ǫɪ ԃα√‘的博客

图像腐蚀# 图像腐蚀import cv2import numpy as np# 读取原始图像im = cv2.imread("../dataset/data/5.png")cv2.imshow("im", im)# 腐蚀kernel = np.ones((3, 3), np.uint8) # 用于腐蚀计算的核erosion = cv2.erode(im, # 原始图像 kernel, # 腐蚀核 iter

读取、图像、保存图像# 读取图像import cv2im = cv2.imread("../dataset/data/Linus.png", 1)# 1表示3通道彩色，0表示单通道灰度im_gray = cv2.imread("../dataset/data/Linus.png", 0) cv2.imshow("test", im) # 在test窗口中显示图像 cv2.imshow("gray",im_gray)print(type(im))print(type(im_gray))

图像轮廓什么是图像轮廓：边缘检测虽然能够检测出边缘，但边缘是不连续的，检测到的边缘并不是一个整体。图像轮廓是指将边缘连接起来形成的一个整体，用于后续的计算。图像轮廓是图像中非常重要的一个特征信息，通过对图像轮廓的操作，我们能够获取目标图像的大小、位置、方向等信息。图像轮廓操作包括：查找轮廓、绘制轮廓、轮廓拟合等查找和绘制轮廓一个轮廓对应着一系列的点，这些点以某种方式表示图像中的一条曲线，将这些点绘制成不同样式的线条，就是轮廓查找与绘制轮廓拟合在计算轮廓时，可能并不需要实际的轮

图像梯度处理图像梯度计算的是图像变化的速度。对于图像的边缘部分，其灰度值变化较大，梯度值也较大；相反，对于图像中比较平滑的部分，其灰度值变化较小，相应的梯度值也较小。一般情况下，图像梯度计算的是图像的边缘信息。模板运算模板（滤波器）是一个尺寸为n*n的小图像W（n一般取奇数，称为模板尺寸），每个位置上的值w被称为权重。在进行计算时，将模板的中心和像素P对齐，选取原始图像中和模板相同范围的邻域N的像素值作为输入。模板卷积的计算是将对齐后的对应位置像素相乘，再进行累加作为像素P位置的输出值。模板

图像腐蚀腐蚀是最基本的形态学操作之一，它能够将图像的边界点消除，使图像沿着边界向内收缩，也可以将小于指定结构体元素的部分去除。腐蚀用来“收缩”或者“细化”二值图像中的前景，借此实现去除噪声、元素分割等功能。图像膨胀图像膨胀(dilate)是指根据原图像的形状，向外进行扩充。如果图像内两个对象的距离较近，那么在膨胀的过程中，两个对象可能会连通在一起。膨胀操作对填补图像分割后图像内所存在的空白相当有帮助。图像开运算开运算进行的操作是先将图像腐蚀，再对腐蚀的结果进行膨胀。开运算可以用于

图像采样与分辨率• 采样后得到离散图像的尺寸称为图像分辨率。分辨率是数字图像可辨别的最小细节。• 分辨率由宽（width）和高（height）两个参数构成。宽表示水平方向的细节数，高表示垂直方向的细节数。• 例如：一副640*480分辨率的图像，表示这幅图像是由 640*480=307200个点组成。一副1920*1080分辨率的图像，表示这幅图像是由 1920*1080= 2073600个点组成。采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。灰度图单通