图像膨胀、腐蚀、开运算、闭运算---python.opencv

最新推荐文章于 2024-03-14 17:54:43 发布

独憩

最新推荐文章于 2024-03-14 17:54:43 发布

阅读量2.1k

点赞数 3

分类专栏： opencv-python 学习文章标签： python 图像处理

本文链接：https://blog.csdn.net/qq_54517101/article/details/117414058

版权

opencv-python 学习专栏收录该内容

21 篇文章 2 订阅

订阅专栏

结构元素

在图像处理中，常常需要结构元素作为辅助，可以把卷积核也看成一种结构元素，例如在均值滤波器中，卷积核为：

$\frac{1}{9}\begin{bmatrix} 1 & 1 & 1\\ 1&1 &1 \\ 1 & 1& 1 \end{bmatrix}$

在下面要介绍的膨胀与腐蚀运算中，也需要用到结构元素，一般的结构元素为矩形、十字形、椭圆形。在python中可以调用cv2.getStructuringElement()函数获取结构元素。

import cv2 as cv2
import matplotlib.pyplot as plt
import numpy as np

def cross(size1,size2): #十字形
    element = cv2.getStructuringElement(cv2.MORPH_CROSS,(size1,size1))
    return element

def ellipse(size1,size2): #椭圆形
    element = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(size1,size2))
    return element

def rect(size1,size2):   #矩形
    element = cv2.getStructuringElement(cv2.MORPH_RECT,(size1,size2))
    return element

膨胀

膨胀即是将图像进行某种程度上的拓宽，即A⊕B，描述为集合B对集合A的膨胀，公式为：

$A\oplus B =\{{}z\|(\hat{B}_{z}\cap A\neq \O )\}$

即以B的中心点为运动点，使B在A平面内运动，运算结果为使得A与B存在交集的所有此运动点的集合，例如：

腐蚀

腐蚀即是将图像进行某种程度上的缩减，，即AΘB描述为集合B对集合A的腐蚀，公式为：

$A\ominus B =\{{}z\|(\hat{B}_{z}\subseteq A\}$

即以B的中心点为运动点，使B在A平面内运动，运算结果为使得A全包含B的此中心点的集合，例如：

可以分别使用python中的cv2.erode()与cv2.dilate()完成膨胀与腐蚀操作：

def erode(img,kernel):  #膨胀  kernel为结构元素
    eroded = cv2.erode(img,kernel)
    return eroded

def dilate(img,kernel):  #腐蚀
    dilated = cv2.dilate(img,kernel)
    return dilated

需要注意的是，上述函数中的img都需要二值图像，故我们需先得到二值图像，二值图像的求得方法参照其他文章。

为了显示这两个运算的作用，进行以下例子：

plt.subplot(3,1,1)
plt.imshow(0_1_image,plt.cm.gray)  
plt.xticks([]),plt.yticks([])
plt.title('0-1 image')

#以3×3的矩形为结构元素
erode_image_rect=erode(0_1_image,rect(3,3))
dilate_image_rect=dilate(0_1_image,rect(3,3))

plt.subplot(3,1,2)
plt.imshow(erode_image_rect,plt.cm.gray)
plt.xticks([]),plt.yticks([])
plt.title('erode_image_rect')

plt.subplot(3,1,3)
plt.imshow(dilate_image_rect,plt.cm.gray)
plt.xticks([]),plt.yticks([])
plt.title('dilate_image_rect')
plt.show()

开运算、闭运算

开运算：先进行腐蚀运算，再进行膨胀运算，即A○B,公式为：

$A\bigcirc B=(A\ominus B)\oplus B$

闭运算：先进行膨胀运算，再进行腐蚀运算，即A•B,公式为：

$A\bullet B=(A\oplus B)\ominus B$

可以使用python中的cv2.morphologyEx()函数进行运算：

def opening(image,kernel):  #开运算
    opening =cv2.morphologyEx(image,cv2.MORPH_OPEN,kernel)
    return opening

def closing(image,kernel):   #闭运算
    closing = cv2.morphologyEx(image,cv2.MORPH_CLOSE,kernel)
    return closing

同理，image也需要为二值图像，例子：

open_image=opening(0_1_image,rect(3,3))
closing_image=closing(0_1_image,rect(3,3))

plt.subplot(3,1,1)
plt.imshow(0_1_image,plt.cm.gray)
plt.xticks([]),plt.yticks([])
plt.title('0-1 image')
plt.xticks([]),plt.yticks([])

plt.subplot(3,1,2)
plt.imshow(open_image,plt.cm.gray)
plt.title('open_image')
plt.xticks([]),plt.yticks([])


plt.subplot(3,1,3)
plt.imshow(closing_image,plt.cm.gray)
plt.title('closing_image')
plt.xticks([]),plt.yticks([])
plt.show()