OpenCV(实战)二值图颜色填充(彩色图形、硬币)

目录

一、彩色图形填充

1、初始效果展示

2、试错过程:

1、试错1:锐化显示所有图片

2、试错2:用礼帽提取出明亮部分

3、正确方式:直接对图片亮度增强(不用形态学处理)

总代码

二、硬币填充

1、初始效果展示

2、试错

1、如果对它进行亮度增强

2、对它进行亮度减小

3、分析原图

4、黑帽处理

1、椭圆形卷积核

2、矩形卷积核

5、设置合适的阈值,得到二值图

1、127阈值

2、30阈值 

总代码


一、彩色图形填充

1、初始效果展示

# 转二值图
def ToBinary():
    global gray, binary

    # 1、灰度图
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    cv.imshow('imgray', gray)

    # 2、二进制图像
    ret, binary = cv.threshold(gray, 127, 255, 0)
    cv.imshow('binary', binary)

 可以发现有些图形明显颜色不达标,甚至根本就没有显示。我们需要把所有图片轮廓锐化。

2、试错过程:

1、试错1:锐化显示所有图片

在灰度化之前,先进行锐化:

# 1、锐化
    kernel = np.array([
        [4, 4, 4],
        [4, -32, 4],
        [4, 4, 4]
    ])
    sharp = cv.filter2D(img, -1, kernel)
    cv.imshow('sharp', sharp)

图像处理被锐化的同时,噪声也被锐化,不可取。

2、试错2:用礼帽提取出明亮部分

# 礼帽
    tophat = cv.morphologyEx(img, cv.MORPH_TOPHAT, (3,3), iterations=10)
    cv.imshow('tophat', tophat)

礼帽(顶帽)处理效果如下: 

 可以看出,还是没有达到预期的效果。

同时,发现顶帽和底帽(礼帽和黑帽)确实名副其实,在这里,一个提取顶,一个提取底。(^_^)看看黑帽(底帽)效果吧:

3、正确方式:直接对图片亮度增强(不用形态学处理)

 直接增强图片的亮度

# 1、亮度增强
    bright = cv.convertScaleAbs(img, None, 1.5, 30)
    cv.imshow('bright', bright)

 很好,达到了想要的效果。

所以有的时候思维不要局限,有时候简单的方法反而能更好的达到目标

总代码

# 二值图内部填充
import cv2 as cv
import numpy as np


# 转二值图
def ToBinary():
    global gray, binary

    # 1、亮度增强
    bright = cv.convertScaleAbs(img, None, 1.5, 30)
    cv.imshow('bright', bright)

    # 2、灰度化
    gray = cv.cvtColor(bright, cv.COLOR_BGR2GRAY)
    cv.imshow('gray', gray)

    # 3、二进制图像
    ret, binary = cv.threshold(gray, 127, 255, 0)
    cv.imshow('binary', binary)


if __name__ == '__main__':
    img = cv.imread('Resource/test7.jpg')
    cv.imshow('img', img)

    ToBinary()      #转二进制图像

    cv.waitKey(0)

二、硬币填充

1、初始效果展示

硬币直接转二值图效果:

可以看出:

1、右边的圈圈还是有一些瑕疵;

2、左边残留部分黑色区域。

2、试错

1、如果对它进行亮度增强

 可以看出来,亮度增强明显是行不通的。

2、对它进行亮度减小

虽然能够填补空缺,但是它也被背景的黑色侵蚀的差不多了。 

3、分析原图

感觉这张图像缺的不是亮度,个人感觉是暗度不均匀,因为右边图像出了问题,它和其他图像最大的区别就是过亮了。我们需要对其暗化。除了亮度变化,还有形态学能控制亮度:礼帽/黑帽

4、黑帽处理

 为了得到较暗的区域,我们需要对它进行黑帽处理。这里用矩形卷积核效果最好。

但默认是椭圆形,所以需要修改一下:

# 设置卷积核:矩形(默认椭圆形)
    kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (31, 31))

 卷积核默认椭圆形

# 2、黑帽
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (31, 31))
    blackhat = cv.morphologyEx(gray, cv.MORPH_BLACKHAT, kernel, iterations=1)
    cv.imshow('blackhat', blackhat)

一开始不知道,就是设置的默认椭圆形,改来改去没效果

对比一下效果:

1、椭圆形卷积核

blackhat = cv.morphologyEx(gray, cv.MORPH_BLACKHAT, (31,31), iterations=1)

2、矩形卷积核

# 设置卷积核:矩形(默认椭圆形)
    kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (31, 31))
    blackhat = cv.morphologyEx(gray, cv.MORPH_BLACKHAT, kernel, iterations=1)

5、设置合适的阈值,得到二值图

# 3、得到二进制图像(要设置好合适的阈值)
    ret, binary = cv.threshold(blackhat, 30, 255, 0)
    cv.imshow('binary', binary)

别思维固化了,二值图的阈值不一定必须得是127,为了得到目标,可以设置为其它阈值。(比如这里设置为30最佳)

对比一下效果:

1、127阈值

可以看到,什么都没有

2、30阈值 

总代码

# 二值图内部填充(图形和硬币)
import cv2 as cv
import numpy as np


# 转二值图(图形)
def Figure_ToBinary():
    img = cv.imread('Resource/test7.jpg')
    cv.imshow('img', img)

    # 1、亮度增强
    bright = cv.convertScaleAbs(img, None, 1.5, 30)
    cv.imshow('bright', bright)

    # 2、灰度化
    gray = cv.cvtColor(bright, cv.COLOR_BGR2GRAY)
    cv.imshow('gray', gray)

    # 3、二进制图像
    ret, binary = cv.threshold(gray, 127, 255, 0)
    cv.imshow('binary', binary)


#转二值图像(硬币)
def Coin_ToBinary():
    img = cv.imread('Resource/test9.jpg')
    cv.imshow('img', img)

    # 1、灰度化
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    cv.imshow('gray', gray)

    # 2、黑帽
    # 设置卷积核:矩形(默认椭圆形)
    kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (31, 31))
    blackhat = cv.morphologyEx(gray, cv.MORPH_BLACKHAT, kernel, iterations=1)
    cv.imshow('blackhat', blackhat)

    # 3、得到二进制图像(要设置好合适的阈值)
    ret, binary = cv.threshold(blackhat, 30, 255, 0)
    cv.imshow('binary', binary)


if __name__ == '__main__':
    Figure_ToBinary()      #转二值图像(图形)

    Coin_ToBinary()        #转二值图像(硬币)

    cv.waitKey(0)

  • 6
    点赞
  • 27
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    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 3
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

打赏作者

_(*^▽^*)_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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