形态学操作—形态学梯度

  形态学梯度(Morphological Gradient)是图像形态学处理中的一种操作,它通过对图像的膨胀和腐蚀操作之间的差异来突出图像中的边缘信息。这种操作有助于增强图像中物体的边界,使它们更加突出。

  在数学上,形态学梯度的计算可以通过以下方式进行:

  设定一个结构元素(通常是一个小的矩形或圆形核),然后对图像进行膨胀和腐蚀操作。形态学梯度被定义为图像的膨胀操作减去腐蚀操作的结果。

  形态学梯度的作用是突出图像中物体的边缘或轮廓。当我们对图像中的对象进行分割、边缘检测或特征提取时,形态学梯度可以很有用。它可以帮助定位物体的边界,提取轮廓信息,或者用于图像预处理的步骤之一。

  下面是形态学梯度的公式:

  形态学梯度: Gradient = Dilation ( f ) − Erosion ( f ) \text{Gradient} = \text{Dilation}(f) - \text{Erosion}(f) Gradient=Dilation(f)−Erosion(f)

  其中, Dilation ( f ) \text{Dilation}(f) Dilation(f) 表示对图像 f f f 进行膨胀操作, Erosion ( f ) \text{Erosion}(f) Erosion(f)表示对图像 f f f进行腐蚀操作。

  在OpenCV中,可以使用以下代码来实现图像的形态学梯度操作:

python 复制代码
import cv2
import numpy as np

def show_images(image):
    cv2.namedWindow('image',cv2.WINDOW_KEEPRATIO)
    cv2.imshow('image',image)
    cv2.waitKey()
    cv2.destroyAllWindows()

def Morphological_Gradient(image):
    # 定义结构元素(这里使用3x3的矩形核)
    kernel = np.ones((3, 3), np.uint8)
    # 对图像进行膨胀和腐蚀操作
    dilated_image = cv2.dilate(image, kernel, iterations=1)
    eroded_image = cv2.erode(image, kernel, iterations=1)
    # 计算形态学梯度
    gradient = cv2.subtract(dilated_image, eroded_image)
    return gradient

if __name__ == '__main__':
    # 读取图像
    img = cv2.imread('cat-dog.png', flags=0)
    re_img=Morphological_Gradient(img)
    # top_row = np.hstack((img, re_img[0]))
    # bottom_row = np.hstack((re_img[1], re_img[2])) #水平
    # combined_img = np.vstack((img, re_img))# 垂直
    combined_img=np.hstack((img,re_img))
    show_images(combined_img)
相关推荐
回眸&啤酒鸭19 小时前
【回眸】Hy4 模型效果展示与能力评测大纲
大数据·人工智能·机器学习
AI小怪兽20 小时前
你的视觉基础模型会说“植物语“吗?面向目标检测的视觉基础模型植物语法
人工智能·深度学习·机器学习
峯58020 小时前
机器学习05,用 scikit-learn 做加州房价预测的完整入门工程
人工智能·机器学习·scikit-learn
伞伞悦读20 小时前
【第86期】分类指标与错误成本对照的实验与排查
大数据·人工智能·机器学习
深兰科技20 小时前
走出进博展馆寻AI方案,巴西政商联合体参访深兰科技洽商中巴产业数字化合作
人工智能·typescript·深兰科技·中巴产业数字化·巴西政商联合体·ai方案·进博会
典学长编程20 小时前
LangGraph 快速入门:从 StateGraph 到 ReAct Agent
python·有向图·无向图·langgraph·react agent·stategraph
美团技术团队20 小时前
EMNLP 2026 | 美团技术团队学术论文精选
人工智能
Summer-Bright20 小时前
企业落地智能体,供应链签名还是空白:1862 个 MCP 服务器无认证裸奔
服务器·人工智能·github·mcp
ZhengEnCi21 小时前
Agent 只输出计划不调用工具怎么办:从终止信号错位到结果验收的四层防线
人工智能·agent
xsd2024111821 小时前
把模型从 FP32 压到 INT8:PTQ、QAT 与 PyTorch 量化全链路
人工智能