基于图像形态学处理的人脸识别

基于形态学处理的道路直线检测算法仿真，matlab2021a运行测试 [B,L] = bwboundaries(binary,'noholes'); for K=1:length(B) boundary = B{K}; h(K)=plot(boundary(:,2), boundary(:,1), 'g', 'LineWidth', 2); end

使用C++与opencv实现二值形态学和灰度形态学的腐蚀膨胀处理，并解决一些形态学的问题。效果上与opencv自带的腐蚀膨胀函数差不多，但运行时间还有待提高

一、管线概观 下图是图形管线的一系列处理阶段以及数据在这些处理阶段流动的简化图。虽然非常简 单，但是用于展示着色器编程的一些重要概念足够了。本小节展示了 OpenGL 图形管线的 固定功能。注意本管线只是一个抽象，不可能在所有的步骤上都满足任何特定实现。

区域填充的matlab的实现 I=imread('b.bmp'); se=strel('square',3);%3*3正方形结构元素 Ie=imerode(I,se);%腐蚀得到内部点 Iout=I-Ie;%减去内部点留下边界点 Iout=~Iout; figure,imshow(Iout);%显示外轮廓 [L,num] = bwlabel(Iout,8);%连通块标记 F=L>1;%除去周边区域 BW2 = imfill(F,'holes');%填充区域 figure,imshow(1-BW2);

思路：通过彩色图像灰度化，再进行边缘检测，形态学的膨胀腐蚀操作成功实现对背景的过滤，并通过水平和垂直投影法实现了对车牌的定位；在字符分割的实现上，通过先对车牌区域的彩色图像进行灰度化以及阀值处理，将图像转换为黑白图像，再进行中值滤波，最终结合字符水平和垂直投影的特性，成功完成对车牌字符的分割；在字符识别方面，首先将字符归一化，然后和建立好的模板字符库进行逐一比对，通过找差值绝对值的最小值来实现字符的匹配。 文件包括：67个字符模板匹配库，实现代码，参考论文

图像的形态学处理，可以完成开运算 闭运算 腐蚀 膨胀 TopHat变换，形态学梯度处理等算法，对于学习图像处理有很大的帮助

连通分量提取 在二值图像中提取连通分量是许多自动图像分析应用中的核心任务。 提取连通分量的过程实际也是标注连通分量的过程，通常是给原图像中的每个连通区分配一个唯一代表该区域的编号，在输出图像中该连通区内的所有像素的像素值就赋值为该区域的编号，将这样的输出图像称为标注图像。

相关文章请在csdn的博客 It1995 查询

什么是形态学处理 • 形态学本来是生物学的一个分支，用来研究动植 物的形态与结构。在数字图像领域，数学形态学 被当作工具用来消除、扩增或提取对于表达与描 绘区域形状有用的图像元素，比如连通域、边界、 骨架或者凸壳等。 • 数学形态学的语言是集合论，通常应用于只有黑 白二色的二值图像，多数情况下，黑色表示前 景，白色表示背景