要求
对一副二值图像进行膨胀、腐蚀、开、闭操作。
待处理图像:
对图片进行二值化:
ret, img_threshold = cv2.threshold(img, 240, 255, cv2.THRESH_BINARY_INV)
腐蚀
使用opencv,结构元为50*50的方形,进行腐蚀
kernel = np.ones((50, 50), np.uint8)
erosion = cv2.erode(img_threshold, kernel)
结果
可以看到腐蚀了50
100*100的结构元时:
产生断裂
或者使用长方形的结构元进行腐蚀,kernel1 侧重水平方形,其结构元长大于宽
kernel12,侧重垂直反向,其结构元长小于宽
kernel1 = np.ones((1, 200), np.uint8)
kernel2 = np.ones((90, 1), np.uint8)
erosion = cv2.erode(img_threshold, kernel1)
erosion2 = cv2.erode(img_threshold, kernel2)
不同形状的结构元素,收缩或膨胀后的结果形状不同
膨胀
kernel1 = np.ones((1, 200), np.uint8)
kernel2 = np.ones((90, 1), np.uint8)
dilate1 = cv2.dilate(erosion, kernel1)
dilate2 = cv2.dilate(erosion, kernel2)
开运算与闭运算
用100*100的方形结构元,进行如下操作:
def open_(img, kernel):
erosion = cv2.erode(img, kernel)
dilate = cv2.dilate(erosion, kernel)
return dilate
def close_(img, kernel):
dilate = cv2.dilate(img, kernel)
erosion = cv2.erode(dilate, kernel)
return erosion
开运算先进行腐蚀,这回导致凸起(如右上角和左下角)和狭长(中心部分)被腐蚀掉,然后再膨胀回“原来大小”
闭运算先进行膨胀,这回导致凹陷(右边中间)被膨胀填充,然后再腐蚀回“原来大小”
形态学去噪
有两副分别是盐噪声和胡椒噪声的图,用10 * 10的核(其实可以更小)
对盐噪声图像进行开运算,先腐蚀会导致盐噪声被腐蚀掉,如果对其进行闭运算,中则整个图像会被膨胀,因为噪声之间靠的很近,膨胀后有可能复原不了
对胡椒噪声图像进行闭运算,会膨胀掉胡椒噪声,如归对其开运算,整个图像可能会被腐蚀,与盐噪声同理
错误的运用: