opencv使用cv::morphologyEx()实现开运算,闭运算,礼帽与黑帽操作以及梯度运算

1.opencv 形态学变换 morphologyEx 函数

void morphologyEx( InputArray src, OutputArray dst,
                                int op, InputArray kernel,
                                Point anchor = Point(-1,-1), int iterations = 1,
                                int borderType = BORDER_CONSTANT,
                                const Scalar& borderValue = morphologyDefaultBorderValue() )

参数解释

  • src:源图像Mat对象
  • dst:目标图像Mat对象
  • op:操作的类型,通过源码我们得知总共有以下几种类型:
    enum MorphTypes{
    MORPH_ERODE = 0, //腐蚀
    MORPH_DILATE = 1, //膨胀
    MORPH_OPEN = 2, //开操作
    MORPH_CLOSE = 3, //闭操作
    MORPH_GRADIENT = 4, //梯度操作
    MORPH_TOPHAT = 5, //顶帽操作
    MORPH_BLACKHAT = 6, //黑帽操作
    MORPH_HITMISS = 7
    };
  • kernel:用于膨胀操作的结构元素,如果取值为Mat(),那么默认使用一个3 x 3 的方形结构元素,可以使用getStructuringElement 来创建结构元素
  • iterations: 迭代次数
  • anchor:参考点,其默认值为(-1,-1)说明位于kernel的中心位置。
  • borderType :边缘类型,默认为 BORDER_CONSTANT
  • borderValue :边缘值,用它的默认值即可。

2.各种操作的效果

  • MORPH_ERODE(腐蚀)
    跟erode(腐蚀)函数效果一样

  • MORPH_DILATE(膨胀)
    跟dilate(膨胀)函数效果一样

  • MORPH_OPEN(开)
    其实内部就是进行了先腐蚀后膨胀的操作。

  • MORPH_CLOSE(闭)
    其实内部就是进行了先膨胀后腐蚀的操作。

  • MORPH_GRADIENT(梯度)
    内部是膨胀减去腐蚀

  • MORPH_TOPHAT(顶帽)

  • MORPH_BLACKHAT(黑帽)

开运算—先腐蚀,后膨胀。去除图像中小的亮点(CV_MOP_OPEN);

闭运算—先膨胀,后腐蚀。去除图像中小的暗点(CV_MOP_CLOSE);

形态学梯度— (原图膨胀图像 -原图腐蚀图像)(CV_MOP_GRADIENT);

顶帽— (原图像 - 原图像开操作)。保留小亮点,去除大亮点。(CV_MOP_TOPHAT);

黑帽— (原图像闭操作 - 原图像)(CV_MOP_BLACKHAT);

https://blog.csdn.net/kakiebu/article/details/79324301

https://blog.csdn.net/seniorc/article/details/112254126?utm_medium=distribute.pc_relevant.none-task-blog-2defaultbaidujs_title~default-5-112254126-blog-125228422.pc_relevant_paycolumn_v3&spm=1001.2101.3001.4242.4&utm_relevant_index=7

  • 1
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,我会给您讲解一下使用cv2.morphologyEx()函数实现二值图像的开运算运算。 首先,我们需要导入OpenCV库和Numpy库: ```python import cv2 import numpy as np ``` 然后,我们需要读入一张二值图像,可以使用cv2.imread()函数读入一张灰度图像,并使用cv2.threshold()函数将其转化为二值图像。这里以读入一张名为“binary.png”的二值图像为例: ```python img = cv2.imread('binary.png', 0) # 将图像转化为二值图像 _, binary = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) ``` 接下来,我们就可以使用cv2.morphologyEx()函数来实现开运算运算。这个函数的参数包括输入图像、操作类型、核函数、迭代次数等。其中,操作类型有四种:开运算运算梯度运算和顶帽运算。这里我们只需要使用前两种运算类型。 使用cv2.getStructuringElement()函数可以创建核函数,核函数的大小和形状可以自定义。这里我们创建一个3x3的矩形形状的核函数: ```python # 创建核函数 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)) ``` 接下来,我们就可以使用cv2.morphologyEx()函数来实现开运算运算开运算可以去除小的噪点和连接处的小断点,运算可以填补小孔洞和连接处的小断裂。 ```python # 实现开运算 opening = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel, iterations=1) # 实现运算 closing = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel, iterations=1) ``` 最后,我们可以将原始图像、二值图像、开运算图像和运算图像在同一窗口中显示出来: ```python # 将四幅图像在同一窗口中显示 cv2.imshow("Original", img) cv2.imshow("Binary", binary) cv2.imshow("Opening", opening) cv2.imshow("Closing", closing) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这样就可以实现二值图像的开运算运算了。

“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
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
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