Javascript图像处理—图像形态学(膨胀与腐蚀)

概念介绍

图像形态学是一种数学处理方法，用于对图像的形状和结构进行处理和分析。其中，膨胀和腐蚀是两个最基本的形态学操作。

膨胀（Dilation）：将图像中的物体膨胀，使物体变得更厚、更大。

腐蚀（Erosion）：将图像中的物体腐蚀，使物体变得更细、更小。

这两种操作通常是配合使用的，常用于图像处理中的去噪、边缘检测等过程。

算法流程

膨胀（Dilation）

1. 将原始图像和一个指定大小的结构元素作为输入。
2. 遍历原始图像中的每一个像素，并将其与结构元素进行比对。
3. 若该像素及其周围的像素中有至少一个像素为1（表示该像素在结构元素的支配下），则将该像素置为1。
4. 重复步骤2-3直到遍历完整个图像。

腐蚀（Erosion）

1. 将原始图像和一个指定大小的结构元素作为输入。
2. 遍历原始图像中的每一个像素，并将其与结构元素进行比对。
3. 若该像素及其周围的像素均为1，则将该像素置为1。
4. 重复步骤2-3直到遍历完整个图像。

实例演示

滤除边缘噪声

边缘噪声通常是指与待处理物体没有实际联系的单独像素点。使用腐蚀和膨胀可以有效处理这种噪声。

// 读取原始图像
const img = cv.imread("canvasInput");
cv.imshow("canvasOutput", img);

// 预处理图像，将其转换为黑白二值图
const gray = new cv.Mat();
cv.cvtColor(img, gray, cv.COLOR_RGBA2GRAY, 0);
const binary = new cv.Mat();
cv.threshold(gray, binary, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU);

// 进行膨胀和腐蚀操作
const kernel = cv.getStructuringElement(cv.MORPH_RECT, new cv.Size(3, 3));
const dilated = new cv.Mat();
const eroded = new cv.Mat();
cv.dilate(binary, dilated, kernel);
cv.erode(dilated, eroded, kernel);

cv.imshow("canvasOutput", eroded);

检测图像边缘

图像边缘通常是指物体和背景的边缘。可以使用膨胀和腐蚀来检测边缘。

// 读取原始图像
const img = cv.imread("canvasInput");
cv.imshow("canvasOutput", img);

// 预处理图像，将其转换为黑白二值图
const gray = new cv.Mat();
cv.cvtColor(img, gray, cv.COLOR_RGBA2GRAY, 0);
const binary = new cv.Mat();
cv.threshold(gray, binary, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU);

// 进行膨胀和腐蚀操作
const kernel = cv.getStructuringElement(cv.MORPH_RECT, new cv.Size(3, 3));
const dilated = new cv.Mat();
const eroded = new cv.Mat();
cv.dilate(binary, dilated, kernel);
cv.erode(binary, eroded, kernel);

// 提取原始图像和腐蚀图像的差异，得到图像边缘
const diff = new cv.Mat();
cv.absdiff(dilated, eroded, diff);

cv.imshow("canvasOutput", diff);

总结

膨胀和腐蚀是图像形态学中最基本的操作，可以用于去噪、边缘检测等许多图像处理任务中。使用OpenCV库可以很方便地实现图像的膨胀和腐蚀操作。在实际使用中，需要根据具体情况选择适当的结构元素大小和形状，以达到最佳效果。