例子
type:計算均值後，即生成閾值，而後採取固定影象二值化方法
block size:分塊的大小
c:閾值計算中的所加減的常數項
影象膨脹
影象腐蝕
建立核的方法
如果要構建圓形或者橢圓形的核，可以使用cv2.getstructuringelement()函式
更加通用的形態學
閉運算
形態學梯度
禮帽和黑帽
黑帽：原圖-閉運算後的影象
(一) 轉化為灰度，並進行二值化處理
(二) 去除雜點：三次膨脹+兩次腐蝕+一次膨脹
(一) 確定前景
sure_bg = cv2.dilate(opening3, kernel, iterations = 3) # 通過膨脹獲取背景區域
(二)確定背景
dist = cv2.distancetransform(opening3, cv2.dist_l2, 5) # 通過距離變換獲取前景區域
ret, sure_fg = cv2.threshold(dist, dist.max()*0.45, 255, cv2.thresh_binary) # 0.45根據實際情況來調
(三)確定未知區域
su***ce_fg = np.uint8(sure_fg) # 背景空間為整型空間，前景為浮點型空間，這裡做一下統一
ret, markers = cv2.connectedcomponents(su***ce_fg) # 所有的前景區域非0
markers = markers + 1 # 此時所有的區域非零，其中包含邊緣的未知區域和非背景區域為1
markers[unknown == 255] = 0 # 令包含邊緣的位置區域為0
# 注:watershed會將找到的柵欄在markers中設定為-1
markers = cv2.watershed(origin, markers = markers) # 獲取柵欄
origin[markers == -1] = [0,0,255] # 根據柵欄，我們對原影象進行操作，對柵欄區域設定為紅色
分水嶺演算法個人理解
分水嶺演算法流程 經典的風水嶺演算法，分為 一下幾步 1 按畫素值分層，即影象可分為256層，對影象畫素排序 2 對每個畫素層，首先將所有同一畫素層標記設為 2 然後對該層畫素點的鄰域判斷，若鄰域內有被標記過的畫素點，則將該畫素點入棧，否則對該層畫素點判斷，若標記為 2，且8鄰域內有畫素點標記也為 ...
分水嶺演算法
分水嶺變換是一種流行的影象處理演算法，用於快速將影象分割成多個同質區域。分水嶺演算法的思想是 把影象看成乙個拓撲地貌，那麼同類區域就相當於陡峭邊緣內相對平坦的盆地。分水嶺演算法通過逐步增加水位，把地貌分割成多個部分 目前比較著名的有模擬泛洪和降水 降水 水先是匯集到海拔低的地區，慢慢填充這每乙個盆地...
分水嶺演算法
在許多實際應用中，我們需要分割影象，但無法從背景影象中獲得有用資訊。分水嶺演算法在這方面往往是非常有效的。此演算法可以將影象中的邊緣轉化成 山脈 將均勻區域轉化為 山谷 這樣有助於分割目標。分水嶺演算法，是一種基於拓撲理論的數學形態學的分割方法，其基本思想是把影象看作是測地學上的拓撲地貌，影象中每一...