OpenCV基础实战四形态学基础

最新推荐文章于 2025-08-14 21:19:52 发布
最新推荐文章于 2025-08-14 21:19:52 发布
阅读量329 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： openc实战基础 文章标签： opencv 计算机视觉 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cyl190/article/details/120998436
本文介绍了OpenCV中的形态学基础，包括腐蚀和膨胀操作。腐蚀使得图像中亮区域减小，暗区域增大；而膨胀则相反，使亮区域增大，暗区域减小。通过实例展示了腐蚀和膨胀对图像（如狗的图片）的影响，如腐蚀后胡子部分减少，膨胀后则胡子部分增多。此外，还提及了开运算（先腐蚀后膨胀）和闭运算（先膨胀后腐蚀）的概念，为后续深入学习打下基础。

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

OpenCV基础实战四形态学基础

这一章主要介绍的是腐蚀和膨胀。
在图像最终效果上可以理解为：
腐蚀是让亮的地方缩小，暗的地方扩大。
膨胀是让亮的地方扩大，暗的地方缩小。

在这里插入图片描述

腐蚀

img=cv2.imread("../Resources/dog2.jpg")
kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(3,3))
eroded=cv2.erode(img,kernel)						#腐蚀图像
cv2.imshow("eroded",eroded)
cv2.waitKey(0)

腐蚀后的图像
腐蚀后的图像
对比原图发现胡子部位明显少了很多

膨胀

img=cv2.imread("../Resources/dog2.jpg")
kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(3,3))
dilate=cv2.dilate(img,kernel)                        #膨胀
cv2.imshow("dilate",dilate)
cv2.waitKey(0)

在这里插入图片描述

开运算和闭运算

开运算：先腐蚀后膨胀
闭运算：先膨胀后腐蚀

后续会针对特定的案例来具体针对指定情况进一步讲解，现阶段主要是有一个概念

OpenCV实战（11）——形态学变换详解
盼小辉丶的博客
02-16 2万+
形态学变换( Morphological transformations )通常是在二值图像上执行、基于图像形状的操作。本节，首先介绍了基本形态学算子，腐蚀与膨胀，并介绍了根据基本算子组合得到的开运算与闭运算，最后，利用形态学算子实现了经典的边缘/角点检测图像处理应用。
OpenCV实战（1）——OpenCV与图像处理基础
盼小辉丶的博客
10-24 8万+
OpenCV 是一个跨平台计算机视觉和机器学习库，实现了图像处理和计算机视觉方面的很多通用算法。本节将介绍 OpenCV 的基础知识，以及如何编译运行 OpenCV 程序，并介绍如何完成最基本的图像处理任务——读取、显示和保存图像。除此之外，鼠标事件和图形绘制也是 OpenCV 计算机视觉项目中常用的基本功能，本节介绍了如何使用这两个重要的 OpenCV 功能。
OpenCV计算机视觉实战 | 第4章 图像形态学操作
睦生
02-14 1435
本文为《OpenCV计算机视觉实战》课程的笔记。 1 腐蚀操作 在卷积核中，若同时出现像素值255和0的像素点，则0替换255。 关键方法：cv2.erode(img,kernel,iterations = 1) 前提：输入图像是二值的 1、读入图像 img = cv2.resize(cv2.imread('./img/nihao.png'),(300,300)) cv_show('nihao',img) 2、创建核（卷积窗口） 核越大，腐蚀效果越明显 核可以不是一个正方形 kernel = np.
OPENCV形态学基础之二腐蚀
2202_75840803的博客
06-09 1085
erode是OPENCV实现腐蚀效果的API第一个参数：src的类型是InputArray，它指的是输入图像，它可以是Mat类的数据。图像的通道数可以是任意数，但是图像的深度一般是CV_8UCV_16UCV_16SCV_32FCV_64F第二个参数：dst的类型是OutputArray，它指的是目标图像，值得注意的是输出图像的尺寸、类型要和输入图像是一致的。第三个参数：InputArray类型的kernel，腐蚀操作的核。当这个值为NULL的时候，表示使用的核参考点默认是3*3。
OPENCV形态学基础之一膨胀
2202_75840803的博客
06-08 775
膨胀是图像形态学的基本功能之一，膨胀顾名思义就是求图像的局部最大值操作，它的数学表达式是。从数学的角度来看，无论是膨胀还是腐蚀实际上就是把图像跟核进行卷积(是通过两个函数f和g生成第三个函数的一种数学运算，它的本质就是微积分的转换，积分转换的数学公式)，如上图：图像A和形状B进行卷积操作，然后形成右边的图像，右边的图像就是A+B的图像点。所谓的核就是指任意的形状或者大小，在多数情况下，核是一个小的中间带的正方形或者圆形。，然后计算出卷积区域的最大点，并把最大的值赋值给指定的像素(如上图)。
OpenCV-Python实战（10）——形态学
2201_75538245的博客
12-28 1223
内核锚点，默认为：（-1，-1），核中心位置。锚点位置，默认是：（-1，-1），核的中心。锚点位置，默认是：（-1，-1），核的中心。锚点位置，默认是：（-1，-1），核的中心。膨胀操作后的图像 - 腐蚀操作后的图像 =分割图像（当图像连接的不够紧密时）。原始图像 - 开运算图像 = 礼帽运算。边界样式，边界值，使用默认即可。边界样式，边界值，使用默认即可。边界样式，边界值，使用默认即可。先做膨胀操作，在做腐蚀操作。图像沿着边缘向外扩展的操作。可以得到原始图像的噪音点。先做腐蚀，在做膨胀操作。
OpenCV快速入门：图像形态学操作
吾家有猫名探花的博客
11-19 1549
图像形态学是一门强大而有趣的技术，它通过对图像进行形态学操作，使图像更适合后续处理步骤。在本文中，我们将深入探讨OpenCV中的图像形态学操作，快速入门这一关键领域。图像形态学作为数字图像处理的一个分支，致力于通过形态学操作实现对图像特征的提取、噪音的去除以及目标的分割。这一领域的研究为计算机视觉、图像识别和医学图像处理等领域提供了强大的工具和方法。
【唐宇迪】opencv实战学习
孟孟单单的博客
03-12 6454
数据读取-图像 cv2.IMREAD_COLOR：彩色图像 cv2.IMREAD_GRAYSCALE：灰度图像 opencv对于读进来的图片的通道排列是BGR，而不是主流的RGB！谨记！ #opencv读入的矩阵是BGR，如果想转为RGB，可以这么转 img = cv2.imread('1.jpg') img = cv2.cvtColor(img4,cv2.COLOR_BGR2RGB) import cv2 import matplotlib.pyplot as plt import numpy
计算机视觉图像处理基础系列：滤波、边缘检测与形态学操作
热门推荐
CSDN博客专家，系统架构师，有合作、疑惑请私信博主。
04-05 16万+
计算机视觉图像处理基础系列：滤波、边缘检测与形态学操作，计算机视觉是人工智能领域的核心方向之一，旨在让计算机具备理解和解释视觉信息的能力。而图像处理则是计算机视觉的基石，为后续的特征提取、目标识别、图像分割等高级任务提供数据基础。滤波、边缘检测与形态学操作作为图像处理的基础环节，各自发挥着独特且关键的作用。滤波用于改善图像质量，去除噪声或增强特定特征；边缘检测聚焦于提取图像中物体的轮廓信息；形态学操作则基于图像形状对其进行优化与处理。深入理解这些基础技术，对于掌握计算机视觉的核心知识体系至关重要。
OpenCV零基础到项目实战-DAY1-图像资源包
07-22
随着学习的深入，学习者会逐渐了解更高级的图像处理技巧，例如图像分割、形态学操作以及图像识别等。 这个资源包在初学者的入门学习中扮演着至关重要的角色。它通过提供丰富的图像素材，使得学习者可以在实践操作中...
OpenCV实战 | 基于形态学运算提取图像中的音符
CV前沿
10-20 1524
图像形态学运算，顾名思义是应用形态学操作改变图像中物体的形状的过程。其中形态学操作比较基础的是膨胀、腐蚀、开运算和闭运算；形态学操作的对象通常是二值化图像。 本文会先介绍形态学中常见的操作的原理部分，然后介绍在OpenCV中这些操作的函数和参数含义，最后通过一个提取图像中音符的样例来贯穿全部的内容。 1 形态学操作 1.1 腐蚀 腐蚀过程是将一个核与一个图像进行卷积，其中核可以是任何的形状，比如大小为3∗33 * 33∗3的正方形核，也可以是大小为5∗15 * 15∗1的长条形核。核有一个参考点，参考点位
OpenCV的实际应用
wzdzgdf的博客
08-13 324
当你用手机扫描二维码付款、在视频会议中开启美颜、或是看到自动驾驶汽车识别交通信号灯时，一项名为 OpenCV 的开源计算机视觉库正在默默发挥作用。作为计算机视觉领域的 “瑞士军刀”，OpenCV（Open Source Computer Vision Library）提供了丰富的图像和视频处理工具，让机器能够 “看懂” 世界。从消费电子到工业生产，从医疗诊断到智能交通，OpenCV 的应用早已渗透到我们生活的方方面面。
【图像处理基石】PCA图像压缩与还原：基于OpenCV的Lena图实验
智能守恒_HengAI
08-11 616
PCA（主成分分析）是一种常用的降维技术，其核心思想是通过线性变换将高维数据映射到低维空间，同时保留数据中最主要的信息。数据表示：将图像视为像素值矩阵，对于灰度图可表示为二维矩阵，彩色图则为三维张量中心化：对图像数据进行中心化处理（减去均值）协方差矩阵：计算数据的协方差矩阵，反映像素间的相关性特征值分解：对协方差矩阵进行特征值分解，得到特征值和特征向量主成分选择：选择特征值最大的前k个特征向量作为主成分降维映射：将原始数据投影到选定的主成分上，得到低维表示（压缩）重构还原。
【P44 6-7】OpenCV Python——图片添加logo，创建logo，mask，mask取反，ROI和掩膜与运算的tmp
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
08-14 231
这篇教程展示了如何用OpenCV在图片上叠加自定义LOGO。首先导入背景图片和创建LOGO矩阵，通过绘制红色和绿色方块生成LOGO图案。然后创建掩膜并进行位运算处理，选择图片的叠加区域，将LOGO与背景图片进行叠加。关键步骤包括：掩膜取反、区域选择、位与运算和图像叠加。最终实现了LOGO在指定位置的叠加效果，并演示了浅拷贝特性对原图的影响。代码完整展示了从创建LOGO到最终合成的全过程，适合图像处理初学者学习。
计算机视觉Open-CV
最新发布
2501_91237346的博客
08-14 661
本文介绍了图像处理中的边界填充、图像运算、阈值处理和平滑处理等核心操作。边界填充通过cv2.copyMakeBorder()实现多种边缘扩展方式；图像运算展示了三种加法融合方法及其效果差异；阈值处理演示了五种二值化技术对灰度图像的分割效果；平滑处理则比较了均值、高斯、中值等滤波方法对椒盐噪声的去除效果。最后通过视频处理实例，展示了如何对视频流实时添加噪声并应用中值滤波进行平滑处理。这些技术广泛应用于图像增强、特征提取和计算机视觉任务中。
Opencv 边界填充 图像运算 阈值处理 和图像平滑处理
weixin_72931638的博客
08-14 577
阈值处理是图像预处理的重要步骤，用于将图像转换为二值化形式（仅包含黑白两种像素值）。核心方法：cv2.threshold()，包含四个参数：src：待处理的图像（如灰度图）。thresh：手动设置的阈值（如175）。maxval：最大值（如255）。type：阈值处理类型（决定规则）。返回值说明：第一个返回值（ret）：实际使用的阈值（通常与输入一致）。第二个返回值（dst）：处理后的二值化图像。通过消除噪声或细节使图像更平滑，但会导致图像轻微模糊。
OpenCv（三）——图像平滑处理
2302_76756558的博客
08-14 746
dst是返回值，src是需要处理的图像，kszie是滤波核(卷积核)的大小，anchor是锚点，默认值是（-1，-1）一般无需更改 borderType是边界样式，一般无需更改 一般情况下，使用dst=cv2.blur(src,ksize)即可。效果：做了归一化之后图像更加均衡，不做归一化中心点的值是周围像素值的和，所以中心点的数值大概率会大于255，大于255的值会被设为255，所以不做归一化整个图像会呈现出更亮的效果。总结：通过上面的对比，可以看出中值滤波处理这样的噪声点的效果比其他的平滑效果要更好。
OpenCV Canny 边缘检测
qq_45801780的博客
08-14 70
【代码】OpenCV Canny 边缘检测。
计算机视觉--opencv(代码详细教程）（二）
enlybbq的博客
08-14 857
在 OpenCV 中，是用于给图像添加边框（边缘）的核心 API，其完整语法和参数说明如下：函数完整定义 参数详细说明输入图像（类型），可以是单通道（灰度图）或多通道（如 RGB/BGR 彩色图）。整数，指定图像顶部需要添加的边框像素数量。整数，指定图像底部需要添加的边框像素数量。整数，指定图像左侧需要添加的边框像素数量。整数，指定图像右侧需要添加的边框像素数量。边框填充方式的枚举值，决定了边框像素如何生成。OpenCV 支持以下类型：：外包装填充 边框像素从图像的对侧 “缠绕” 而来（类似平铺效果
评论
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