在matlab的图像处理工具箱中，有一系列关于BinaryImages的处理函数，都是以字母bw开头的，其中以bwmorph函数选项最为丰富，一共有'bothat'、'branchpoints'、'bridge'、'clean'、'close'等十几个方法，其中像骨骼化、细化等常见的功能也集成在这个函数里，同常规的写法一样，这些算法都是需要迭代的，因此，这个函数也有个迭代次数的参数。那么另外一些算子，比如clean、diag、remove等等其实都是基于3*3或者5*5领域的，而其中的'erode'、'open'也只是基于3*3的，因此和真正的常用的腐蚀和膨胀还有所不同，那个需要使用imo

    知道这个算法应该有很久了，主要当时在意2个事情，一个是这个名字的翻译是在是搞笑，第二是这个算法的效果。不过一直以来都十分好奇这个算法是怎么实现的。因为之前一直无法实际的用基恩士的软件平台用不同的图片去测试这个算法的不同结果，故而无从分析和总结规律，但是恰好最近有朋友能帮这个忙，获得了一些测试数据，也基本分析出了这个算法的大概。我们首先看看这个算法的官方文档的说明：  　　　其中文的参考界面如下图：        　   参数很多啊。      其中补正方法里有4种方法：平均值补正、中间值补正、阴影补正、高速阴影补正等。当选择平均值补正和中间值补正时，我们发现下面的抽取大小和抽取方向都变

   最近从一个朋友那里看到了一些基恩士的资料，本来是想看下那个比较有特色的浓淡补正滤波器的（因为名字叫ShadingCorrectionFilter,翻译过来的意思有点搞笑），不过看到起相关文档的附近有一个也比价有意思的功能，如下面的截图所示：　　左侧有个叫RemovingBackGroundInformation的算法，看测试图片，他能够把背景的纹理去除，然后只留下一些细小的线条特征。在我的已经实现的算法里，也确实有一个菜单叫做RemoveBackGruond，尝试利用那个算法对这个图像进行处理，可以得到如下所示图像：       　　结果也相当不错。    在基恩士里这个功能的结果大概如

　　在matlab的图像处理工具箱中，有一系列关于BinaryImages的处理函数，都是以字母bw开头的，其中以bwmorph函数选项最为丰富，一共有'bothat'、'branchpoints'、'bridge'、'clean'、'close'等十几个方法，其中像骨骼化、细化等常见的功能也集成在这个函数里，同常规的写法一样，这些算法都是需要迭代的，因此，这个函数也有个迭代次数的参数。那么另外一些算子，比如clean、diag、remove等等其实都是基于3*3或者5*5领域的，而其中的'erode'、'open'也只是基于3*3的，因此和真正的常用的腐蚀和膨胀还有所不同，那个需要使用imo

    知道这个算法应该有很久了，主要当时在意2个事情，一个是这个名字的翻译是在是搞笑，第二是这个算法的效果。不过一直以来都十分好奇这个算法是怎么实现的。因为之前一直无法实际的用基恩士的软件平台用不同的图片去测试这个算法的不同结果，故而无从分析和总结规律，但是恰好最近有朋友能帮这个忙，获得了一些测试数据，也基本分析出了这个算法的大概。我们首先看看这个算法的官方文档的说明：  　　　其中文的参考界面如下图：        　   参数很多啊。      其中补正方法里有4种方法：平均值补正、中间值补正、阴影补正、高速阴影补正等。当选择平均值补正和中间值补正时，我们发现下面的抽取大小和抽取方向都变

   最近从一个朋友那里看到了一些基恩士的资料，本来是想看下那个比较有特色的浓淡补正滤波器的（因为名字叫ShadingCorrectionFilter,翻译过来的意思有点搞笑），不过看到起相关文档的附近有一个也比价有意思的功能，如下面的截图所示：　　左侧有个叫RemovingBackGroundInformation的算法，看测试图片，他能够把背景的纹理去除，然后只留下一些细小的线条特征。在我的已经实现的算法里，也确实有一个菜单叫做RemoveBackGruond，尝试利用那个算法对这个图像进行处理，可以得到如下所示图像：       　　结果也相当不错。    在基恩士里这个功能的结果大概如