《数字图像处理》课件第6章.ppt
{
cond3=p［2］*p［4］*p［6］;
cond4=p［4］*p［6］*p［8］;
}
else//奇数次迭代判断条件
{
cond3=p［2］*p［4］*p［8］;
cond4=p［2］*p［6］*p［8］; }//若同时满足条件1~条件4
if((2=cond1cond1=6)(cond2==1)(cond3==0)(cond4==0))
{
pointsDeleted=true;
mask.atuchar(i,j)=1;//写入待删除的像素点至模板
}
}
}dstImg=~mask;//通过逻辑与操作删除目标像素点(白色)
counter++;//记录迭代次数
}
dstImg*=255;//恢复为0,255二值图像
returndstImg;
}6.5应用实例——角点检测
角点一般定义为图像边缘曲线上曲率取极大值的点。角点是图像中重要的特征，它们在保留图像目标重要特征的同时有效地减少了信息的存储量，在目标跟踪与识别、图像配准与匹配等领域有着重要作用。角点检测算法可分为基于灰度图像、基于二值图像和基于轮廓曲线的检测方法。下面将结合本章中的形态学运算介绍一种灰度图像角点检测算法。灰度图像角点检测算法的基本思想如下：对如图6-22(a)所示的矩形图像f，先采用十字形结构元素bc(图6-22(b))对其进行膨胀运算，然后采用菱形结构元素bd(图6-22(d))对膨
胀后的图像进行腐蚀运算，最后计算原始图像与腐蚀后图像的差得到包含直角点的图像f′(图6-22(f))。该过程可用公式表示为（6-28）式(6-28)中的先膨胀后腐蚀操作类似于闭运算，但两次运算采用了不同形状的结构元素。采用式(6-28)仅能对直角点进行有效检测，对于非直角点的提取，需选用其他结构元素的组合。考虑对图6-22(a)进行45°旋转将产生非直角点，为检测这些角点，同时对十字形和菱形结构元素进行旋转，对应结构元素相应变为X形和矩形，分别记为bx和br。则非直角点的检测公式为
（6-29）
对输入灰度图像采用式(6-28)和式(6-29)即可提取图像中的所有角点。图6-22采用不同结构元素对矩形图像f先膨胀后腐蚀根据上述思想，在OpenCV中采用5×5结构元素实现的角点检测代码如下：
//************************************
//函数名称：MatfindCorners(constMatbinaryImg)
//基本功能：提取图像中的角点
//参数说明：输入灰度图像
//返回值：返回含角点的二值图像
//*****************************************
MatfindCorners(constMatgrayImg){
inti,elemSize=5;
MatdstImg1,dstImg2,diffImg;
//设置十字形结构元素
MatcrossStruct=getStructuringElement(MORPH_CROSS,
Size(elemSize,elemSize),
Point(elemSize/2,elemSize/2));
//设置矩形结构元素MatrectStruct=getStructuringElement(MORPH_RECT,
Size(elemSize,elemSize),
Point(elemSize/2,elemSize/2));