Python+opencv学习记录21:膨胀与腐蚀

1.原理

腐蚀与膨胀是最基本的两个形态学操作,它们的作用有:
1.消除噪声;
2.分割独立的图像元素,以及连接相邻的元素;
3.寻找图像中的明显的极大值区域或极小值区域。

1.1膨胀

膨胀将图像A与任意形状的内核B(通常为正方形或圆形)进行卷积,内核B有一个可定义的锚点,通常定义为内核中心点,在进行此操作时,将内核 B 划过图像,将内核 B 覆盖区域的最大相素值提取,并代替锚点位置的相素。显然,这一最大化操作将会导致图像中的亮区开始”扩展” (因此有了术语膨胀 dilation )。

1.2腐蚀

腐蚀在形态学操作家族里是膨胀操作的孪生姐妹,它提取的是内核覆盖下的相素最小值,进行此操作时,将内核 B 划过图像,将内核 B 覆盖区域的最小相素值提取,并代替锚点位置的相素。这一操作会导致图像中的亮区“缩小”(因此有了术语腐蚀erosion)。

2.相应的代码

在进行腐蚀与膨胀时,我们会用到erode和dilate两个API。

2.1腐蚀操作

进行腐蚀操作的步骤为:
1.将图像转换为灰度图像;
2.将灰度图像转换为二值化图像;
3.获取图像结构元素;
4.进行腐蚀;
其对应代码如下:

def erode_demo(image):
    print(image.shape)
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)  # 用大律法、全局自适应阈值方法进行图像二值化
    cv.imshow("binary_image", binary)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))        # 获取图像结构元素
    dst = cv.erode(binary, kernel)      # 腐蚀
    cv.imshow("erode_demo", dst)

原图为:
在这里插入图片描述
经过二值化后:
在这里插入图片描述
经过腐蚀操作后:
在这里插入图片描述
可以明显地看出,经过腐蚀后,图像的黑色区域扩展了很多。

2.2膨胀操作

进行膨胀操作的步骤为:
1.将图像转换为灰度图像;
2.将灰度图像转换为二值化图像;
3.获取图像结构元素;
4.进行膨胀;
其代码如下:

def dilate_demo(image):
    print(image.shape)
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
    cv.imshow("binary_image", binary)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))
    dst = cv.dilate(binary, kernel)         # 膨胀
    cv.imshow("dilate_dmeo", dst)

经过膨胀操作后的结果为:
在这里插入图片描述
由图可以看出经过膨胀后的图像黑色区域缩减了很多。

3.彩色图像的膨胀与腐蚀

除了二值化图像以外,彩色图像也可以进行腐蚀与膨胀。
其代码为:

kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))
dst = cv.dilate(src, kernel)         # 膨胀
# dst = cv.erode(src, kernel)          # 腐蚀
cv.imshow("output_image", dst)

原图为:
在这里插入图片描述
经过腐蚀后:
在这里插入图片描述
经过膨胀后:
在这里插入图片描述
可以看出,彩色图像经过腐蚀后整体的亮度变暗,而经过膨胀后整体亮度变亮。

完整代码

import cv2 as cv  # 导入opencv模块
import numpy as np  # 导入数学函数库


def erode_demo(image):
    print(image.shape)
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)  # 用大律法、全局自适应阈值方法进行图像二值化
    cv.imshow("binary_image", binary)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))        # 获取图像结构元素
    dst = cv.erode(binary, kernel)      # 腐蚀
    cv.imshow("erode_demo", dst)


def dilate_demo(image):
    print(image.shape)
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
    cv.imshow("binary_image", binary)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))
    dst = cv.dilate(binary, kernel)         # 膨胀
    cv.imshow("dilate_dmeo", dst)


print("------------hello python!------------")

src = cv.imread("D:/opencv3/image/mds.jpg")
cv.namedWindow("input_image", cv.WINDOW_AUTOSIZE)
cv.imshow("input_image", src)
# erode_demo(src)
# dilate_demo(src)
# 彩色图像的腐蚀或膨胀
kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))
dst = cv.dilate(src, kernel)         # 膨胀
# dst = cv.erode(src, kernel)          # 腐蚀
cv.imshow("output_image", dst)

cv.waitKey(0)
cv.destroyAllWindows()  # 释放所有窗口

发布了24 篇原创文章 · 获赞 0 · 访问量 863
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 创作都市 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览