本文主要是介绍深度学习（九）-图像形态操作，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
仿射变换
仿射变换是指图像可以通过一系列的几何变换来实现平移、旋转等多种操作。该变换能够保持图像的平直性和平行性。平直性是指图像经过仿射变换后，直线仍然是直线；平行性是指图像在完成仿射变换后，平行线仍然是平行线。
平移
镜像
旋转
透视变换
- 透视变换是将图片投影到一个新的视平面，也称作投影映射．它是二维（x,y）到三维(X,Y,Z)，再到另一个二维(x’,y’)空间的映射．
- 相对于仿射变换，它提供了更大的灵活性，将一个四边形区域映射到另一个四边形区域（不一定是平行四边形）．透视变换可用于图像形状校正。
算数运算
图像加法
假如图片1的第i个像素值是150，图片2的第i个像素值是150，相加后是255，因为只有8位，溢出了
图像减法
图像缩放
缩放
图像缩放（image scaling）是指对数字图像的大小进行调整的过程。将分辨率为(w,h)的图像，缩放为(w', h')的图像，水平方向系数为Sx = w' / w, 垂直方向缩放系数为S y= h' / h。缩放变换矩阵为：
图像缩小
图像缩小可以通过删除矩阵中的元素来实现，例如：下面的例子进行隔行、隔列删除后，高度、宽度均减小为原来的一半
图像放大
腐蚀与膨胀
图像腐蚀
腐蚀是最基本的形态学操作之一，它能够将图像的边界点消除，使图像沿着边界向内收缩，也可以将小于指定结构体元素的部分去除。腐蚀用来“收缩”或者“细化”二值图像中的前景，借此实现去除噪声、元素分割等功能。
图像膨胀
图像膨胀(dilate)是指根据原图像的形状，向外进行扩充。如果图像内两个对象的距离较近，那么在膨胀的过程中，两个对象可能会连通在一起。膨胀操作对填补图像分割后图像内所存在的空白相当有帮助。
图像开运算
开运算进行的操作是先将图像腐蚀，再对腐蚀的结果进行膨胀。开运算可以用于去噪、计数等。
图像闭运算
闭运算是先膨胀、后腐蚀的运算，它有助于关闭前景物体内部的小孔，或去除物体上的小黑点，还可以将不同的前景图像进行连接。
形态学梯度
形态学梯度运算是用图像的膨胀图像减腐蚀图像的操作，该操作可以获取原始图像中前景图像的边缘。
礼帽运算
礼帽运算是用原始图像减去其开运算图像的操作。礼帽运算能够获取图像的噪声信息，或者得到比原始图像的边缘更亮的边缘信息。
黑帽运算
黑帽运算是用闭运算图像减去原始图像的操作。黑帽运算能够获取图像内部的小孔，或前景色中的小黑点，或者得到比原始图像的边缘更暗的边缘部分。
开运算和腐蚀区别
- 腐蚀是一种使图像边界向内部收缩的操作，它的主要作用是消除物体边界的点，使得目标区域范围变小。腐蚀操作可以去除小于结构元素的噪声点，特别是那些孤立的、不重要的点。通过腐蚀操作，可以缩小或消除一些小的物体，使图像中的物体边界收缩，这对于消除无意义的物体或细化物体轮廓非常有用12。
- 开运算则是先进行腐蚀操作，然后再进行膨胀操作的过程。开运算的主要作用是去除图像上的细小噪声，并平滑物体边界。通过先腐蚀后膨胀的过程，开运算可以去除孤立的小点、毛刺以及较小的物体，同时保持较大物体的面积不变。这种操作常用于分离物体、消除小区域，以及平滑较大物体的边界12。
简而言之，腐蚀主要是缩小或消除图像中的小物体，而开运算是通过先腐蚀后膨胀的过程，旨在去除图像上的细小噪声并平滑物体边界，同时保持较大物体的基本形状不变。这两种操作在图像处理中各有其用途，腐蚀更侧重于缩小和消除，而开运算则更侧重于通过先缩小后增大的方式来改善图像质
这篇关于深度学习（九）-图像形态操作的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
