cv形态学运算--腐蚀和膨胀

基于 OpenCV 的图像形态学处理 - 膨胀,腐蚀,开运算,闭运算. 涉及到的 OpenCV 函数 - cv2.erode()cv2.dilate()cv2.morphologyEx()

膨胀和腐蚀是图像形态学的两个基本操作. 典型应用是在二值图像中的使用,是很多识别技术中重要的中间处理步骤.
在灰度图像中根据阈值同样可以完成膨胀与腐蚀操作.

1. 原理

二值图像fx,y 的膨胀操作,类似于对图像的卷积操作.
需要有个 kernel 操作矩阵,类似于卷积核filters,kernel,常见的是 3X3 的矩阵. 这是形态学处理的核心.
但与卷积不同的是,如果矩阵中的像素点有任意一个点的值是前景色,则设置中心像素点为前景色;否则不变.

图像形态学运算中腐蚀,膨胀,开运算和闭运算:

[1] - 腐蚀是一种消除边界点,使边界向内部收缩的过程
可以用来消除小且无意义的物体.

腐蚀算法:
用 3x3 的 kernel,扫描图像的每一个像素;
用 kernel 与其覆盖的二值图像做 “与” 操作;
如果都为1,结果图像的该像素为1;否则为0.
结果:使二值图像减小一圈.

[2] - 膨胀是将与物体接触的所有背景点合并到该物体中,使边界向外部扩张的过程
可以用来填补物体中的空洞.

膨胀算法:
用 3x3 的 kernel,扫描图像的每一个像素;
用 kernel 与其覆盖的二值图像做 “与” 操作;
如果都为0,结果图像的该像素为0;否则为1.
结果:使二值图像扩大一圈.

[3] - 先腐蚀后膨胀的过程称为开运算
用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积.

[4] - 先膨胀后腐蚀的过程称为闭运算
用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积

2. OpenCV 实现

主要参考 OpenCV-Python教程(4、形态学处理)

2.1. 定义 kernel 矩阵

首先定义 kernel 矩阵 - 两种方式:

[1] - 利用 cv2.getStructuringElement 函数

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))  # 椭圆结构
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (3, 3))  # 十字结构
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))  # 矩形结构

 

[2] - 采用 Numpy 的 array 自定义

kernel = np.uint8(np.zeros((3, 3)))
for i in range(3):
    kernel[2, i] = 1
    kernel[i, 2] = 1

2.2. 腐蚀和膨胀

cv2.erode 和 cv2.dilate 函数

import cv2
import numpy as np
import matplot.pyplot as plt

png = cv2.imread('test.png', 0)

plt.figure()
plt.subplot(1, 3, 1)
plt.imshow(png)
plt.axis('off')

# 定义 kernel 
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(10, 10))

# 图像腐蚀
eroded = cv2.erode(png, kernel)
plt.subplot(1, 3, 2)
plt.imshow(eroded) # Eroded Image
plt.axis('off')

# 图像膨胀
dilated = cv2.dilate(png, kernel)
plt.subplot(1, 3, 3)
plt.imshow(dilated) # Dilated Image
plt.axis('off')
plt.show()

 

左左原图 中中腐蚀 右右膨胀

2.3. 开运算和闭运算

cv2.morphologyEx 函数

[1] - 先腐蚀后膨胀叫开运算

常用于去除噪声

cv2.morphologyEx 函数:

open_ = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

[2] - 先膨胀后腐蚀叫闭运算

常用于填充前景物体中的小洞,或者前景物体上的小黑点.

lose_ = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

开运算和闭运算不是可逆的.

# --*-- coding:utf-8 --*--
import cv2
import numpy as np
import matplot.pyplot as plt

png = cv2.imread('test.png', 0)

plt.figure()
plt.subplot(1, 3, 1)
plt.imshow(png)
plt.axis('off')

# 定义 kernel 
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))

# 闭运算
closed = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
plt.subplot(1, 3, 2)
plt.imshow(closed) # Closed Image
plt.axis('off')

#开运算
opened = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
plt.subplot(1, 3, 3)
plt.imshow(opened) # Opened Image
plt.axis('off')
plt.show()

 

左左原图 中中闭运算 右右开运算

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
腐蚀膨胀图像处理中常用的操作之一,用于改变图像的形状和结构。OpenCV提供了相应的函数来实现这两个操作。 引用和介绍了OpenCV图像腐蚀膨胀的具体实现算法。腐蚀操作通过对图像中的每个像素点与周围像素点进行比较,并取周围像素点中的最小值作为该像素点的值,从而使图像中的边缘变细或消失。膨胀操作则相反,取周围像素点中的最大值作为该像素点的值,从而使图像中的边缘变粗或突出。 在OpenCV中,可以使用cv2.erode()函数来实现腐蚀操作,该函数接受两个参数,第一个参数是输入图像,第二个参数是腐蚀操作的核(kernel)大小。同样地,可以使用cv2.dilate()函数来实现膨胀操作,该函数也接受两个参数,第一个参数是输入图像,第二个参数是膨胀操作的核大小。 可以通过自定义函数来实现OpenCV中的腐蚀膨胀操作。引用中提供了一个基于Python矩阵操作的自定义函数来模拟实现灰度图的腐蚀膨胀操作。自定义函数通过对图像的像素点进行遍历,并使用相应的操作来改变像素的值,实现腐蚀膨胀操作。 通过对比自定义函数和OpenCV中对应输入的腐蚀膨胀函数的处理结果,可以验证自定义函数的正确性。引用中给出了腐蚀操作的一个图像处理效果的示例。 综上所述,腐蚀膨胀算法是OpenCV中常用的图像处理操作,可以使用OpenCV提供的函数来实现,也可以通过自定义函数来模拟实现。这些操作可以通过对图像的像素点进行比较和改变来实现边缘的细化或突出。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [OpenCV图像腐蚀膨胀算法的Python模拟实现](https://blog.csdn.net/LaoYuanPython/article/details/109407091)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值