python 腐蚀膨胀_python实现图像膨胀和腐蚀算法

如果您觉得本文不错！记得点赞哦！

一. 图像形态学简介：

经验之谈：形态学操作一般作用于二值图像，来连接相邻的元素（膨胀）或分离成独立的元素（侵蚀）。腐蚀和膨胀是针对图片中的白色（即前景）部分！

二. 图像形态学操作 膨胀和腐蚀的算法：

膨胀算法：

对于待操作的像素 f(x,y)，不论 f(x,y-1) 、f(x,y+1) 、f(x-1,y) 、f(x+1,y) 哪一个为255，则 f(x,y)=255。

膨胀操作 ↑

换句话说：将待操作的图像像素与以下 4-近邻矩阵 相乘，结果大于255的话，将中心像素设为255。

膨胀：待操作像素 * 上面矩阵 > =255，f(x,y) = 255。 ↑

腐蚀算法：

对于待操作的像素 f(x,y)，只有 f(x,y-1) 、f(x,y+1) 、f(x-1,y) 、f(x+1,y) 都为255，则 f(x,y)=255。

换句话说：将待操作的图像像素与以下 4-近邻矩阵 相乘，结果小于255*4的话，将中心像素设为0。

腐蚀：待操作像素 * 上面矩阵 < 255*4，f(x,y) = 0 。↑

三. python实现图像膨胀和腐蚀

1 #Writer : wojianxinygcl@163.com

2 #Date : 2020.3.21

3 importcv24 importnumpy as np5 importmatplotlib.pyplot as plt6

7 #Gray scale

8 defBGR2GRAY(img):9 b =img[:, :, 0].copy()10 g = img[:, :, 1].copy()11 r = img[:, :, 2].copy()12

13 #Gray scale

14 out = 0.2126 * r + 0.7152 * g + 0.0722 *b15 out =out.astype(np.uint8)16

17 returnout18

19 #Otsu Binalization

20 def otsu_binarization(img, th=128):21 H, W =img.shape22 out =img.copy()23

24 max_sigma =025 max_t =026

27 #determine threshold

28 for _t in range(1, 255):29 v0 = out[np.where(out <_t)]30 m0 = np.mean(v0) if len(v0) > 0 else0.31 w0 = len(v0) / (H *W)32 v1 = out[np.where(out >=_t)]33 m1 = np.mean(v1) if len(v1) > 0 else0.34 w1 = len(v1) / (H *W)35 sigma = w0 * w1 * ((m0 - m1) ** 2)36 if sigma >max_sigma:37 max_sigma =sigma38 max_t =_t39

40 #Binarization

41 print("threshold >>", max_t)42 th =max_t43 out[out < th] =044 out[out >= th] = 255

45

46 returnout47

48

49 #Morphology Dilate

50 def Morphology_Dilate(img, Dil_time=1):51 H, W =img.shape52

53 #kernel

54 MF = np.array(((0, 1, 0),55 (1, 0, 1),56 (0, 1, 0)), dtype=np.int)57

58 #each dilate time

59 out =img.copy()60 for i inrange(Dil_time):61 tmp = np.pad(out, (1, 1), 'edge')62 for y in range(1, H):63 for x in range(1, W):64 if np.sum(MF * tmp[y-1:y+2, x-1:x+2]) >= 255:65 out[y, x] = 255

66

67 returnout68

69

70 #Morphology Erode

71 def Morphology_Erode(img, Erode_time=1):72 H, W =img.shape73 out =img.copy()74

75 #kernel

76 MF = np.array(((0, 1, 0),77 (1, 0, 1),78 (0, 1, 0)), dtype=np.int)79

80 #each erode

81 for i inrange(Erode_time):82 tmp = np.pad(out, (1, 1), 'edge')83 #erode

84 for y in range(1, H):85 for x in range(1, W):86 if np.sum(MF * tmp[y-1:y+2, x-1:x+2]) < 255*4:87 out[y, x] =088

89 returnout90

91

92 #Read image

93 img = cv2.imread("../paojie.jpg").astype(np.float32)94

95 #Grayscale

96 gray =BGR2GRAY(img)97

98 #Otsu's binarization

99 otsu =otsu_binarization(gray)100

101 #Morphology - dilate

102 erode_result = Morphology_Erode(otsu, Erode_time=2)103 dilate_result = Morphology_Dilate(otsu,Dil_time=2)104

105 #Save result

106 cv2.imwrite("Black_and_white.jpg",otsu)107 cv2.imshow("Black_and_white",otsu)108 cv2.imwrite("erode_result.jpg", erode_result)109 cv2.imshow("erode_result", erode_result)110 cv2.imwrite("dilate_result.jpg", dilate_result)111 cv2.imshow("dilate_result",dilate_result)112 cv2.waitKey(0)113 cv2.destroyAllWindows()

四. 实验结果：

二值图像（左），膨胀图像（中），侵蚀图像（右） ↑

五. 参考内容：

六. 版权声明：

未经作者允许，请勿随意转载抄袭，抄袭情节严重者，作者将考虑追究其法律责任，创作不易，感谢您的理解和配合！