数字图像处理三 | 二值形态学操作(Distance Transform, 骨架提取,Conditional Dilation)的原理及Python实现

本文介绍了二值图像处理中的基本形态学操作,包括腐蚀、膨胀、开运算和闭运算。重点讲解了距离变换、骨架提取的原理,并探讨了条件膨胀在分离图像部分的应用。提供了相关Python实现代码。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

图像处理总结3

文末有代码链接。
二值形态学
形态学起源于法国巴黎高等矿业学院,因为人家是搞地质的。
可见一斑,形态学的精要就是在于将图像看作是等高线组成的地形图,他的基本操作就是动土,平高填低等等。
当然,这是哲学层面的抽象概念,太玄,还是整点实际的。
需要注意的是,这里处理的图片都是二值图片(0 or 1)。


基本操作

结构元素(SE)
就是你要动土的那块地方多大,以及要怎么动土。

腐蚀(Erosion):
先看公式: E ( F , k ) = F ⨀ k = ⋂ ( { a + b ∣ a ∈ F } ) E(F,k)=F\bigodot k=\bigcap (\{ a+b|a \in F\}) E(F,k)=Fk=({ a+b

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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