部分代码部分没有转载,点击原链接吧,我就放个效果图,方便自己以后查看。
学习不同的形态学操作,例如侵蚀,膨胀,开运算,闭运算等。
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**或**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。
1. 侵蚀
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)。
- 内核滑动通过图像(在2D卷积中)。
- 原始图像中的一个像素(无论是1还是0)只有当内核下的所有像素都是1时才被认为是1,否则它就会被侵蚀(变成0)。
结果是,根据内核的大小,边界附近的所有像素都会被丢弃。因此,前景物体的厚度或大小减小,或只是图像中的白色区域减小。它有助于去除小的白色噪声(正如我们在颜色空间章节中看到的),分离两个连接的对象等。
在这里,作为一个例子,我将使用一个5x5内核,它包含了所有的1。让我们看看它是如何工作的:
import cv2 as cv import numpy as np img = cv.imread('j.png',0) kernel = np.ones((5,5),np.uint8) erosion = cv.erode(img,kernel,iterations = 1)
2. 扩张
- 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。
dilation = cv.dilate(img,kernel,iterations = 1)
3. 开运算
开放只是**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**()(可以消除一些毛刺)
opening = cv.morphologyEx(img, cv.MORPH_OPEN, kernel)
结果:
4. 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(可以消除图像内部的一些小孔之类的噪声)。
closing = cv.morphologyEx(img, cv.MORPH_CLOSE, kernel)
5. 形态学梯度
这是图像扩张和侵蚀之间的区别(图像的梯度操作就是将图像膨胀的结果减去腐蚀的结果,以得到图像的边缘)。
结果将看起来像对象的轮廓。
gradient = cv.morphologyEx(img, cv.MORPH_GRADIENT, kernel)
Opencv2.4学习::形态学处理(三)形态学梯度、顶帽、黑帽_dieju8330的博客-CSDN博客_形态学梯度
6. 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(以得到前景图外面的毛刺噪声。)
tophat = cv.morphologyEx(img, cv.MORPH_TOPHAT, kernel)
结果:
7. 黑帽
这是输入图像和图像闭运算之差。(以得到前景图像内部的小孔等噪声。)
blackhat = cv.morphologyEx(img, cv.MORPH_BLACKHAT, kernel)
结果: