背景

我在水滴检测时参考了GMM的代码，里面有这样的操作：

# 定义结构元素
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))
# 构造混合高斯模型
model = cv2.createBackgroundSubtractorMOG2(50, 16, detectShadows=False)

    # 运用高斯模型进行拟合
    fgmk = model.apply(frame)
    # 使用前面的卷积，用形态学的开运算进行背景减除
    fgmk = cv2.morphologyEx(fgmk, cv2.MORPH_OPEN, kernel)

morphology是形态学、形态论的意思。彼时我还不知道什么是形态学，也不知道什么是结构元素，混合高斯模型（当然现在也不甚懂，只听得大佬跟我说什么用GMM进行拟合、然后进行形态学操作。于是哄堂大笑起来，店内外充满了快活的空气…
anyway，这里所做的开运算就是一个形态学操作

形态学处理

后来为了去除阴影的干扰，调了很多参，也试了各种形态学处理，其实不甚懂的，做了操作如下：

    # 运用高斯模型进行拟合
    #fgmk = model.apply(frame, learningRate=1)
    fgmk = model.apply(crop)
    '''
    形态学运算
    '''
    # 形态学的开运算进行背景减除 
    fgmk = cv2.morphologyEx(fgmk, cv2.MORPH_OPEN, kernel)

    # 先开后闭
    fgmk = cv2.morphologyEx(fgmk, cv2.MORPH_OPEN, kernel)
    fgmk = cv2.morphologyEx(fgmk, cv2.MORPH_CLOSE, kernel)

    # 闭开
    fgmk = cv2.morphologyEx(fgmk, cv2.MORPH_CLOSE, kernel)
    fgmk = cv2.morphologyEx(fgmk, cv2.MORPH_OPEN, kernel)

    #闭
    fgmk = cv2.morphologyEx(fgmk, cv2.MORPH_CLOSE, kernel)

    # 二值化
    fgmk[fgmk<230] = 0
    #retval, dst = cv2.threshold(fgmk, 0, 255,  cv2.THRESH_BINARY | cv2.THRESH_OTSU)
    #retval, fgmk = cv2.threshold(fgmk, 230, 255,  cv2.THRESH_BINARY)

具体的形态学处理可以参考博客：
OpenCV-Python教程（4、形态学处理）
(四)OpenCV-Python学习—形态学处理

最后

以上就是想人陪宝贝为你收集整理的opencv 水滴检测 形态学处理背景形态学处理的全部内容，希望文章能够帮你解决opencv 水滴检测 形态学处理背景形态学处理所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。