opencv-python中的腐蚀与膨胀函数

1、图像的腐蚀:

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)。

这是怎么做到的呢?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。  

这回产生什么影响呢?根据卷积核的大小靠近前景的所有像素都会被腐蚀掉(变为0),所以前景物体会变小,整幅图像的白色区域会减少。

这对于去除白噪声很有用,也可以用来断开两个连在一块的物体等。  

这里我们有一个例子,使用一个5x5的卷积核,其中所有的值都是以。让我们看看他是如何工作的:

[python] view plain copy
  1. import cv2  
  2. import numpy as np   
  3. img = cv2.imread('j.png',0)  
  4. kernel = np.ones((5,5),np.uint8)    
  5. erosion = cv2.erode(img,kernel,iterations = 1)  
腐蚀主要就是调用cv2.erode(img,kernel,iterations),这个函数的参数是

第一个参数:img指需要腐蚀的图

第二个参数:kernel指腐蚀操作的内核,默认是一个简单的3X3矩阵,我们也可以利用getStructuringElement()函数指明它的形状

第三个参数:iterations指的是腐蚀次数,省略是默认为1


2、图像的膨胀

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。这时噪声已经被去除了,不会再回来了,但是前景还在并会增加。

膨胀也可以用来连接两个分开的物体。

[python] view plain copy
  1. dilation = cv2.dilate(img,kernel,iterations = 1)  

3、图像的开运算

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()

[python] view plain copy
  1. opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)  

4、图像的闭运算

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。

[python] view plain copy
  1. closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel) 
阅读更多
个人分类: opencv
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

关闭
关闭
关闭