形态学操作是对图像形状进行的操作，一般情况下是对二值化图像进行的操作，两个基本的形态学操作是腐蚀和膨胀。 腐蚀 腐蚀操作很容易理解，与生活中的腐蚀意义一样，生活中的东西在腐烂的时候，总是会从边缘开始由外向内腐蚀。就是这个意思。 原理 使用卷积核遍历图像像素值，以卷积核的中心为中心，如果与卷积核对应的像素值全为1（即全是白色），像素值就保持不变。否则与卷积核对应的像素值就全变为0。也就体现出了边缘都被腐蚀掉的情形。 从图中很容易看出腐蚀的过程。前景区被腐蚀掉。 构造函数： cv2.erode(src,kernel,iterations) 参数解释： src：一般情况是一个二值图像，像素值只

主要介绍了python数字图像处理之高级形态学处理，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧

Python CV2快速稀疏算法 使用形态学的快速稀疏算法的实现 背景：我一直在寻找用于确定指纹细节的快速细化算法，但是我没有找到任何一种，并且OpenCV apper也没有。 我一直在与Zhang Suen一起工作，它产生了很好的结果，但是对于我的使用来说太慢了，所以我开始开发自己的算法，并希望将其提供给社区，并希望社区可以为如何做出贡献提供一些提示。结果更好，算法更快。 ;） 解释算法：之所以如此之快，是因为大部分细化是通过OpenCV使用形态来完成的，其余的都是手工完成的。 当前状态：在当前实现中，示例图像的细化在不到1.4s的时间内未显示图像，而在约1.6s的时间内显示了图像。 输入图像的详细信息： 图片应为二进制。 我将感兴趣的区域用作黑色（值0），将背景用作白色（值255），但是如果需要，我可以使用相反的值。 结果图像的详细信息： 返回同一图像，其中感兴趣区域的边

APs形态学属性剖面特征，实现代码有详细的注释、包含英文PDF教程，可对高光谱和高分辨率影像进行特征提取，很好用的一个空间特征，能够提升影像的分类精度

计算机图像处理课程设计，用matlab源代码实现

OpenCVSharpPictureDeal.rar

学生学习用

它实现了一种用于眼底视网膜图像的血管分割算法。 该算法在以下论文中介绍： Heneghan, C.、Flynn, J.、O'Keefe, M. 和 Cahill, M. (2002)。使用图像分析表征早产儿视网膜病变中血管宽度和弯曲度的变化。 医学图像分析，6(4)，407-429。 请参阅论文以获取更多解释。 我使代码尽可能简单，这样人们就可以轻松地继续阅读论文及其方程式。 为简单起见，我包含了来自 DRIVE 的一张视网膜图像。 因此，可以从以下位置下载其余图像http://www.isi.uu.nl/Research/Databases/DRIVE/ 分割后，计算4个评价指标：真阳性率、假阳性率、准确率和准确率。 我在 2012 年在伊朗伊斯法罕大学攻读硕士学位期间编写了这段代码，但是，我在 MATLAB 2013b 上再次尝试了它。 问候， 阿什坎。

《眼前节组织OTC图像角膜中央厚度测量》一文的配套matlab程序，有详细的注释和配套图片，能够直接运行。

针对传统边缘检测算法存在定位精度低、对噪声敏感等缺点，提出一种基于形 态学梯度的样条插值亚像素边缘检测方法。利用改进的数学形态学梯度算子进行边缘 点的粗定位，再利用三次样条插值法对提取出的边缘图像进行插值运算，最后利用数学 形态学细化算子将提取出的边缘进行细化，可有效地检测出图像边缘，实现亚像素边缘 检测。实验结果表明，这种方法能准确地检测出边缘，优于传统的边缘检测方法。