数字图像处理 图像形态学变换

已于 2022-02-09 09:10:04 修改
阅读量5.1k 收藏 22
点赞数
分类专栏： 计算机视觉 文章标签： 图像处理 计算机视觉 opencv
于 2022-01-30 15:26:46 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u012655441/article/details/122675297
版权

文章目录

前言

形态学图像处理（简称形态学）是指一系列处理图像形状特征的图像处理技术。形态学的基本思想是利用一种特殊的结构元来测量或提取输入图像中相应的形状或特征，以便进一步进行图像分析和目标识别。它的主要思想是集合论，处理的图像是二值图像，其中1表示前景（白色部分），0表示背景（黑色部分）。

图像形态学主要有腐蚀、膨胀、开操作以及闭操作。介绍这些概念之前，先了解一个基本概念：结构元。结构元（Structuring Elements，SE）可以是任意形状，SE中的的值可以是0或1。常见的结构元有矩形和十字形。结构元有一个锚点O，O一般定义为结构元的中心（也可以自由定义位置）。如下图所示是几个不同形状的结构元，紫红色区域为锚点O。
在这里插入图片描述

膨胀

膨胀(dilate)是对图像高亮部分进行“领域扩张”，领域扩张，效果图拥有比原图更大的高亮区域。根据《数字图像处理》一书的说明，将结构元 s s s在图像 f f f上滑动，把结构元锚点位置的图像像素点的灰度值设置为结构元值为1的区域对应图像区域像素的最大值。用公式表示如下，其中element为结构元，(x,y)为锚点O的位置，x’和y’为结构元值为1的像素相对锚点O的位置偏移，src表示原图，dst表示结果图。
在这里插入图片描述

在这里插入图片描述

实现

C++实现：

#include<iostream>
#include<opencv2\opencv.hpp>
#include<opencv2\highgui\highgui.hpp>
using namespace cv;
using namespace std;
int main()
{
	Mat img = imread("./morphologyEx.jpg");
	cout << img.size() << endl;
	imshow("原图", img);
	Mat dst;
	//获取自定义核
	Mat element = getStructuringElement(MORPH_RECT, Size(10, 10));
	//形态学膨胀
	dilate(img, dst, element);
	imshow("形态学开操作", dst);
	waitKey();
	return 0;
}

python实现：


import cv2
import numpy as np 
img = cv2.imread('j.png',0)
# 读入彩色图像或灰度图的话需要对图像进行二值化
kernel = np.ones((5,5),np.uint8)  
result = cv2.dilate(img,kernel,iterations = 1)

腐蚀

腐蚀(erode)是原图中的高亮区域被蚕食，领域缩减，效果图拥有比原图更小的高亮区域。将结构元 s s s在图像 f f f上滑动，把结构元锚点位置的图像像素点的灰度值设置为结构元值为1的区域对应图像区域像素的最小值。用公式表示如下，其中element为结构元，(x,y)为锚点O的位置，x’和y’为结构元值为1的像素相对锚点O的位置偏移，src表示原图，dst表示结果图。
在这里插入图片描述

实现

C++实现：

#include<iostream>
#include<opencv2\opencv.hpp>
#include<opencv2\highgui\highgui.hpp>
using namespace cv;
using namespace std;
int main()
{
	Mat img = imread("./morphologyEx.jpg");
	cout << img.size() << endl;
	imshow("原图", img);
	Mat dst;
	//获取自定义核
	Mat element = getStructuringElement(MORPH_RECT, Size(10, 10));
	//形态学膨胀
	erode(img, dst, element);
	imshow("形态学开操作", dst);
	waitKey();
	return 0;
}

python实现：


import cv2
import numpy as np 
img = cv2.imread('j.png',0)
# 读入彩色图像或灰度图的话需要对图像进行二值化
kernel = np.ones((5,5),np.uint8)  
result= cv2.erode(img,kernel,iterations = 1)

开运算与闭运算

有了膨胀与腐蚀的基础后，开运算即先进行腐蚀操作然后进行膨胀操作，而闭运算则先进行膨胀操作后进行腐蚀操作。

开运算

开运算具有消除细小物体（噪声），在纤细处分离物体和平滑较大物体边界的作用。
在这里插入图片描述

实现

C++实现：

#include<iostream>
#include<opencv2\opencv.hpp>
#include<opencv2\highgui\highgui.hpp>
using namespace cv;
using namespace std;
int main()
{
	Mat img = imread("./morphologyEx.jpg");
	cout << img.size() << endl;
	imshow("原图", img);
	Mat dst;
	//获取自定义核
	Mat element = getStructuringElement(MORPH_RECT, Size(10, 10));
	morphologyEx(img, dst, MORPH_OPEN, element);
	imshow("形态学开操作", dst);
	waitKey();
	return 0;
}

在里面有morphologyEx函数，它的函数原型：

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()
)

参数如下：

  1. src：源图像Mat对象
  2. dst：目标图像Mat对象
  3. op：操作的类型。
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  
};
  1. 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
  2. anchor：参考点，其默认值为(-1,-1)说明位于kernel的中心位置。
  3. borderType：边缘类型，默认为BORDER_CONSTANT。
  4. borderValue：边缘值，用它的默认值即可。

python实现：


import cv2
import numpy as np 
img = cv2.imread('j.png',0)
# 读入彩色图像或灰度图的话需要对图像进行二值化
kernel = np.ones((5,5),np.uint8)  
result= cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

cv2.morphologyEx参数说明：

  1. MORPH_OPEN:开运算
  2. MORPH_CLOSE:闭运算
  3. MORPH_GRADIENT:形态学梯度
  4. MORPH_TOPHAT:顶帽
  5. MORPH_BLACKHAT:黑帽
  6. MORPH_ERODE:腐蚀
  7. MORPH_DILATE:膨胀

闭运算

闭运算具有填充物体内细小空洞，连接邻近物体和平滑边界的作用。具体实现与开运算相反，这里不做展开了。

梯度运算

形态学梯度操作能描述图像亮度变化的剧烈程度；当想要突出高亮区域的外围时，则可以选用形态学梯度来突出边缘，可以保留物体的边缘轮廓。

#include<iostream>
#include<opencv2\opencv.hpp>
#include<opencv2\highgui\highgui.hpp>
using namespace cv;
using namespace std;
int main()
{
	Mat img = imread("./morphologyEx.jpg");
	cout << img.size() << endl;
	imshow("原图", img);
	Mat dst;
	//获取自定义核
	Mat element = getStructuringElement(MORPH_RECT, Size(10, 10));
	//形态学梯度运算
	morphologyEx(img, dst, MORPH_GRADIENT, element);
	imshow("形态学梯度运算", dst);
	waitKey();
	return 0;
}

礼/顶帽

顶帽是原图与原图的开运算的差值图像。开运算放大了裂缝或者局部低亮度的区域，所以，从原图中减去开运算后的图，得到的结果突出了比原图轮廓周围的区域更明亮的区域，这个操作与选择的核的大小有关。TopHat运算一般用来分离比邻近点亮一些的斑块，可以使用这个运算提取背景。

#include<iostream>
#include<opencv2\opencv.hpp>
#include<opencv2\highgui\highgui.hpp>
using namespace cv;
using namespace std;
int main()
{
	Mat img = imread("./morphologyEx.jpg");
	cout << img.size() << endl;
	imshow("原图", img);
	Mat dst,dst_open;
	// 获取自定义核
	Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));
	// 形态学礼帽
	morphologyEx(img, dst_open, MORPH_OPEN, element);
	morphologyEx(img, dst, MORPH_TOPHAT, element);
	imshow("开运算", dst_open);
	imshow("形态学礼帽", dst);
	waitKey();
	return 0;
}

python实现：

import cv2  
import numpy as np  
  
  
img = cv2.imread('credit_card_.png')  
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(21,21))  
tophat = cv2.morphologyEx(gray,cv2.MORPH_TOPHAT,kernel)  
threshold = cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV|  
                          cv2.THRESH_OTSU)[1]  
cv2.imshow("img",img)  
cv2.imshow("thres",threshold)  
cv2.waitKey(0)  
cv2.destroyAllWindows()

黑帽

黑帽是闭运算结果与原图的差值图像。黑帽运算的结果突出了比原图轮廓周围的区域更暗的区域，且与选择的卷积核大小有关，所以黑帽运算用来分离比邻近点暗一些的斑块，效果图有非常完美的轮廓。

#include<iostream>
#include<opencv2\opencv.hpp>
#include<opencv2\highgui\highgui.hpp>
using namespace cv;
using namespace std;
int main()
{
	Mat img = imread("./morphologyEx.jpg");
	cout << img.size() << endl;
	imshow("原图", img);
	Mat dst, dst_close;
	// 获取自定义核
	Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));
	// 形态学黑帽
	morphologyEx(img, dst_close, MORPH_CLOSE, element);
	morphologyEx(img, dst, MORPH_BLACKHAT, element);
	imshow("闭运算", dst_close);
	imshow("形态学黑帽", dst);
	waitKey();
	return 0;
}

python实现：

import cv2  
import numpy as np  
  
  
img = cv2.imread('close.jpg')  
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))  
tophat = cv2.morphologyEx(gray,cv2.MORPH_GRADIENT,kernel)  
cv2.imshow("img",img)  
cv2.imshow("thres",tophat)  
cv2.waitKey(0)  
cv2.destroyAllWindows()

总结

  1. 膨胀(dilate)是对图像高亮部分进行“领域扩张”，领域扩张，效果图拥有比原图更大的高亮区域；
  2. 腐蚀(erode)是原图中的高亮区域被蚕食，领域缩减，效果图拥有比原图更小的高亮区域。
  3. 开运算：先腐蚀再膨胀，用来消除小物体
  4. 闭运算：先膨胀再腐蚀，用于排除小型黑洞
  5. 形态学梯度：就是膨胀图与腐蚀图之差，用于保留物体的边缘轮廓。
  6. 顶帽：原图像与开运算图之差，用于分离比邻近点亮一些的斑块。
RyanC3
关注
  • 0
    点赞
  • 踩
  • 22
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
OpenCV学习之路（八）图像的形态学转换（腐蚀，膨胀，开、闭运算，梯度运算，礼帽，黑帽）
01-06
形态学操作是对图像形状进行的操作，一般情况下是对二值化图像进行的操作，两个基本的形态学操作是腐蚀和膨胀。 腐蚀 腐蚀操作很容易理解，与生活中的腐蚀意义一样，生活中的东西在腐烂的时候，总是会从边缘开始由外向内腐蚀。就是这个意思。 原理 使用卷积核遍历图像像素值，以卷积核的中心为中心，如果与卷积核对应的像素值全为1（即全是白色），像素值就保持不变。否则与卷积核对应的像素值就全变为0。也就体现出了边缘都被腐蚀掉的情形。 从图中很容易看出腐蚀的过程。前景区被腐蚀掉。 构造函数： cv2.erode(src,kernel,iterations) 参数解释： src：一般情况是一个二值图像，像素值只
图像处理-006形态变换
yy9991818的博客
11-10 1197
图像的形态变换是基于图像外形的操作，通常用于处理二值图像。基本的形态变换有腐蚀，膨胀。本文介绍腐蚀和膨胀的基本概念，及由腐蚀、膨胀衍生来的开操作，闭操作，形态学梯度，顶帽，黑帽操作。
形态学转换
HNUYSY的博客
11-09 1203
原理 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。两个基本的形态学操作是腐蚀和膨胀。他们的变体构成了开运算，闭运算，梯度等。 1.腐蚀 ...
【matlab图像处理笔记3】【图像变换】（二）图像的形态学变换
issey的博客
10-16 1069
推荐阅读；前言；形态学变换；简介；数学基础；结构元素；在matlab中创建结构元；腐蚀与膨胀；腐蚀；膨胀；开运算与并运算；开运算；并运算
数字图像处理第九章笔记——形态学图像处理
jgq1466693的博客
07-12 2797
目录引言一、预备知识1.1 平移与反射1.2 结构元二、 腐蚀和膨胀2.1 腐蚀2.2 膨胀 2.3 对偶性 2.4 python实现腐蚀和膨胀三、开操作和闭操作四、 击中或击不中变换 五、基本的形态学算法 5.1 边界提取5.2 孔洞填充 5.3 连通分量的提取 5.4 凸壳5.5 细化5.6 粗化 5.7 骨架六、灰度级形态学 6.1 腐蚀和膨胀 6.2 开操作和闭操作 七、总结 这里的形态学并非指生物学的那一个分支，而是数学形态学的内容，将数学形态学作为工具从图像中提取表达和描绘区域形状
数字图像处理（五）——形态学
朱坚强的博客
12-22 2377
概述 基本思想： 用具有一定形态的结构元素去度量和提取图像中的对应形状，以达到对图像分析和识别的目的 基本运算： 膨胀、腐蚀、开操作、闭操作 数学基础： 集合论 结构元素： 原始图像需要扩充使得结构元素位于原始图像边缘时扩充部分可以涵盖整个结构元素。 二值图像形态学基本操作 一、腐蚀操作 结构元素B全部位于A中对应的位移量z，故会削弱边界 效果： 是一种收缩或细化的操作。 二、膨胀操作 结...
形态学变换（Morphological Transformations）
Yoc Lu
08-28 5274
形态学变换（Morphological Transformations） 参考博客 形态学处理又可理解为形态学变换（Morphological Transformations），是一种基于形状的简单变换。它的处理对象通常是二值化图像（也常用于彩色图像）。通常，形态学变换有两个输入，一个输出： 输入：原图像，核 输出：形态学变换后的图像 膨胀与腐蚀是最基本的两种形态学变换方法，形态学处理...
数字图像处理 图像形态学处理
学以致用 知行合一
09-19 1975
形态学一词通常表示生物学的一个分支，涉及动物和植物的形式和结构。 在这里在数学形态学的上下文中使用相同的词作为提取图像组件的工具，这些组件在区域形状的表示和描述中很有用，例如边界、骨架和凸包。 我们还对用于预处理或后处理的形态技术感兴趣，例如形态过滤、细化和修剪。 形态学技术用称为结构元素的小形状或模板探测图像。...
数字图像处理(MATLAB)_数字图像处理第四pdf百度云,
06-13
《数字图像处理(MATLAB)》本资源在介绍MATLAB编程基础知识之后，讲述了图像处理的主要内容，具体包括亮度变换、线性和非线性空间滤波、频率域滤波、图像复原与配准、彩色图像处理、小波、图像数据压缩、形态学图像...
基于形态学的图像分割算法研究
10-12
当今世界科技日新月异，在神州探月，蛟龙探海妇孺皆知的今天，当一个个曾经遥不可及的梦想在我们身边悄悄演变成现实，人工智能亦...最后研究了基于形态学变换的分割技术，并应用到实际的物体个数计算以及车道线检测上。
西北工业大学西工大数字图像处理实验报告.docx
07-21
实验4 形态学图像处理 设计和实现腐蚀、膨胀算法。并设计算法实现对二值图像中不同大小圆形区域的检测和提取（假设二值图像中只有圆形区域）。 实验5 图像分割 找一幅现实世界的图像，设计算法将图像中某一特定物体...
VC++数字图像处理形态学.rar
05-16
图像腐蚀技术：水平腐蚀，垂直腐蚀，全方向腐蚀； 图像膨胀：水平膨胀，垂直膨胀，全方向膨胀； 图像的细化；图像的粗化；中轴变换
【OpenCV图像处理】十八、数学形态学方法（上）
Damu
05-03 1万+
数学形态学是以形态表示为基础实现图像分析的数学工具，使用具有一定形态的结构元素去度量和提取图像中对应形状，以此来达到对图像分析和识别的目的。形态学图像处理的数学基础是集合论，主要的运算包括腐蚀、膨胀、开运算、闭运算四种。 数学形态学方法进行图像处理的基本思想是选择具有一定尺寸和形状的结构元素度量并提取图像中相关形状节后的图像分量，以此来达到对图像分析和识别的目的。需要注意的是，数学形态学方法可以
OpenCV：OpenCV4.5常用的数学形态学操作
累了就要打游戏
12-24 529
同学提的小需求：根据平均值和标准差生成随机整数 分享给有需要的人，代码质量勿喷。 unsigned seed = std::chrono::system_clock::now().time_since_epoch().count(); std::default_random_engine gen(seed); std::normal_distribution<float> dis...
数字图像形态学处理
m0_50614038的博客
03-13 1003
它需要两个输入，一个是我们的原始图像，第二个是决定操作性质的结构元素或内核。然后，它的变体形式（如“打开”，“关闭”，“渐变”等）也开始起作用，例如侵蚀，膨胀，开运算，闭运算等。形态学处理是对灰度图像或二值图像的处理，通常用作识别银行卡号，OCR文字识别等应用的预处理，会对图像中的外形和结果做变换，例如，使物体外形变胖或变瘦，关闭物体之间的间隙或打开间隙。操作如下：读取一个蓝色石头的图片，转成灰度后才能进行二值化阀值运算，侵蚀运算必须是针对二进制图像，最后显示出原始、二值化以及侵蚀后的图像。
图像处理(5) : 形态学处理
热门推荐
QtHalcon
05-12 2万+
​ 形态学是图像处理中应用最为广泛的技术之一，主要用于从图像中提取对表达和描绘区域形状有意义的图像分量，使后续的识别工作能够抓住目标对象最为本质的形状特征，如边界和连通区域等。同时像细化、像素化和修剪毛刺等技术也常应用于图像的预处理和后处理中，成为图像增强技术的有力补充。 形态学的基本思想是利用一种特殊的结构元来测量或提取输入图像中相应的形状或特征，以便进一步进行图像分析和目标识别。 一、腐蚀与膨胀 在经阈值处理提取出目标区域的二值图像之后，区域边缘可能并不理想，这时可以使用...
2019-7-17 opencv图像处理5-形态学变换（Morphological Transformations）
weixin_42555985的博客
07-17 669
官网参见https://docs.opencv.org/3.4.1/d9/d61/tutorial_py_morphological_ops.html 形态学变化可以用来解决抑制噪声、特征提取、边缘检测、图像分割、形状识别、纹理分析、图像恢复与重建、图像压缩等图像处理问题。 内容概要 腐蚀， cv2.erode(），去白色噪音，分离连接物体 膨胀， cv2.dilate(），扩大前景区域，连接物...
【图像处理】形态学转换
DawN
08-04 641
目录： 1.了解膨胀腐蚀的基本原理 2.练习实现图像的膨胀腐蚀操作 3.练习实现图像的开操作和闭操作 4.练习实现图像的顶帽和黑帽操作 形态学转换 定义 形态学通常表示生物学的一个分支，该分支主要研究动植物的形态和结构。在图像中我们使用形态学表示数学形态学的内容，将数学形态学作为工具从图像中提取表达和描绘区域形状的有用图像分量，如边界，骨架和凸壳。 数学形态学的语言是集合论。形态学为大量的图像...
图像处理的一些操作（2）
最新发布
2301_78972534的博客
04-30 733
【代码】图像处理的一些操作（2）
形态学图像处理相关知识
05-05
形态学图像处理的主要目的是对图像中的形状和结构进行分析和处理，从而实现图像的增强、分割、去噪、形态学变换等操作。 常用的形态学图像处理方法包括腐蚀、膨胀、开运算、闭运算、形态学梯度、顶帽变换和底帽变换...

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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