二值图像数字矩阵的距离变换（python+opencv)
发布时间：2023-11-27 16:30
代码链接：数字图像处理距离变换实现（python+opencv)
实验要求：
1，自定义64乘64二值图，随机生成图案（像素随机置成0，1，其中1像素的数量为100个）
2，按照某种距离度量，D4或D8（这里计算的是D4，即城市街区距离）
3，根据二值图，计算64*64的距离矩阵，如图
![\"二值图像数字矩阵的距离变换（python+opencv)_第1张图片\"](\"https://img.it610.com/image/info8/e3a4c8cc754a4ce491c9f4bc4114371e.jpg\")
数字图像处理中三种常见的距离
![\"二值图像数字矩阵的距离变换（python+opencv)_第2张图片\"](\"https://img.it610.com/image/info8/20af94fd3d6c43d791ba08eb3a2942b6.jpg\")
距离变换原理：
在实际处理中我们要将输入图像中1全部转为0，输入矩阵中的0转为一个比较大的值，如下图：
![\"二值图像数字矩阵的距离变换（python+opencv)_第3张图片\"](\"https://img.it610.com/image/info8/dd360d452ba643fb97644eb95af91a0e.jpg\")
然后利用两个掩膜进行扫描，参考数字图像的距离变换算法
![\"二值图像数字矩阵的距离变换（python+opencv)_第4张图片\"](\"https://img.it610.com/image/info8/ee7b83e65e124cd683e89566f000e18d.jpg\")
最终得到的更新后的数组即为距离变换的结果。
这个算法过程在图像编边界需要做出调整，因为在边界处，掩模不能全部覆盖图像，这时可以将掩模中没有对应元素的位置的值当作0来处理。
最后得到结果：
![\"二值图像数字矩阵的距离变换（python+opencv)_第5张图片\"](\"https://img.it610.com/image/info8/c2d9f6cf7dce49028c830f99d1ad46b4.jpg\")
原文博主给出了c++代码，我转为python代码放在这里：
数字图像处理距离变换实现（python+opencv)
相关推荐
中国电信发布运营商行业首个云原生关系型数据库TeleDB for openGauss
ThingsBoard 使用 REST API HTTP 方法获取遥测数据 属性数据等
基于分层自监督学习将视觉Transformer扩展到千兆像素图像
【tph-yolov5】使用tph-Yolov5训练自己的数据集
【GoggLeNet 的 inception 结构】 与 【ResNet 的 Residual 结构】 tensor拼接方式的区别
Java初学者一定要注意的问题，这些错误你犯过哪些？永远不要停止学习！