博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
Opencv笔记(十二)——形态学转换
阅读量:7213 次
发布时间:2019-06-29

本文共 4144 字,大约阅读时间需要 13 分钟。

学习目标:

  • 学习不同的形态学操作,例如腐蚀,膨胀,开运算,闭运算等
  • 我们要学习的函数有: cv2.erode(), cv2.dilate(), cv2.morphologyEx()等

原理简介:

        形态学操作是根据图像形状进行的简单操作。一般情况下对二值化图像进行的操作。需要输入两个参数,一个是原始图像,第二个被称为结构化元素或核,它是用来决定操作的性质的。两个基本的形态学操作是腐蚀和膨胀。他们的变体构成了开运算,闭运算,梯度等。

参考文献: 、 

定义结构体元素:

        形态学处理的核心就是定义结构元素,在OpenCV-Python中,可以使用其自带的getStructuringElement函数,也可以直接使用NumPy的ndarray来定义一个结构元素。首先来看用getStructuringElement函数定义一个结构元素:

element = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))#十字架结构
[[0 0 1 0 0] [0 0 1 0 0] [1 1 1 1 1] [0 0 1 0 0] [0 0 1 0 0]]

也可以用NumPy来定义结构元素,如下:

element = np.zeros((5,5),np.uint8)for i in range(0,4,1):    element[i,2] = 1    element[2,i] = 1

下面的讲解以下面这幅原图一为例:

一、腐蚀

        就像土壤侵蚀一样,这个操作会把前景物体的边界腐蚀掉(但是前景仍然是白色)。这是怎么做到的呢?卷积核沿着图像滑动,如果与卷积核对应的原图像的所有像素值都是 1,那么中心元素就保持原来的像素值,否则就变为零。 这会产生什么影响呢?根据卷积核的大小靠近前景的所有像素都会被腐蚀掉(变为 0),所以前景物体会变小,整幅图像的白色区域会减少。这对于去除白噪声很有用,也可以用来断开两个连在一块的物体等。

import numpy as npimport cv2img = cv2.imread('/home/wl/xing.jpg',0)kernel = np.ones((5,5),np.uint8)dst = cv2.erode(img,kernel,iterations = 1)while(1):    cv2.imshow('opencv',dst)    k = cv2.waitKey(1) & 0XFF    if k == ord('q'):        break;cv2.imwrite('/home/wl/1.jpg',dst)cv2.destroyAllWindows()
  • cv2.erode(str,kernel,iterations = 1)函数第一个参数是输入图片,第二个参数是卷积核,第三个参数是迭代次数。

二、膨胀

        与腐蚀相反,与卷积核对应的原图像的像素值中只要有一个是 1,中心元素的像素值就是 1。所以这个操作会增加图像中的白色区域(前景)。一般在去噪声时先用腐蚀再用膨胀。因为腐蚀在去掉白噪声的同时,也会使前景对象变小。所以我们再对他进行膨胀。这时噪声已经被去除了,不会再回来了,但是前景还在并会增加。膨胀也可以用来连接两个分开的物体。

import numpy as npimport cv2img = cv2.imread('/home/wl/xing.jpg',0)kernel = np.ones((5,5),np.uint8)dst = cv2.dilate(img,kernel,iterations = 1)while(1):    cv2.imshow('opencv',dst)    k = cv2.waitKey(1) & 0XFF    if k == ord('q'):        break;cv2.imwrite('/home/wl/1.jpg',dst)cv2.destroyAllWindows()
  •  cv2.dilate(str,kernel,iterations = 1)函数第一个参数是输入图片,第二个参数是卷积核,第三个参数是迭代次数。

三、开运算

        先进行腐蚀再进行膨胀的运算就是开运算,腐蚀可以让那些在图像外面的小点点去掉,然后把主图像膨胀回去,实现去除图像外噪声。这里为了测试,将图像改一改,内外都加点白点试试,下图为原图二

import numpy as npimport cv2img = cv2.imread('/home/wl/a.png',0)kernel = np.ones((5,5),np.uint8)dst = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)while(1):    cv2.imshow('opencv',dst)    k = cv2.waitKey(1) & 0XFF    if k == ord('q'):        break;cv2.imwrite('/home/wl/1.jpg',dst)cv2.destroyAllWindows()
  • cv2.morphologyEx(str, cv2.MORPH_OPEN, kernel)函数。

四、闭运算

        先进行膨胀再进行腐蚀的运算就是闭运算,膨胀可以让那些在图像里面的小点点去掉,然后把主图像腐蚀回去。它经常被用来填充前景物体中的小洞,或者前景物体上的小黑点,实现去除图像内噪声

import numpy as npimport cv2img = cv2.imread('/home/wl/a.png',0)kernel = np.ones((5,5),np.uint8)dst = cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)while(1):    cv2.imshow('opencv',dst)    k = cv2.waitKey(1) & 0XFF    if k == ord('q'):        break;cv2.imwrite('/home/wl/1.jpg',dst)cv2.destroyAllWindows()
  • cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)函数。

五、形态学梯度

        其实就是一幅图像膨胀与腐蚀的差别,结果看上去就像前景物体的轮廓。以原图一为例:

import numpy as npimport cv2img = cv2.imread('/home/wl/xing.jpg',0)kernel = np.ones((5,5),np.uint8)dst = cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)while(1):    cv2.imshow('opencv',dst)    k = cv2.waitKey(1) & 0XFF    if k == ord('q'):        break;cv2.imwrite('/home/wl/1.jpg',dst)cv2.destroyAllWindows()
  • cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)函数。

六、礼帽

        
原始图像与其进行开运算后的图像进行一个差,以原图一为例。
import numpy as npimport cv2img = cv2.imread('/home/wl/xing.jpg',0)kernel = np.ones((9,9),np.uint8)dst = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)while(1):    cv2.imshow('opencv',dst)    k = cv2.waitKey(1) & 0XFF    if k == ord('q'):        break;cv2.imwrite('/home/wl/1.jpg',dst)cv2.destroyAllWindows()

七、黑帽

        进行闭运算之后得到的图像与原始图像的差,以原图一为例。
import numpy as npimport cv2img = cv2.imread('/home/wl/xing.jpg',0)kernel = np.ones((9,9),np.uint8)dst = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)while(1):    cv2.imshow('opencv',dst)    k = cv2.waitKey(1) & 0XFF    if k == ord('q'):        break;cv2.imwrite('/home/wl/1.jpg',dst)cv2.destroyAllWindows()

函数总结:

  1.    腐蚀 cv2.erode(str,kernel,iterations = 1)
  2.  膨胀 cv2.dilate(str,kernel,iterations = 1)
  3.    开运算 cv2.morphologyEx(str, cv2.MORPH_OPEN, kernel)
  4.  闭运算 cv2.morphologyEx(str, cv2.MORPH_CLOSE, kernel)
  5.   形态学梯度 cv2.morphologyEx(str, cv2.MORPH_GRADIENT, kernel)
  6.   礼帽 cv2.morphologyEx(str, cv2.MORPH_TOPHAT, kernel)
  7.   黑帽 cv2.morphologyEx(str, cv2.MORPH_BLACKHAT, kernel)

转载于:https://www.cnblogs.com/longwhite/p/10397770.html

你可能感兴趣的文章
nginx代理响应报文体不全解决思路
查看>>
前端性能优化 —— 项目瘦身
查看>>
全球人形机器人接连突破 拟人度越来越高
查看>>
vue按需加载
查看>>
创成汇2019年参加创新创业大赛都能获得什么?
查看>>
vue双向数据绑定原理
查看>>
美研究最新生物活性玻璃 可消灭致命的细菌
查看>>
内部类
查看>>
Vue中数组赋值问题
查看>>
APK path is not specified for module
查看>>
Linux运维宝典:最常用的150个命令汇总
查看>>
使用RecycleView实现无限滚动的日历
查看>>
Golang Failpoint 的设计与实现
查看>>
小微贷是美团的上坡之路?
查看>>
js 将线性数据转为树形
查看>>
java B2B2C 源码 多级分销Springcloud多租户电子商城系统- 整合企业架构的技术点(二)...
查看>>
微信小程序
查看>>
区块链+金融
查看>>
阿里开发者招聘节 | 面试题14:如何实现两金额数据相加(最多小数点两位)...
查看>>
一些不错的文章
查看>>