OpenCV之形态学

已于 2023-02-17 01:58:28 修改
阅读量67 收藏
点赞数
分类专栏： 机器视觉 文章标签： opencv 边缘计算 图像处理 Powered by 金山文档
于 2023-02-17 01:54:33 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/eigtheen/article/details/129077358
版权

  • 全局二值化

  • threshold(src,thresh(阈值),maxval(最大值，默认255),type(选择二值化的类型))，会返回两个值，一个是阈值，一个是二值化后的图像

  • 全局二值化的原理

  • 将小于阈值的像素转化为0或255，将大于阈值的值转化为255或0（具体如何转换，要看采用何种二值化的类别）

  • 二值化的类型

  • 二值化的效果

  • 左边是原图，右边是二值化图

  • 自适应阈值

  • adaptiveThreshold(src,maxval,adaptiveMethod(计算阈值的方法),thresholdType(二值化的类型),blocksize(卷积核的大小),C(偏差))

  • 由于全局二值化只采用一个阈值对整个图像进行处理，对一些明亮分布不均匀的图像效果很差，所以在同一幅图像的不同区域采用不同的阈值，使我们能在明亮分布不均匀的图像中得到更好的结果

  • 计算阈值的方法

  • cv2.ADAPTIVE_THRESHOLD_MEAN_C：阈值取自相邻区域的平均值

  • cv2.ADAPTIVE_THRESHOLD_GAUSSIAN_C:阈值取自相邻区域的加权和，权重是一个高斯窗口

  • 获取形态学卷积核

  • getStructuringElement(shape(是指卷积核内部1的分布情况),ksize)

  • shape

  • cv2.MORPH_RECT:生成矩阵形式的全为1的卷积核

  • cv2.MORPH_ELLIPSE:生成椭圆状的全为1的卷积核，其余位置为0

  • cv2.MORPH_CROSS:生成十字架样式的全为1的卷积核，其余位置为0

  • 腐蚀

  • erode(src,kernel,iterations(迭代次数))

  • 腐蚀就是用卷积核扫描图像，如果卷积核内的像素点都是白色，则锚点为白色

  • 使用腐蚀后，一般图形都会小一圈（边缘被腐蚀掉了）

  • 腐蚀效果

  • 左边是原图，右边是腐蚀化的图

  • 膨胀

  • dilate(src,kernel,iterations)

  • 膨胀就是用卷积核扫描图像，只要卷积核的锚点是非0值，无论周围是不是非0值，都变成非0值

  • 膨胀后的图形，一般都会大一圈

  • 膨胀效果

  • 左边是原图，右边是膨胀化的图

  • 开运算

  • 开运算 = 腐蚀 + 膨胀

  • 开运算是morphologyEx中op的一个选择参数，即cv2.MORPH_OPEN

  • 开运算适用于图像中图形外部有“脏东西”且处理完“脏东西”还可以恢复原图形形状的情况

  • 开运算效果

  • 左边是原图，右边是开运算后的图

  • 闭运算

  • 闭运算 = 膨胀 + 腐蚀

  • 闭运算是morphologyEx中op的一个选择参数，即cv2.MORPH_CLOSE

  • 闭运算适用于图像中图形内部有“脏东西”且处理完“脏东西”还可以恢复原图形形状的情况

  • 闭运算效果

  • 左边是原图，右边是闭运算后的图

  • 形态学梯度

  • 形态学梯度 = 原图 - 腐蚀

  • 由于腐蚀之后，图形变小了，也就是腐蚀掉了边缘，所以用原图 - 腐蚀就等于边缘，也就是形态学梯度

  • 形态学梯度也有直接的api，morphologyEx中op的一个选择参数，即cv2.MORPH_GRADIENT

  • 形态学梯度与Canny算子的比较结果

  • 左边是Canny，右边是形态学梯度

  • 顶帽操作

  • 顶帽操作 = 原图 - 开运算

  • 开运算的结果是得到无杂质的图形，所以顶帽操作得到的是图像中图形外的杂质

  • 顶帽操作也有api，morphologyEx中op的一个选择参数，即cv2.MORPH_TOPHAT

  • 顶帽操作的效果

  • img图中左边是原图，右边是调用顶帽api的图，dst3是原图 - 开运算的结果，dst6是原图 - （先腐蚀后膨胀）的结果，没有太大区别

  • 黑帽操作

  • 黑帽操作 = 原图 - 闭运算

  • 闭运算的结果是得到无杂质的图形，所以黑帽操作得到的是图像中图形内的杂质

  • 黑帽操作也有api，morphologyEx中op的一个选择参数，即cv2.MORPH_BLACKHAT

  • 黑帽操作的结果

  • img是原图，dst1是调用黑帽api的结果，dst2是原图 - 闭运算的结果，dst3是原图 - （先膨胀后腐蚀）的结果，可以看出黑帽api与直接公式计算出来的效果有一点点不一样

Ai- white
关注
专栏目录
六.OpenCv之形态学
small-guo
02-04 4675
6. 形态学 6.1 形态学概述 什么是形态学 指一系列处理图像形状特征的图像处理技术 形态学的基本思想是利用一种特殊的结构元(本质上就是卷积核)来测量或提取输入图像中相应的形状或特征，以便进一步进行图像分析和目标识别。 这些处理方法基本是对二进制图像进行处理, 即黑白图像 卷积核决定着图像处理后的效果 形态学常用基本操作有: 膨胀和腐蚀 开运算 闭运算 顶帽 黑帽 6.2 图像全局二值化 二值化: 将图像的每个像素变成两种值, 比如0, 255. threshold(src, t
OpenCV之形态学操作源码
04-11
腐蚀是形态学操作的基础之一，它通过一个小结构元素（通常为矩形、椭圆或十字形状）在图像上滑动并删除边界附近的像素。腐蚀过程会消除小的噪声点，使物体边缘变细，但可能会导致物体面积减小甚至消失。 2. **膨胀...
形态学操作and图像梯度和Canny边缘检测
onlywishes的博客
01-18 2293
形态学 形态学操作一般情况下对二值化图像进行操作。需要输入两个参数，一个是原始图像，第二个为核，它是用来决定操作的性质的 1、腐蚀操作 卷积核沿着图像滑动，如果与卷积核对应的原图像的所有像素值都是 1，那么中心元素就保持原来的像素值，否则就变为零 使用函数 cv2.erode( img , kernel , iterations ) kernel : 核 iterations :迭代次数，次数越多腐蚀越多 import cv2 import ...
OpenCV之形态学操作详解
qq_37835727的博客
08-11 1587
OpenCV 形态学操作详解 形态学7大操作 膨胀 腐蚀 开操作 闭操作 形态学梯度 顶帽 黑帽
OpenCV之形态学操作(开运算与闭运算)
AI小白炼金术师
09-25 1254
形态学操作,腐蚀，膨胀,开运算与闭运算
OpenCV之形态学梯度（C++实现）
xddwz的博客
12-19 963
图像的形态学梯度是膨胀图与腐蚀图之差，数学表达式是： dst = grad(sec, element) = dilate(src, element) - erode(src, element) 对二值图进行这一操作可以得到图像中白色区域的边界，因此可以用形态学梯度来保留物体的边界轮廓。 同样有两种方法实现，代码示例： #include <iostream> #include <opencv2/opencv.hpp> #include <opencv2/core/cor
opencv之形态学重建
qq_26460507的博客
02-22 5016
在形态学梯度图像的基础上，利用形态学的开闭重建运算对梯度图像进行重建，在保留重要区域伦敦的同时去除细节和噪声。  分水岭变换存在过分割现象，原因在于检测的局部极值过多，造成极值过多的原因在于图像中的非规则灰度扰动和噪声。对于好的分水岭图像分割方法，不仅能消除过分割现象，而且应保证分割后的区域伦敦边缘具有较准确的定位能力。 方法1：利用形态学开闭重建运算对原始图像的形态学梯度图像进行滤波
OpenCV学习——形态学
风翼冰舟的博客
12-07 2399
前言 继续学习图像里面的形态学知识——结构元、腐蚀、膨胀、开运算、闭运算、击中/不击中变换。以及部分基本形态学算法，包括边界提取、空洞填充、连通分量的提取、凸壳、细化、粗化、骨架、裁剪、形态学重建。 其实就是对冈萨雷斯的《数字图像处理》中第9章节《形态学处理》的简要理解。 如果你认为腐蚀是减小白色区域，膨胀是扩充白色区域，请务必看本博客，注意不同结构元的结果。 参考博客： OpenCV官方的形态学运算文档 冈萨雷斯的《数字图像处理》第9章 某位大佬的形态学总结 理论与实践 结构元 结构元实际就是一个自定义的
OpenCV之形态学操作：腐蚀与膨胀
xddwz的博客
12-17 1115
形态学操作 形态学操作就是基于形状的一系列图像操作。最基本的形态学操作有两种：膨胀（delate）和腐蚀（erode）。 膨胀与腐蚀能实现多种多样的功能，主要包括： 消除噪声； 分割出独立的图像元素，在图像中连接相邻的元素； 寻找图像中的明显的极大值区域或极小值区域； 求图像的梯度 腐蚀和膨胀是对图像中的白色部分（高亮部分）而言的，不是黑色部分。 膨胀是对图像中的高亮部分进行膨胀，类似于邻域扩张，效果图拥有比原图更大的高亮区域。腐蚀操作是原图中的高亮部分被腐蚀，类似于“邻域被蚕食”，效果图的高
opencv之形态学操作开闭运算（morphologyEx函数）
weixin_52045738的博客
01-24 5052
开运算基本原理 图像开运算是图像依次经过腐蚀、膨胀处理后的过程。图像被腐蚀后，去除了噪声，但是也压缩了图像；接着对腐蚀过的图像进行膨胀处理，可以去除噪声，并保留原有图像。 开运算实际是先腐蚀运算，再膨胀运算，把看上去把细微连在一起的两块目标分开了。 一般来说，开运算可以使图像的轮廓变得光滑，还能使狭窄的连接断开和消除细毛刺。开运算在过滤噪声的同时并没有对物体的形状、轮廓造成明显的影响，这是一大优势。当只关心物体的位置或者个数时，物体形状的改变不会给任务带来困扰，此时用开运算处理具有处理速度上的优势。 闭运算
OpenCV 形态学处理
12-22
形态学主要处理二值图像（0黑1白）。 图像腐蚀 概念 原理 函数 erode kernel = np.ones((5,5),np.uint8) #numpy库生成1数组，数据类型为整形 img2 = cv2.erode(img,kernel,iterations) #迭代次数，默认为1 处理...
OpenCVSharp形态学操作示例
06-05
本示例主要探讨的是如何使用OpenCVSharp进行形态学操作，特别是针对特定区域的标注、膨胀和腐蚀操作。形态学操作是图像处理中的重要一环，它们可以用于消除噪声、连接分离的物体、分离相邻物体等。 1. **形态学基础...
opencv2形态学骨架提取
06-07
在OpenCV2中，提供了丰富的形态学操作函数，使得开发者可以方便地进行骨架提取。本文将深入探讨OpenCV2中的形态学骨架提取及其在实际应用中的价值。 首先，我们需要了解形态学的基本概念。形态学是数学形态学的简称...
使用 OpenCV 和 Matplotlib：绘制其彩色直方图以及拓展
WenJGo的博客
09-11 1283
使用 OpenCV 和 Matplotlib——使用绘制彩色直方图以及衍生操作，新手也能学会！！！！！
C++：opencv多边形逼近二值图轮廓--cv::approxPolyDP
Ethan_Rich的博客
09-11 495
功能用于对轮廓进行多边形逼近，简化轮廓的点集。epsilon参数: 控制逼近精度的误差容忍度，影响轮廓简化的详细程度。应用: 适用于轮廓简化、形状识别和数据压缩等任务，提高图像处理的效率和准确性。通过调整epsilon和closed参数，可以灵活地处理不同类型的轮廓和应用场景。
OpenCV第八章——腐蚀与膨胀
2301_80166849的博客
09-11 1180
什么是腐蚀操作：在OpenCV中，腐蚀操作是一种形态学处理技术，用于图像的前景区域（通常是白色区域）进行缩小处理。它的基本思想是通过结构元素（也称为内核）来“侵蚀”图像中的前景对象，使得前景区域变小，从而去除小的噪声或细节，或者填补图像中的小孔洞。
Python计算机视觉 第10章-OpenCV
最新发布
m0_62094120的博客
09-15 1026
OpenCV 是一个C++ 库，用于（实时）处理计算视觉问题。实时处理计算机视觉的 C++ 库，最初由英特尔公司开发，现由 Willow Garage 维护。OpenCV 是在 BSD 许可下发布的开源库，这意味着它对于学术研究和商业应用是免费的。
qt下两种方式读取opencv 图片各个通道的值
doubleintfloat的博客
09-11 425
qt下两种方式读取opencv 图片各个通道的值
opencv cuda 形态学
07-29
引用\[1\]中的代码展示了使用OpenCV和CUDA进行图像处理的示例代码。该代码使用了OpenCV的cuda模块中的函数来对图像进行阈值化和形态学操作。首先，代码读取了一张灰度图像，并显示了原始图像。然后，使用cuda::threshold函数对图像进行阈值化处理，将灰度值大于153的像素设置为255，小于等于153的像素设置为0。接下来，使用cuda::bitwise_not函数对阈值化后的图像进行取反操作。然后，创建了一个3x3的矩形结构元素，并使用cuda::createMorphologyFilter函数创建了一个形态学滤波器，使用MORPH_OPEN操作对图像进行形态学开运算。最后，将处理后的图像下载到CPU内存，并显示结果图像。 引用\[2\]中的代码展示了使用OpenCV和CUDA进行自动阈值化的示例代码。该代码首先读取了一张灰度图像，并显示了原始图像。然后，使用cv::threshold函数对图像进行自动阈值化处理，使用OTSU方法求出最佳阈值，并将图像二值化。最后，显示处理后的图像。 引用\[3\]中的代码展示了使用OpenCV和CUDA进行阈值化的示例代码。该代码首先读取了一张灰度图像，并显示了原始图像。然后，使用cuda::threshold函数对图像进行阈值化处理，将灰度值大于50的像素设置为255，小于等于50的像素设置为0。最后，将处理后的图像下载到CPU内存，并显示结果图像。 综上所述，OpenCV和CUDA可以结合使用来进行图像处理，包括阈值化和形态学操作。通过使用CUDA加速，可以提高图像处理的速度和效率。 #### 引用[.reference_title] - *1* *2* *3* [OpenCV-C++-CUDA-06-形态学二值化操作](https://blog.csdn.net/Daker_Huang/article/details/106882404)[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^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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