膨胀与腐蚀

最新推荐文章于 2021-12-01 17:08:27 发布
最新推荐文章于 2021-12-01 17:08:27 发布
阅读量444 收藏
点赞数
分类专栏： opencv
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/lxfl24/article/details/47999037
版权

形态学操作

    形态学操作就是基于形状的一些列图像处理操作。通过结构元素作用于输入图像产生输出图像。

    结构元素，就是形态学操作的处理内核。通过内核与图像的卷积完成处理过程。内核可以有各种形状如矩形，圆形，菱形。结构元素的锚点（即与处理元素重合的点）默认为中心（参数cv::Point()-1,-1）.opencv一般默认3*3的结构元素，我们也可以自己定义1,3,5,7尺寸的结构元素。例如定义一个7*7的cv::Mat element(7,7,CV_8U,Scalar(1)).

一般情况下形态学操作针对的是单通道图。


最基本的形态学操作有二：腐蚀与膨胀(Erosion 与 Dilation)。 他们的运用广泛：

消除噪声

分割(isolate)独立的图像元素，以及连接(join)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。

cv::dilate(cornerStrength,dilated,cv::Mat());
  cv::compare(cornerStrength,dilataed,localMax,cv::CMP_EQ);
利用膨胀是用最大值替换的原则，只有最大值不变，将区域中的最大值位置提取出来


膨胀腐蚀是针对较大的元素而言的，故膨胀是亮色的膨胀（暗色腐蚀），腐蚀是亮色的腐蚀（暗色膨胀）


void  erode (const  Mat&  src,  Mat&  dst, const  Mat&  element, Point  anchor=Point(-1, -1), int  iterations=1, int  borderType=BORDER_CONSTANT, const Scalar& borderValue=morphologyDefaultBorderValue() )

Erodes an image by using a specific structuring element.


Parameters:
  • src – The source image
  • dst – The destination image. It will have the same size and the same type as src
  • element – The structuring element used for dilation. If element=Mat() , a 3\times 3 rectangular structuring element is used
  • anchor – Position of the anchor within the element. The default value (-1, -1) means that the anchor is at the element center
  • iterations – The number of times erosion is applied
  • borderType – The pixel extrapolation method; see borderInterpolate()
  • borderValue – The border value in case of a constant border. The default value has a special meaning, see createMorphoogyFilter()

The function erodes the source image using the specified structuring element that determines the shape of a pixel neighborhood over which the minimum is taken:


The function supports the in-place mode. Erosion can be applied several ( iterations ) times. In the case of multi-channel images each channel is processed independently.



void  erode (const  Mat&  src,  Mat&  dst, const  Mat&  element, Point  anchor=Point(-1, -1), int  iterations=1, int  borderType=BORDER_CONSTANT, const Scalar& borderValue=morphologyDefaultBorderValue() )

Erodes an image by using a specific structuring element.

Parameters:
  • src – The source image
  • dst – The destination image. It will have the same size and the same type as src
  • element – The structuring element used for dilation. If element=Mat() , a 3\times 3 rectangular structuring element is used
  • anchor – Position of the anchor within the element. The default value (-1, -1) means that the anchor is at the element center
  • iterations – The number of times erosion is applied
  • borderType – The pixel extrapolation method; see borderInterpolate()
  • borderValue – The border value in case of a constant border. The default value has a special meaning, see createMorphoogyFilter()

The function erodes the source image using the specified structuring element that determines the shape of a pixel neighborhood over which the minimum is taken:

\texttt{dst} (x,y) = \min _{(x',y'): \, \texttt{element} (x',y') \ne0 } \texttt{src} (x+x',y+y')

The function supports the in-place mode. Erosion can be applied several ( iterations ) times. In the case of multi-channel images each channel is processed independently.

 




lxfl24
关注
专栏目录
OpenCV3编程入门读书笔记4-形态学滤波
weixin_30480651的博客
08-05 1875
一、腐蚀和膨胀 1、腐蚀和膨胀的主要功能 （1）消除噪声 （2）分割出独立的图像元素，在图像中连接相邻的元素 （3）寻找图像中的极大值或者极小值区域 （4）求出图像的梯度 2、膨胀（dilate） 膨胀就是求局部最大值的操作。从数学角度来说，就是将图像与核进行卷积，计算核B覆盖区域的像素点的最大值，并把这个最大值赋值给参考点指定的元素。这样就会使图像中的高亮区域逐渐增长。 3、腐蚀...
OpenCV学习膨胀与腐蚀
weixin_51105360的博客
03-04 1017
学习膨胀与腐蚀形态学操作膨胀与腐蚀的功能膨胀侵蚀API动态调整结构元素大小代码效果图参考与感谢 形态学操作 图像形态学操作-基于形状的一系列图像处理操作的合集，主要是基于集合论基础上的形态学数学 形态学有四个基本操作:腐蚀（erode）、膨胀（dilate） 、开（open）、闭（close） 膨胀与腐蚀是图像处理中最常用的形态学操作手段 膨胀与腐蚀的功能 消除噪声 分割(isolate)出独立的图像元素，在图像中连接(join)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
opencv c++函数 imgproc模块2 腐蚀与膨胀(Eroding and Dilating)
CV菜鸟的学习之路
04-26 2047
目标 本文档尝试解答如下问题: 如何使用OpenCV提供的两种最基本的形态学操作,腐蚀与膨胀( Erosion 与 Dilation): erodedilate 原理 Note   以下内容来自于Bradski和Kaehler的大作： Learning OpenCV . 形态学操作 简单来讲，形态学操作就是基于形状的一系列图像处
OpenCV 腐蚀和膨胀
꧁༺ʚvv༒catɞ༻꧂的博客
04-24 2459
腐蚀和膨胀是最基本的形态学操作，腐蚀和膨胀都是针对白色部分（高亮部分）而言的。 膨胀就是使图像中高亮部分扩张，效果图拥有比原图更大的高亮区域；腐蚀是原图中的高亮区域被蚕食，效果图拥有比原图更小的高亮区域。膨胀是求局部最大值的操作，腐蚀是求局部最小值的操作。 腐蚀 具体操作是：用一个结构元素扫描图像中的每一个像素，用结构元素中的每一个像素与其覆盖的像素做“与”操作，如果都为1，则该像素为1，否则为0。如下图所示，结构A被结构B腐蚀后： 腐蚀的作用是：消除物体边界点，使目标缩小，可以消除小于结构元素的噪声
【OpenCV入门教程之十】 形态学图像处理（一）：膨胀与腐蚀 - 【浅墨的游戏编程Blog】毛星云（浅墨）的专栏 - CSDN
08-03
【OpenCV入门教程之十】 形态学图像处理（一）：膨胀与腐蚀 形态学图像处理是图像分析和处理领域中的一种方法，它基于数学形态学理论，该理论建立在格论和拓扑学的基础上。在图像处理中，形态学主要关注的是图像的...
opencv膨胀与腐蚀实例下载
11-07
本文将深入探讨OpenCV中的两个基本形态学操作：膨胀和腐蚀，并结合提供的"10膨胀与腐蚀"示例进行详细解析。 **1. 膨胀（Dilation）** 膨胀操作是形态学处理中的基础操作之一，它通过一个结构元素（Structuring ...
图像膨胀与腐蚀
06-06
图像膨胀与腐蚀是图像处理中的两种基本操作，主要应用于形态学图像处理领域。它们在处理二值图像（黑白图像）时特别有用，可以用来消除噪声、连接断开的物体、填充物体内部空洞等。这两种操作是基于结构元素（通常是...
膨胀与腐蚀.pdf
最新发布
10-31
膨胀与腐蚀.pdf
腐蚀与膨胀 水平腐蚀 垂直腐蚀 全方位腐蚀 水平膨胀处理 垂直膨胀处理 全方向膨胀 开启与闭合运算.rar
09-10
腐蚀与膨胀 VS2017编译通过，可直接运行 包括水平腐蚀 垂直腐蚀 全方位腐蚀 水平膨胀处理 垂直膨胀处理 全方向膨胀 开启与闭合运算
膨胀和腐蚀
zhengalen的博客
05-17 1162
我在做手势识别模块。以下是程序： clear; I1=imread('C:\Users\Administrator\Desktop\手势图片\8.jpg'); level=graythresh(I1);%自动算出合适的阈值 I2=im2bw(I1,level);%灰度图像转换为二值图像 SE=ones(50,10);%形态学结构元素？？？ I2=imdilate(I2,SE); %er
腐蚀与膨胀
qq_44771627的博客
12-01 3811
简单来讲，形态学操作就是基于形状的一系列图像处理操作。通过将结构元素作用于输入图像来产生输出图像。 最基本的形态学操作有二：腐蚀与膨胀(Erosion 与 Dilation)。 他们的运用广泛: 1、消除噪声 2、分割(isolate)独立的图像元素，以及连接(join)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。 注意：腐蚀和膨胀是对白色区域（高亮部分）而言，不是黑色部分；膨胀是图像中高亮部分进行膨胀，效果图拥有比原图更大的高亮区域；腐蚀是图像中高亮部分进行腐蚀，效果图拥有比..
关于膨胀和腐蚀
qq_42517195的博客
06-25 425
很惭愧考完了数字图像处理都没理解清楚，重点：相对高亮部分而言的啊！
腐蚀和膨胀
gaochenchen1103的博客
05-16 429
Matlab中函数strel在操作结构元素应用，用于膨胀腐蚀及开闭运算等操作的结构元素对象（构造结构元素） 具体用法：SE = strel(shape,parameters) 创建由指定形状shape对应的结构元素。其中shape的种类有 arbitrary' 'pair' 'diamond' 'periodicline' 'disk' 'rectangle' 'line' '
pytorch 实现膨胀与腐蚀
06-28
### 回答1： 膨胀与腐蚀是数字图像处理中常用的形态学基础操作。Pytorch 是一种广泛应用于深度学习领域的开源机器学习框架。在 Pytorch 中实现膨胀与腐蚀可以使用 torch.nn.functional 模块中提供的相关函数。 膨胀操作可以使目标物体膨胀，通常用于填充孔洞或连接不规则的物体。在 Pytorch 中，可以使用 dilation 函数实现膨胀操作。该函数接受两个参数，分别是输入张量和结构元素张量（即卷积核），并返回进行膨胀操作后的张量。例如，使用以下代码实现一个 $3\times3$ 的半径为 1 的圆形结构元素的膨胀操作： ``` import torch.nn.functional as F input_tensor = torch.tensor([[0, 0, 0], [0, 1, 0], [0, 0, 0]], dtype=torch.float32) struct_elem = torch.tensor([[0, 1, 0], [1, 1, 1], [0, 1, 0]], dtype=torch.float32) dilated_tensor = F.conv2d(input_tensor.unsqueeze(dim=0).unsqueeze(dim=0), struct_elem.unsqueeze(dim=0).unsqueeze(dim=0), padding=1).squeeze(dim=0).squeeze(dim=0) ``` 腐蚀操作可以使目标物体收缩，通常用于去除小的噪点或分离相互重叠的物体。在 Pytorch 中，可以使用 erosion 函数实现腐蚀操作。该函数接受两个参数，分别是输入张量和结构元素张量（即卷积核），并返回进行腐蚀操作后的张量。例如，使用以下代码实现一个 $3\times3$ 的半径为 1 的圆形结构元素的腐蚀操作： ``` import torch.nn.functional as F input_tensor = torch.tensor([[1, 1, 0], [0, 0, 1], [1, 0, 0]], dtype=torch.float32) struct_elem = torch.tensor([[0, 1, 0], [1, 1, 1], [0, 1, 0]], dtype=torch.float32) eroded_tensor = 1 - F.conv2d(1 - input_tensor.unsqueeze(dim=0).unsqueeze(dim=0), 1 - struct_elem.unsqueeze(dim=0).unsqueeze(dim=0), padding=1).squeeze(dim=0).squeeze(dim=0) ``` 以上是在二维图像上的操作，如果是在三维图像上的操作，则需要将卷积操作从二维扩展到三维，以处理 z 方向的信息。 ### 回答2： 膨胀（Dilation）和腐蚀（Erosion）是数字图像处理中常用的形态学处理方法，它们可以用来增强或者减弱图像中的一些特征区域。PyTorch是一种基于Python的机器学习框架，它提供了强大的张量计算功能和自动微分机制，能够方便地实现这两种操作。 膨胀操作是将图像中的特定区域进行扩张。具体来说，膨胀过程是将每个像素点的值替换为该点周围像素中最大的值。这可以对于删除孔洞等操作非常有效。在PyTorch中，我们可以利用`torch.nn.functional`模块中的`dilation`函数来进行膨胀操作。具体来说，该函数有两个参数： - input：进行操作的张量，可以是一幅灰度图或者一个彩色图像 - kernel：表示膨胀或者腐蚀的形状，也可以称为结构元素，如果希望膨胀的区域更大，可以增加`kernel`的大小。 下面是一个样例代码，通过对一个图片进行膨胀操作实现了对黑色斑点去除的效果： ```python import torch import torch.nn.functional as F from PIL import Image img = Image.open('example.png') # 将图片转换为张量 img_tensor = F.to_tensor(img).unsqueeze(0) # 定义一个结构元素 kernel = torch.ones((3,3)) # 进行膨胀操作 dilated_img = F.dilation(img_tensor, kernel).squeeze(0) # 显示原图和处理后的图像 img.show() Image.fromarray((dilated_img * 255).byte().numpy(), mode='L').show() ``` 腐蚀操作是将图像中的特定区域进行收缩。具体来说，腐蚀过程是将每个像素点的值替换为该点周围像素中最小的值。这可以对于去除噪声等操作非常有效。在PyTorch中，我们可以利用`torch.nn.functional`模块中的`erosion`函数来进行腐蚀操作。与`dilation`函数相似，`erosion`函数也有两个参数： - input：进行操作的张量，可以是一幅灰度图或者一个彩色图像。 - kernel：表示膨胀或者腐蚀的形状，也可以称为结构元素，如果希望腐蚀的区域更小，可以缩小`kernel`的大小。 下面是一个样例代码，通过对一个图片进行腐蚀操作实现了对白色的噪点去除的效果： ```python import torch import torch.nn.functional as F from PIL import Image img = Image.open('example.png') # 将图片转换为张量 img_tensor = F.to_tensor(img).unsqueeze(0) # 定义一个结构元素 kernel = torch.ones((3,3)) # 进行腐蚀操作 eroded_img = F.erosion(img_tensor, kernel).squeeze(0) # 显示原图和处理后的图像 img.show() Image.fromarray((eroded_img * 255).byte().numpy(), mode='L').show() ``` 总的来说，膨胀和腐蚀是数字图像处理中非常常见的操作，它们可以用于去除噪声、检测边缘等多种场景。在PyTorch中，我们可以利用`torch.nn.functional`模块中的`dilation`和`erosion`函数来进行操作，同时需要注意选择合适的结构元素以及张量的维度等问题。 ### 回答3： 膨胀与腐蚀是数字图像处理中常用的一种形态学运算，它们可以对二值化图像进行简单的形态改变，从而改善图像质量、提取图像特征等。在PyTorch中实现膨胀和腐蚀，我们可以借助PyTorch自带的卷积函数进行运算。 首先，我们需要导入torch和torchvision模块，以及PIL库中的Image模块。如果没有安装这些库，可以使用pip install进行安装。 ``` import torch import torchvision from PIL import Image ``` 接下来，我们可以读取需要进行膨胀和腐蚀的二值化图像，可以使用Image模块中的open函数打开图像，并转换为numpy数组和Tensor张量。 ``` # 读取图像 img = Image.open('example.png') # 转换为numpy数组 img_np = np.array(img) # 转换为Tensor张量 img_tensor = torch.from_numpy(img_np).unsqueeze(0).float() ``` 在PyTorch中，可以使用nn.functional模块中的dilation和erosion函数来实现膨胀和腐蚀。这两个函数都需要输入一个Tensor张量和一个卷积核，卷积核通常是一个方形矩阵，其大小决定了膨胀和腐蚀的程度。在本例中，我们选择一个边长为5的方形矩阵作为卷积核进行膨胀和腐蚀。 ``` from torch.nn.functional import dilation, erosion # 定义卷积核 kernel_size = 5 kernel = torch.ones((kernel_size, kernel_size)) # 进行膨胀操作 img_dilate = dilation(img_tensor, kernel) # 进行腐蚀操作 img_erode = erosion(img_tensor, kernel) ``` 最后，我们可以将膨胀和腐蚀的结果转换为PIL图像，并保存到本地文件。 ``` # 将Tensor张量转换为numpy数组 img_dilate_np = img_dilate.squeeze(0).detach().numpy().astype('uint8') img_erode_np = img_erode.squeeze(0).detach().numpy().astype('uint8') # 将numpy数组转换为PIL图像 img_dilate_pil = Image.fromarray(img_dilate_np) img_erode_pil = Image.fromarray(img_erode_np) # 保存膨胀和腐蚀的结果 img_dilate_pil.save('dilated.png') img_erode_pil.save('eroded.png') ``` 通过以上步骤，我们可以实现在PyTorch中进行膨胀和腐蚀操作，从而对二值化图像进行形态学改变。
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