计算机视觉OpenCV 4

本文详细介绍了OpenCV中的形态学转换,包括腐蚀、膨胀、开运算、闭运算等,并探讨了Sobel算子、Scharr算子、Laplacian算子以及Canny边缘检测算法的原理和应用。同时,还讲解了图像金字塔的构建及其在图像融合中的作用。
摘要由CSDN通过智能技术生成

形态学转换

• 学习不同的形态学操作,例如腐蚀,膨胀,开运算,闭运算等
• 我们要学习的函数有:cv2.erode(), cv2.dilate(), cv2.morphologyEx()

形态学操作是根据图像形状进行的简单操作。一般情况下对二值化图像进行的操作。需要输入两个参数,一个是原始图像,第二个被称为结构化元素或核,它是用来决定操作的性质的。
1 腐蚀
就像土壤侵蚀一样,这个操作会把前景物体的边界腐蚀掉(但是前景仍然是白色)。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。

kernel = np.ones((5,5), np.uint8)
img1 = cv2.erode(img, kernel, iterations=1)

im_show('img', img1)

2 膨胀
与腐蚀相反,与卷积核对应的原图像的像素值中只要有一个是 1,中心元素的像素值就是 1。所以这个操作会增加图像中的白色区域(前景)。一般在去噪声时先用腐蚀再用膨胀。因为腐蚀在去掉白噪声的同时,也会使前景对象变小。所以我们再对他进行膨胀。

img2 = cv2.dilate(img1, kernel, iterations=1)

3 开运算
先进性腐蚀再进行膨胀就叫做开运算。就像我们上面介绍的那样,它被用来去除噪声。这里我们用到的函数是 cv2.morphologyEx()。

img3 = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

4 闭运算
先膨胀再腐蚀。它经常被用来填充前景物体中的小洞,或者前景物体上的小黑点。

img4 = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

5 形态学梯度
其实就是一幅图像膨胀与腐蚀的差别。结果看上去就像前景物体的轮廓。

img5 = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

6 礼帽
原始图像与进行开运算之后得到的图像的差。

img6 = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

7 黑帽
进行闭运算之后得到的图像与原始图像的差。

img7 = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

8 结构化元素
在前面的例子中我们使用 Numpy 构建了结构化元素,它是正方形的。但有时我们需要构建一个椭圆形/圆形的核。为了实现这种要求,提供了 OpenCV函数 cv2.getStructuringElement()。你只需要告诉他你需要的核的形状和大小。

cv2.ge
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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