在对图像边缘检测之后,再对检测后的图像进行一些操作后可以令待检测图像的特征更加突出,以白底黑字为例,腐蚀操作会腐蚀白色亮区,令黑字更加明显,膨胀操作则会膨胀白色亮区,令黑字细小,从上篇文章最终显示的边缘处理后的图像可知,检测出的边缘以白边描绘,因此,为了增加车牌特征,可以使用膨胀函数,而图像的二值化可以使处理后的图像只存在黑白两种颜色,便于计算机检测识别,提高识别效率。下面将会对腐蚀与膨胀以及自适应二值化进行较为详细的讲解。
腐蚀与膨胀的运用广泛,主要有:
· 消除噪声
· 分割(isolate)独立的图像元素,以及连接(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。
腐蚀进行操作的函数是erode。
/** @function Erosion */ void Erosion( int, void* ) { int

本文详细介绍了图像处理中的腐蚀与膨胀操作,用于消除噪声、分割图像元素,并探讨了自适应二值化在提高图像识别效率上的应用。腐蚀操作通过erode函数实现,膨胀操作与其类似。此外,还提到了自适应阈值二值化的实现方式,以增强图像特征。
最低0.47元/天 解锁文章
1809

被折叠的 条评论
为什么被折叠?



