图像简单处理,形态学转换

一、*这一章中,*我们将学习不同的形态学操作,例如侵蚀,膨胀,开运算,闭运算等。我们将看到不同的功能,例如:cv.erode(),cv.dilate(), cv.morphologyEx()等。
理论:形态变换是一些基于图像形状的简单操作。通常在二进制图像上执行。它需要两个输入,一个是我们的原始图像,第二个是决定
操作性质的结构元素内核**。两种基本的形态学算子是侵蚀和膨胀。然后,它的变体形式(如“打开”,“关闭”,“渐变”等)也开始起作用。

在这里插入图片描述

一、侵蚀
以上面图像为输入,侵蚀的基本思想就像土壤侵蚀一样,它侵蚀前景物体的边界(尽量使前景保持白色)。

import cv2 as cv
import numpy as np

img = cv.imread("E:\\python opencv\\demo2\\Image.png")
cv.imshow('img', img)
kernel = np.ones((5, 5), np.uint8)
erosion = cv.erode(img, kernel, iterations=1)
cv.imshow('erosion', erosion)
cv.waitKey(0)
cv.destroyAllWindows()

在这里插入图片描述
二、扩张
dilation = cv.dilate(img, kernel, iterations=1)
它与侵蚀正好相反。如果内核下的至少一个像素为“ 1”,则像素元素为“ 1”。因此,它会增加图像中的白色区域或增加前景对象的大小。通常,在消除噪音的情况下,腐蚀后会膨胀。因为腐蚀会消除白噪声,但也会缩小物体。因此,我们对其进行了扩展。由于噪音消失了,它们不会回来,但是我们的目标区域增加了。在连接对象的损坏部分时也很有用。
在这里插入图片描述三、开运算

开运算只是侵蚀然后扩张的另一个名称。如上文所述,它对于消除噪音很有用。在这里,我们使用函数cv.morphologyEx(),能让用来去噪
opening=cv.morphologyEx(img,cv.MORPH_OPEN,kernel)
在这里插入图片描述四、闭运算

闭运算与开运算相反,先扩张然后再侵蚀。在关闭前景对象内部的小孔或对象上的小黑点时很有用。
closing=cv.morphologyEx(img,cv.MORPH_CLOSE,kernel
在这里插入图片描述五、形态学梯度
这是图像扩张和侵蚀之间的区别。结果将看起来像对象的轮廓。
gradient=cv.morphologyEx(img,cv.MORPH_GRADIENT,kernel)
在这里插入图片描述六、顶帽
它是输入图像和图像开运算之差。
下面的示例针对9x9内核完成。
tophat = cv.morphologyEx(img, cv.MORPH_TOPHAT, kernel)
在这里插入图片描述七、黑帽
这是输入图像和图像闭运算之差。
blackhat=cv.morphologyEx(img,cv.MORPH_BLACKHAT,kernel)
在这里插入图片描述
八、结构元素
在Numpy的帮助下,我们在前面的示例中手动创建了一个结构元素。它是矩形。但是在某些情况下,您可能需要椭圆形/圆形的内核。因此,为此,OpenCV具有一个函数cv.getStructuringElement()。您只需传递内核的形状和大小,即可获得所需的内核。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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