形态学图像处理
腐蚀、膨胀
这两个操作原理一样,都是先创造一个kernel,在kernel中划分感兴趣区域与原点。
腐蚀时,若当前感兴趣区域中有0,则将原点赋为0;
膨胀时,若当前感兴趣区域中有1,则将原点赋为1。
图中用了一个2x2的核,右下的角的黑色方格为原点,绿色方格为感兴趣区域。使用它作为滑窗对原图进行处理。(原图应为二值图)
开闭、梯度运算
开运算:先腐蚀,再膨胀
开运算可用于去噪、去毛刺、分离两个连接在一起的物体。
闭运算:先膨胀,再腐蚀
闭运算可用于填充小孔、连接两个分离的物体。
这里的物体是相对的,可以理解成:
- 开运算:连接黑色色块,去除白色噪点。
- 闭运算:连接白色色块,去除黑色噪点。
梯度=膨胀图像-腐蚀图像
梯度运算用于求边缘
顶帽、黑帽
顶帽=原图-开运算
获取白色物体
黑帽=闭运算-原图
获取黑色物体
效果
python+cv2代码
import cv2 as cv
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
import os
%matplotlib qt5
matplotlib.rcParams['font.family'] = 'SimHei'
img = cv.imread('geo.png')
img_rgb = cv.cvtColor(img,cv.COLOR_BGR2RGB)
img_gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
#(5,5)
kernel = np.ones((5,5),dtype=np.uint8)
print(kernel)
img_open = cv.morphologyEx(img_gray,cv.MORPH_OPEN,kernel)
img_close = cv.morphologyEx(img_gray,cv.MORPH_CLOSE,kernel)
#开闭运算
plt.subplot(131)
plt.imshow(img_rgb)
plt.title('原图')
plt.subplot(132)
plt.imshow(img_open,'gray')
plt.title('开运算')
plt.subplot(133)
plt.imshow(img_close,'gray')
plt.title('闭运算')
plt.show()
#腐蚀膨胀
img_ERODE = cv.morphologyEx(img_gray,cv.MORPH_ERODE,kernel)
img_DILATE = cv.morphologyEx(img_gray,cv.MORPH_DILATE,kernel)
plt.subplot(121)
plt.imshow(img_ERODE,'gray')
plt.title('腐蚀')
plt.subplot(122)
plt.imshow(img_DILATE,'gray')
plt.title('膨胀')
plt.show()
#梯度、帽子
img_gra = cv.morphologyEx(img_gray,cv.MORPH_GRADIENT,kernel)
img_black = cv.morphologyEx(img_gray,cv.MORPH_BLACKHAT,kernel)
img_top = cv.morphologyEx(img_gray,cv.MORPH_TOPHAT,kernel)
#plt.subplot(131)
#plt.imshow(img_gra,'gray',vmin=0,vmax=255)
#plt.title('梯度')
#plt.subplot(132)
#plt.imshow(img_top,'gray',vmin=0,vmax=255)
#plt.title('顶帽')
#plt.subplot(133)
plt.imshow(img_black,'gray',vmin=0,vmax=255)
plt.title('黑帽')