制知识的缺乏,要自己建一个数据库似乎花费的时间会比较多。 偶发奇想,如果能够改编CIS 自带的数据库 另建立副本进行维护 就能够省下不少麻烦。 先说下CIS 是个啥。网上一搜:总之CIS 是个好东西。 功能强大。 点击CIS capture 中的 Options CIS Config

qq_29776365的博客 2万+

小项目:手写数字识别,可识别小数点(一)(2020.7.3)

小项目:手写数字识别,可识别小数点(一) 完整代码已经上传 GitHub(https://github.com/wwwwkd/Digit-Recognition) 代码是自己写的,有些不严谨,有更好的方法或者思路,希望大家之间相互指点相互进步。首先提供思路,然后在提供部分代码,然后在展示效果图。 功能要求:可以根据自己手工书写一个数字得带小数,拍照后,程序能将该手写数字转换成对应的数字。 经过查阅资料,将其大致分为一下三个部分: ① 数字的定位、分割、保存. ② 小数点的识别. ③ 网络的训练、测试和最佳

qq_45363979的博客 4585

【Unity引擎技术整合】 Unity学习路线 | 知识汇总 | 持续更新 | 保持乐趣 | 共同成长

本文对Unity引擎的知识进行了一个整理总结,基本包含了Unity中大部分的知识介绍。 网上也有很多Unity相关的学习资料,但大多数都不成体系,学起来的时候难免会东奔西走的摸不着头脑。 本文整理的多数文章都是有对应的系列性文章专栏,可以更方便的进行系统学习相关知识体系。

努力前行,总会成为自己心中的那道光 15万+

OCR1.0图像预处理部分

OCR1.0图像预处理部分 概述: 源于最近的大作业,老师提供的数据集有点太大了,所以分享几点对策,有问题欢迎留言 正文 数据集结构介绍 接近八个G的手写数字黑白图片,尺寸大致在5050到100100,有背景田字格,椒盐噪声等 处理过程 除噪 高斯滤波应该也可以,但由于鄙人实在不熟悉python的gauss是个什么鬼,只好采用先膨胀然后腐蚀的办法进行除噪 def erzhihua(path,path1): img = cv2.imread(path+path1,0) r=1 s =

JasonZhao的博客 1092

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

matlab手写数字识别_手写数字识别系统 基于python

环境基于Python3.6和Tensorflow框架 实现手写数字识别系统本文使用python基于TensorFlow设计手写数字识别算法,并编程实现GUI界面,构建手写数字识别系统。文中首先对如何对手写数字图像的获取进行了介绍;其次,对待手写数字图片的预处理的进行了介绍,包括二值化、高斯滤波、膨胀、腐蚀等图像处理方法,图片的预处理是利用opencv和PIL实现的;之后,探讨了读取MNI...

weixin_39593061的博客 604

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

基于深层卷积网络的手写数字识别 minist_「Tensorflow」基于CNN的数字OCR识别

导读 对于人类来说,识别手写的数字是一件非常容易的事情。我们甚至不用思考,就可以看出下面的数字分别是1,2,3。那机器如何来识别数字?本期将使用Tensorflow搭建卷积神经网络,进行手写数字的识别。代码可关注同名ghz,后台回复「手写数字识别」即可免费获取。本系列文章Part1:基于CNN的数字OCR识别part2:基于CNN的汉字识别预处理对于手写数字的初始图片如下所示。在搭建网络前我们需要...

weixin_39673051的博客 382

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

MATLAB 实现电子版的手写签名

Ques:有时候我们需要在电子文档上实现手写的签名,但是又没有相关的文档,我们应该如何解决这个问题呢? 先看看实验结果 程序: %% 选取图像 [filename, pathname] = uigetfile({'*.jpg'; '*.bmp'; '*.gif'}, '选择图片'); %没有图像 if filename == 0 return; end %% 读取图像 I= imread([pathname, filename]); I= imresize(I,0.5);

guangwulv的博客 1608

手写数字识别系统 基于python

本文使用python基于TensorFlow设计手写数字识别算法,并编程实现GUI界面,构建手写数字识别系统。文中首先对如何对手写数字图像的获取进行了介绍;其次,对待手写数字图片的预处理的进行了介绍,包括二值化、高斯滤波、膨胀、腐蚀等图像处理方法,图片的预处理是利用opencv和PIL实现的;之后,探讨了读取MNIST训练数据集数据与标签,设置CNN神经网络参数 ,归一化数据集标签并训练CNN神经网络;最后界面使用PyQt5,该识别器可以实时识别从GUI(图形用户界面)中画出的数字图片,利用截图的方式存储图

aclplr的博客 3944

Python手写签字识别提取工具

该工具是一个基于Python和OpenCV的手写签名自动提取系统,能够从图像中智能识别签名区域并生成透明背景PNG图片。核心算法包括:图像灰度化与高斯模糊预处理,自适应/固定二值化处理,开闭运算形态学优化,轮廓检测与签名定位,以及透明通道生成。系统支持单张、批量及实时摄像三种处理模式,并通过面积过滤、智能边界框等技术提高识别精度。其自适应阈值、噪声消除和保留原始色彩的特性,使其能适应不同光照条件下的签名提取需求。

qq_40875877的博客 1417

MATLAB实战——手写个人签名提取与初步处理

现在很多工作都转移到了线上,有些情况下需要将签名插入word,但是我们有时候是没法打印后再签名的,因此我就写了这么个程序。 一、读取图片 %% 读取图片 pic = imread('C:\Users\cw817615\Desktop\签名.jpg'); threshold = graythresh(pic);%确定二值化阈值 pic_bw = im2bw(pic,0.55);%对图像二值化,黑色的为0,白色的为1 imshow(pic_bw) % 展示处理前的二值化图片 pic_backup = p

chenwei的博客 1886

小项目:手写数字识别,可识别小数点(二)(20202.7.3)

小项目:手写数字识别,可识别小数点(二) 完整代码已经上传 GitHub(https://github.com/wwwwkd/Digit-Recognition)有帮助的话给个小星星!!! 代码是自己写的,有些不严谨,有更好的方法或者思路,希望大家之间相互指点相互进步。首先提供思路,然后在提供部分代码,然后在展示效果图。 功能要求:可以根据自己手工书写一个数字得带小数,拍照后,程序能将该手写数字转换成对应的数字。 经过查阅资料,将其大致分为一下三个部分: ① 数字的定位、分割、保存. ② 小数点的识别.

qq_45363979的博客 2259
上一篇: 算法整理(C++)
下一篇: Canny 边缘检测算法
sunny_code_
博客等级 码龄3年 174粉丝 11原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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